Amazon EMR 发行版 5.20.0 - Amazon EMR
5.20.0 应用程序版本5.20.0 发布说明5.20.0 组件版本5.20.0 配置分类

Amazon EMR 发行版 5.20.0

5.20.0 应用程序版本

此版本支持以下应用程序：Flink、Ganglia、HBase、HCatalog、Hadoop、Hive、Hue、JupyterHub、Livy、MXNet、Mahout、Oozie、Phoenix、Pig、Presto、Spark、Sqoop、TensorFlow、Tez、Zeppelin 和 ZooKeeper。

下表列出了此版本的 Amazon EMR 中提供的应用程序版本以及前三个 Amazon EMR 发行版中的应用程序版本（若适用）。

有关每个发行版的 Amazon EMR 的应用程序版本的全面历史记录，请参见以下主题：

应用程序版本信息
emr-5.20.0 emr-5.19.1 emr-5.19.0 emr-5.18.1
AWS SDK for Java 1.11.4611.11.4331.11.4331.11.393
Python 2.7、3.62.7、3.42.7、3.42.7、3.4
Scala 2.11.122.11.82.11.82.11.8
AmazonCloudWatchAgent - - - -
Delta - - - -
Flink1.6.21.6.11.6.11.6.0
Ganglia3.7.23.7.23.7.23.7.2
HBase1.4.81.4.71.4.71.4.7
HCatalog2.3.42.3.32.3.32.3.3
Hadoop2.8.52.8.52.8.52.8.4
Hive2.3.42.3.32.3.32.3.3
Hudi - - - -
Hue4.3.04.2.04.2.04.2.0
Iceberg - - - -
JupyterEnterpriseGateway - - - -
JupyterHub0.9.40.9.40.9.40.8.1
Livy0.5.00.5.00.5.00.5.0
MXNet1.3.11.3.01.3.01.2.0
Mahout0.13.00.13.00.13.00.13.0
Oozie5.0.05.0.05.0.05.0.0
Phoenix4.14.04.14.04.14.04.14.0
Pig0.17.00.17.00.17.00.17.0
Presto0.2140.2120.2120.210
Spark2.4.02.3.22.3.22.3.2
Sqoop1.4.71.4.71.4.71.4.7
TensorFlow1.12.01.11.01.11.01.9.0
Tez0.9.10.8.40.8.40.8.4
Trino (PrestoSQL) - - - -
Zeppelin0.8.00.8.00.8.00.8.0
ZooKeeper3.4.133.4.133.4.133.4.12

5.20.0 发布说明

以下发布说明包括有关 Amazon EMR 发行版 5.20.0 的信息。更改与 5.19.0 有关。

首次发布日期：2018 年 12 月 18 日

上次更新时间：2019 年 1 月 22 日

升级

  • Flink 1.6.2

  • HBase 1.4.8

  • Hive 2.3.4

  • Hue 4.3.0

  • MXNet 1.3.1

  • Presto 0.214

  • Spark 2.4.0

  • TensorFlow 1.12.0

  • Tez 0.9.1

  • AWS SDK for Java 1.11.461

新功能

  • （2019 年 1 月 22 日）Amazon EMR 中的 Kerberos 已经得到改进，现在可支持对来自外部 KDC 的委托人进行身份验证。这集中了委托人管理，因为多个集群可以共享单个外部 KDC。此外，外部 KDC 可与 Active Directory 域建立跨领域信任关系。这使得所有集群可以从 Active Directory 对委托人进行身份验证。有关更多信息，请参阅《Amazon EMR 管理指南》中的使用 Kerberos 身份验证。

更改、增强功能和解决的问题

  • Amazon EMR 的默认 Amazon Linux AMI

    • Python 3 软件包已从 Python 3.4 升级到 3.6。

  • 经 EMRFS S3 优化的提交程序

  • Hive

  • 集成 Spark 和 Hive 的 Glue

    • 在 EMR 5.20.0 或更高版本中，当使用 AWS Glue 数据目录作为元存储时，会自动为 Spark 和 Hive 启用并行分区修剪。此更改通过并行执行多个请求来检索分区，显著缩短查询计划时间。可同时执行的分段总数介于 1 到 10 之间。默认值为 5，这是建议的设置。您可以通过以下方式更改该值：指定 hive-site 配置分类中的属性 aws.glue.partition.num.segments。如果发生节流，则可以通过将值更改为 1 来关闭此功能。有关更多信息，请参阅 AWS Glue 分段结构。

已知问题

  • Hue（已在 Amazon EMR 发行版 5.24.0 中修复）

    • 在 Amazon EMR 上运行的 Hue 不支持 Solr。从 Amazon EMR 发行版 5.20.0 开始，配置错误问题会导致 Solr 启用，并显示类似于以下内容的无害错误消息：

      Solr server could not be contacted properly: HTTPConnectionPool('host=ip-xx-xx-xx-xx.ec2.internal', port=1978): Max retries exceeded with url: /solr/admin/info/system?user.name=hue&doAs=administrator&wt=json (Caused by NewConnectionError(': Failed to establish a new connection: [Errno 111] Connection refused',))

      要防止显示 Solr 错误消息:

      1. 使用 SSH 连接到主节点命令行。

      2. 使用文本编辑器打开 hue.ini 文件。例如：

        sudo vim /etc/hue/conf/hue.ini

      3. 搜索术语 appblacklist，并将该行修改为以下内容：

        appblacklist = search

      4. 保存更改并重新启动 Hue，如以下示例所示：

        sudo stop hue; sudo start hue

  • Tez

    • 此问题已在 Amazon EMR 5.22.0 中得到修复。

      通过 http://MasterDNS:8080/tez-ui 连接到 Tez UI 时（通过 SSH 连接到集群主节点），显示错误“Adapter operation failed - Timeline server (ATS) is out of reach。Either it is down, or CORS is not enabled”，或任务不正常地显示为“N/A”。

      这是由于 Tez UI 使用 localhost（而没有使用主节点的主机名称）向 YARN 时间线服务器发出请求所致。解决方法：将脚本作为引导操作或步骤运行。脚本更新 Tez configs.env 文件中的主机名。有关更多信息以及脚本的位置信息，请参阅引导说明。

  • 在 Amazon EMR 版本 5.19.0、5.20.0 和 5.21.0 中，YARN 节点标注存储在 HDFS 目录中。在某些情况下，这会导致核心节点启动延迟，然后导致集群超时和启动失败。从 Amazon EMR 5.22.0 开始，此问题已得到解决。YARN 节点标注存储在每个集群节点的本地磁盘上，避免了对 HDFS 的依赖。

  • 具有多个主节点的集群和 Kerberos 身份验证中的已知问题

    如果在 Amazon EMR 版本 5.20.0 及更高版本中运行具有多个主节点的集群和 Kerberos 身份验证，则在集群运行一段时间后，您可能在执行集群操作（如缩减或步骤提交）时遇到问题。具体时间段取决于您定义的 Kerberos 票证有效期。缩减问题会影响您提交的自动缩减和显式缩减请求。其它集群操作也可能会受到影响。

    解决办法：

    • 以 hadoop 用户身份通过 SSH 连接到具有多个主节点的 EMR 集群的 lead 主节点。

    • 运行以下命令，为 hadoop 用户续订 Kerberos 票证。

      kinit -kt <keytab_file> <principal>

      通常情况下，keytab 文件位于 /etc/hadoop.keytab，而 principal 为 hadoop/<hostname>@<REALM> 格式。

    注意

    此解决方法将在 Kerberos 票证有效期内生效。默认情况下，此持续时间为 10 个小时，但可以通过 Kerberos 设置进行配置。Kerberos 票证过期后，您必须重新运行上述命令。

5.20.0 组件版本

下面列出了 Amazon EMR 随此发行版一起安装的组件。一些组件作为大数据应用程序包的一部分安装。其它组件是 Amazon EMR 独有的，并且已为系统流程和功能安装这些组件。它们通常以 emr 或 aws 开头。最新的 Amazon EMR 发行版中的大数据应用程序包通常是在社区中找到的最新版本。我们会尽快在 Amazon EMR 中提供社区发行版。

Amazon EMR 中的某些组件与社区版本不同。这些组件具有以下形式的 CommunityVersion-amzn-EmrVersion 的发行版标注。EmrVersion 从 0 开始。例如，假设已对名为 myapp-component 的版本 2.2 的开源社区组件进行三次修改，以包含在不同的 Amazon EMR 发行版中，则其发行版将为 2.2-amzn-2。

组件 版本 描述
aws-sagemaker-spark-sdk1.2.1Amazon SageMaker Spark 开发工具包
emr-ddb4.7.0适用于 Hadoop 生态系统应用程序的 Amazon DynamoDB 连接器。
emr-goodies2.5.1适用于 Hadoop 生态系统的方便易用的库。
emr-kinesis3.4.0适用于 Hadoop 生态系统应用程序的 Amazon Kinesis 连接器。
emr-s3-dist-cp2.10.0针对 Amazon S3 优化的分布式复制应用程序。
emr-s3-select1.2.0EMR S3 Select 连接器
emrfs2.29.0适用于 Hadoop 生态系统应用程序的 Amazon S3 连接器。
flink-client1.6.2Apache Flink 命令行客户端脚本和应用程序。
ganglia-monitor3.7.2适用于 Hadoop 生态系统应用程序的嵌入式 Ganglia 代理以及 Ganglia 监控代理。
ganglia-metadata-collector3.7.2用于从 Ganglia 监控代理中聚合指标的 Ganglia 元数据收集器。
ganglia-web3.7.1用于查看由 Ganglia 元数据收集器收集的指标的 Web 应用程序。
hadoop-client2.8.5-amzn-1Hadoop 命令行客户端，如“hdfs”、“hadoop”或“yarn”。
hadoop-hdfs-datanode2.8.5-amzn-1用于存储数据块的 HDFS 节点级服务。
hadoop-hdfs-library2.8.5-amzn-1HDFS 命令行客户端和库
hadoop-hdfs-namenode2.8.5-amzn-1用于跟踪文件名和数据块位置的 HDFS 服务。
hadoop-httpfs-server2.8.5-amzn-1用于 HDFS 操作的 HTTP 终端节点。
hadoop-kms-server2.8.5-amzn-1基于 Hadoop 的 KeyProvider API 的加密密钥管理服务器。
hadoop-mapred2.8.5-amzn-1用于运行 MapReduce 应用程序的 MapReduce 执行引擎库。
hadoop-yarn-nodemanager2.8.5-amzn-1用于管理单个节点上的容器的 YARN 服务。
hadoop-yarn-resourcemanager2.8.5-amzn-1用于分配和管理集群资源与分布式应用程序的 YARN 服务。
hadoop-yarn-timeline-server2.8.5-amzn-1用于检索 YARN 应用程序的当前信息和历史信息的服务。
hbase-hmaster1.4.8适用于负责协调区域和执行管理命令的 HBase 集群的服务。
hbase-region-server1.4.8用于服务于一个或多个 HBase 区域的服务。
hbase-client1.4.8HBase 命令行客户端。
hbase-rest-server1.4.8用于向 HBase 提供 RESTful HTTP 终端节点的服务。
hbase-thrift-server1.4.8用于向 HBase 提供 Thrift 终端节点的服务。
hcatalog-client2.3.4-amzn-0用于操作 hcatalog-server 的“hcat”命令行客户端。
hcatalog-server2.3.4-amzn-0用于为分布式应用程序提供 HCatalog、表和存储管理层的服务。
hcatalog-webhcat-server2.3.4-amzn-0用于向 HCatalog 提供 REST 接口的 HTTP 终端节点。
hive-client2.3.4-amzn-0Hive 命令行客户端。
hive-hbase2.3.4-amzn-0Hive-hbase 客户端。
hive-metastore-server2.3.4-amzn-0用于访问 Hive 元存储 (一个用于存储 Hadoop 操作中的 SQL 的元数据的语义存储库) 的服务。
hive-server22.3.4-amzn-0用于将 Hive 查询作为 Web 请求接受的服务。
hue-server4.3.0用于使用 Hadoop 生态系统应用程序分析数据的 Web 应用程序
jupyterhub0.9.4Jupyter notebook 的多用户服务器
livy-server0.5.0-incubating用于与 Apache Spark 交互的 REST 接口
nginx1.12.1nginx [引擎 x] 是 HTTP 和反向代理服务器
mahout-client0.13.0用于机器学习的库。
mxnet1.3.1用于深度学习的灵活的、可扩展且高效的库。
mysql-server5.5.54+MySQL 数据库服务器。
nvidia-cuda9.2.88Nvidia 驱动程序和 Cuda 工具包
oozie-client5.0.0Oozie 命令行客户端。
oozie-server5.0.0用于接受 Oozie 工作流请求的服务。
opencv3.4.0开源计算机视觉库。
phoenix-library4.14.0-HBase-1.4服务器和客户端的 phoenix 库
phoenix-query-server4.14.0-HBase-1.4向 Avatica API 提供 JDBC 访问权限以及协议缓冲区和 JSON 格式访问权限的轻量级服务器
presto-coordinator0.214用于在 presto-worker 之中接受查询并管理查询的服务。
presto-worker0.214用于执行查询的各个部分的服务。
pig-client0.17.0Pig 命令行客户端。
r3.4.1用于统计计算的 R 项目
spark-client2.4.0Spark 命令行客户端。
spark-history-server2.4.0用于查看完整的 Spark 应用程序的生命周期的已记录事件的 Web UI。
spark-on-yarn2.4.0适用于 YARN 的内存中执行引擎。
spark-yarn-slave2.4.0YARN 从属项所需的 Apache Spark 库。
sqoop-client1.4.7Apache Sqoop 命令行客户端。
tensorflow1.12.0适用于高性能数值计算的 TensorFlow 开源软件库。
tez-on-yarn0.9.1tez YARN 应用程序和库。
webserver2.4.25+Apache HTTP 服务器。
zeppelin-server0.8.0支持交互式数据分析的基于 Web 的笔记本电脑。
zookeeper-server3.4.13用于维护配置信息、命名、提供分布式同步以及提供组服务的集中式服务。
zookeeper-client3.4.13ZooKeeper 命令行客户端。

5.20.0 配置分类

配置分类允许您自定义应用程序。这些通常与应用程序的配置 XML 文件（例如 hive-site.xml）相对应。有关更多信息，请参阅配置应用程序。

emr-5.20.0 分类
分类 描述

capacity-scheduler

更改 Hadoop 的 capacity-scheduler.xml 文件中的值。

container-log4j

更改 Hadoop YARN 的 container-log4j.properties 文件中的值。

core-site

更改 Hadoop 的 core-site.xml 文件中的值。

emrfs-site

更改 EMRFS 设置。

flink-conf

更改 flink-conf.yaml 设置。

flink-log4j

更改 Flink log4j.properties 设置。

flink-log4j-yarn-session

更改 Flink log4j-yarn-session.properties 设置。

flink-log4j-cli

更改 Flink log4j-cli.properties 设置。

hadoop-env

更改适用于所有 Hadoop 组件的 Hadoop 环境中的值。

hadoop-log4j

更改 Hadoop 的 log4j.properties 文件中的值。

hadoop-ssl-server

更改 hadoop ssl 服务器配置

hadoop-ssl-client

更改 hadoop ssl 客户端配置

hbase

适用于 Apache HBase 的 Amazon EMR 辅助设置。

hbase-env

更改 HBase 环境中的值。

hbase-log4j

更改 HBase 的 hbase-log4j.properties 文件中的值。

hbase-metrics

更改 HBase 的 hadoop-metrics2-hbase.properties 文件中的值。

hbase-policy

更改 HBase 的 hbase-policy.xml 文件中的值。

hbase-site

更改 HBase 的 hbase-site.xml 文件中的值。

hdfs-encryption-zones

配置 HDFS 加密区域。

hdfs-site

更改 HDFS 的 hdfs-site.xml 中的值。

hcatalog-env

更改 HCatalog 的环境中的值。

hcatalog-server-jndi

更改 HCatalog 的 jndi.properties 中的值。

hcatalog-server-proto-hive-site

更改 HCatalog 的 proto-hive-site.xml 中的值。

hcatalog-webhcat-env

更改 HCatalog WebHCat 的环境中的值。

hcatalog-webhcat-log4j2

更改 HCatalog WebHCat 的 log4j2.properties 中的值。

hcatalog-webhcat-site

更改 HCatalog WebHCat 的 webhcat-site.xml 文件中的值。

hive-beeline-log4j2

更改 Hive 的 beeline-log4j2.properties 文件中的值。

hive-parquet-logging

更改 Hive parquet-logging.properties 文件中的值。

hive-env

更改 Hive 环境中的值。

hive-exec-log4j2

更改 Hive 的 hive-exec-log4j2.properties 文件中的值。

hive-llap-daemon-log4j2

更改 Hive 的 llap-daemon-log4j2.properties 文件中的值。

hive-log4j2

更改 Hive 的 hive-log4j2.properties 文件中的值。

hive-site

更改 Hive 的 hive-site.xml 文件中的值

hiveserver2-site

更改 Hive Server2 的 hiveserver2-site.xml 文件中的值

hue-ini

更改 Hue 的 ini 文件中的值

httpfs-env

更改 HTTPFS 环境中的值。

httpfs-site

更改 Hadoop 的 httpfs-site.xml 文件中的值。

hadoop-kms-acls

更改 Hadoop 的 kms-acls.xml 文件中的值。

hadoop-kms-env

更改 Hadoop KMS 环境中的值。

hadoop-kms-log4j

更改 Hadoop 的 kms-log4j.properties 文件中的值。

hadoop-kms-site

更改 Hadoop 的 kms-site.xml 文件中的值。

jupyter-notebook-conf

更改 Jupyter notebook 的 jupyter_notebook_config.py 文件中的值。

jupyter-hub-conf

更改 JupyterHubs 的 jupyterhub_config.py 文件中的值。

jupyter-s3-conf

配置 Jupyter notebook S3 持久性。

jupyter-sparkmagic-conf

更改 Sparkmagic 的 config.json 文件中的值。

livy-conf

更改 Livy 的 livy.conf 文件中的值。

livy-env

更改 Livy 环境中的值。

livy-log4j

更改 Livy log4j.properties 设置。

mapred-env

更改 MapReduce 应用程序的环境中的值。

mapred-site

更改 MapReduce 应用程序的 mapred-site.xml 文件中的值。

oozie-env

更改 Oozie 的环境中的值。

oozie-log4j

更改 Oozie 的 oozie-log4j.properties 文件中的值。

oozie-site

更改 Oozie 的 oozie-site.xml 文件中的值。

phoenix-hbase-metrics

更改 Phoenix 的 hadoop-metrics2-hbase.properties 文件中的值。

phoenix-hbase-site

更改 Phoenix 的 hbase-site.xml 文件中的值。

phoenix-log4j

更改 Phoenix 的 log4j.properties 文件中的值。

phoenix-metrics

更改 Phoenix 的 hadoop-metrics2-phoenix.properties 文件中的值。

pig-env

更改 Pig 环境中的值。

pig-properties

更改 Pig 的 pig.properties 文件中的值。

pig-log4j

更改 Pig 的 log4j.properties 文件中的值。

presto-log

更改 Presto 的 log.properties 文件中的值。

presto-config

更改 Presto 的 config.properties 文件中的值。

presto-password-authenticator

更改 Presto 的 password-authenticator.properties 文件中的值。

presto-env

更改 Presto 的 presto-env.sh 文件中的值。

presto-node

更改 Presto 的 node.properties 文件中的值。

presto-connector-blackhole

更改 Presto 的 blackhole.properties 文件中的值。

presto-connector-cassandra

更改 Presto 的 cassandra.properties 文件中的值。

presto-connector-hive

更改 Presto 的 hive.properties 文件中的值。

presto-connector-jmx

更改 Presto 的 jmx.properties 文件中的值。

presto-connector-kafka

更改 Presto 的 kafka.properties 文件中的值。

presto-connector-localfile

更改 Presto 的 localfile.properties 文件中的值。

presto-connector-memory

更改 Presto 的 memory.properties 文件中的值。

presto-connector-mongodb

更改 Presto 的 mongodb.properties 文件中的值。

presto-connector-mysql

更改 Presto 的 mysql.properties 文件中的值。

presto-connector-postgresql

更改 Presto 的 postgresql.properties 文件中的值。

presto-connector-raptor

更改 Presto 的 raptor.properties 文件中的值。

presto-connector-redis

更改 Presto 的 redis.properties 文件中的值。

presto-connector-redshift

更改 Presto 的 redshift.properties 文件中的值。

presto-connector-tpch

更改 Presto 的 tpch.properties 文件中的值。

presto-connector-tpcds

更改 Presto 的 tpcds.properties 文件中的值。

spark

适用于 Apache Spark 的 Amazon EMR 辅助设置。

spark-defaults

更改 Spark 的 spark-defaults.conf 文件中的值。

spark-env

更改 Spark 环境中的值。

spark-hive-site

更改 Spark 的 hive-site.xml 文件中的值

spark-log4j

更改 Spark 的 log4j.properties 文件中的值。

spark-metrics

更改 Spark 的 metrics.properties 文件中的值。

sqoop-env

更改 Sqoop 的环境中的值。

sqoop-oraoop-site

更改 Sqoop OraOop 的 oraoop-site.xml 文件中的值。

sqoop-site

更改 Sqoop 的 sqoop-site.xml 文件中的值。

tez-site

更改 Tez 的 tez-site.xml 文件中的值。

yarn-env

更改 YARN 环境中的值。

yarn-site

更改 YARN 的 yarn-site.xml 文件中的值。

zeppelin-env

更改 Zeppelin 环境中的值。

zookeeper-config

更改 ZooKeeper 的 zoo.cfg 文件中的值。

zookeeper-log4j

更改 ZooKeeper 的 log4j.properties 文件中的值。