亚马逊EMR版本 5.22.0 - Amazon EMR
5.22.0 应用程序版本5.22.0 发布说明5.22.0 组件版本5.22.0 配置分类

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

亚马逊EMR版本 5.22.0

5.22.0 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 中可用的应用程序版本EMR和前三个亚马逊版本中的应用程序EMR版本（如果适用）。

要全面了解每个 Amazon 版本的应用程序版本历史记录EMR，请参阅以下主题：

应用程序版本信息
emr-5.22.0 emr-5.21.2 emr-5.21.1 emr-5.21.0
适用于 Java 的AWS SDK 1.11.5101.11.4791.11.4791.11.479
Python 2.7、3.62.7、3.62.7、3.62.7、3.6
Scala 2.11.122.11.122.11.122.11.12
AmazonCloudWatchAgent - - - -
Delta - - - -
Flink1.7.11.7.01.7.01.7.0
Ganglia3.7.23.7.23.7.23.7.2
HBase1.4.91.4.81.4.81.4.8
HCatalog2.3.42.3.42.3.42.3.4
Hadoop2.8.52.8.52.8.52.8.5
Hive2.3.42.3.42.3.42.3.4
Hudi - - - -
Hue4.3.04.3.04.3.04.3.0
Iceberg - - - -
JupyterEnterpriseGateway - - - -
JupyterHub0.9.40.9.40.9.40.9.4
Livy0.5.00.5.00.5.00.5.0
MXNet1.3.11.3.11.3.11.3.1
Mahout0.13.00.13.00.13.00.13.0
Oozie5.1.05.0.05.0.05.0.0
Phoenix4.14.14.14.04.14.04.14.0
Pig0.17.00.17.00.17.00.17.0
Presto0.2150.2150.2150.215
Spark2.4.02.4.02.4.02.4.0
Sqoop1.4.71.4.71.4.71.4.7
TensorFlow1.12.01.12.01.12.01.12.0
Tez0.9.10.9.10.9.10.9.1
Trino（Prest SQL o） - - - -
Zeppelin0.8.10.8.00.8.00.8.0
ZooKeeper3.4.133.4.133.4.133.4.13

5.22.0 发布说明

以下发行说明包含有关亚马逊 5.22. EMR 0 版本的信息。更改与 5.21.0 有关。

重要

从亚马逊EMR版本 5.22.0 开始，亚马逊仅EMR使用 AWS 签名版本 4 来验证向亚马逊 S3 发出的请求。早期的 Amazon EMR 版本在某些情况下使用 AWS 签名版本 2，除非发行说明中注明仅使用签名版本 4。有关更多信息，请参阅《亚马逊简单存储服务开发者AWS 指南》中的对请求进行身份验证（AWS 签名版本 4）和对请求进行身份验证（签名版本 2）。

首次发布日期：2019 年 3 月 20 日

升级

  • Flink 1.7.1

  • HBase1.4.9

  • Oozie 5.1.0

  • Phoenix 4.14.1

  • Zeppelin 0.8.1

  • 连接器和驱动程序：

    • DynamoDB 连接器 4.8.0

    • MariaDB 连接器 2.2.6

    • 亚马逊 Redshift JDBC Driver 1.2.20.1043

新特征

  • 修改了EBS仅限存储空间的EC2实例类型的默认EBS配置。当您使用 Amazon EMR 版本 5.22.0 及更高版本创建集群时，默认EBS存储量会根据实例的大小而增加。此外，我们将增加的存储空间分配到多个卷中，从而提高了IOPS性能。如果要使用不同的EBS实例存储配置，可以在创建EMR集群或向现有集群添加节点时指定该配置。有关默认为每种实例类型分配的存储量和卷数量的更多信息，请参阅 Amazon EMR 管理指南中的实例默认EBS存储。

更改、增强功能和解决的问题

  • Spark

    • 在 Spark 上YARN引入了一个新的配置属性spark.yarn.executor.memoryOverheadFactor。此属性的值是一个缩放系数，它将内存开销值设置为执行程序内存的百分比，最小为 384 MB。如果内存开销设置为使用 spark.yarn.executor.memoryOverhead，则此属性不发挥任何作用。默认值为 0.1875，表示 18.75%。与Spark内部设置的10％默认值相比，Amazon的默认值在YARN容器中为执行程序的内存开销EMR留出了更多的空间。根据经验，Amazon的EMR默认值为18.75％，表明-DS基准测试中与内存相关的故障较少。TPC

    • 向后移植了 SPARK-26316 以提高性能。

  • 在亚马逊EMR版本 5.19.0、5.20.0 和 5.21.0 中，YARN节点标签存储在目录中。HDFS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节点标签存储在每个群集节点的本地磁盘上，从而避免依赖于HDFS。

已知问题

  • Hue（已在亚马逊 5.24. EMR 0 版本中修复）

    • 在亚马逊上运行的 Hue EMR 不支持 Solr。从 Amazon 5.20.0 EMR 版本开始，配置错误问题会导致 Solr 被启用，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. 使用连接到主节点命令行SSH。

      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

  • 具有多个主节点的集群和 Kerberos 身份验证中的已知问题

    如果您在 Amazon 5.20.0 及更高EMR版本中运行具有多个主节点和 Kerberos 身份验证的集群，则在集群运行一段时间后，集群操作可能会遇到问题，例如缩小规模或步骤提交。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：

    • SSH以hadoop用户身份访问具有多个主节点的EMR群集的主主节点。

    • 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。

5.22.0 组件版本

下面列出了 Amazon 随此版本EMR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。其他则是 Amazon 独有的EMR，是为系统流程和功能而安装的。它们通常以 emr 或 aws 开头。Amazon 最新EMR版本中的大数据应用程序包通常是社区中的最新版本。我们会EMR尽快在 Amazon 上发布社区版本。

Amazon 中的某些组件与社区版本EMR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，如果myapp-component以 2.2 版本命名的开源社区组件经过三次修改以包含在不同的 Amazon EMR 版本中，则其发布版本将列为2.2-amzn-2。

组件 版本 描述
aws-sagemaker-spark-sdk1.2.1亚马逊 SageMaker Spark SDK
emr-ddb4.8.0适用于 Hadoop 生态系统应用程序的 Amazon DynamoDB 连接器。
emr-goodies2.6.0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-cp2.11.0针对 Amazon S3 优化的分布式复制应用程序。
emr-s3-select1.2.0EMRS3Select 连接器
emrfs2.31.0适用于 Hadoop 生态系统应用程序的 Amazon S3 连接器。
flink-client1.7.1Apache 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-2Hadoop 命令行客户端，如“hdfs”、“hadoop”或“yarn”。
hadoop-hdfs-datanode2.8.5-amzn-2HDFS用于存储区块的节点级服务。
hadoop-hdfs-library2.8.5-amzn-2HDFS命令行客户端和库
hadoop-hdfs-namenode2.8.5-amzn-2HDFS用于跟踪文件名和区块位置的服务。
hadoop-httpfs-server2.8.5-amzn-2HTTPHDFS操作端点。
hadoop-kms-server2.8.5-amzn-2基于 Hadoop 的加密密钥管理服务器。 KeyProvider API
hadoop-mapred2.8.5-amzn-2MapReduce 用于运行 MapReduce 应用程序的执行引擎库。
hadoop-yarn-nodemanager2.8.5-amzn-2YARN用于管理单个节点上的容器的服务。
hadoop-yarn-resourcemanager2.8.5-amzn-2YARN用于分配和管理群集资源和分布式应用程序的服务。
hadoop-yarn-timeline-server2.8.5-amzn-2用于检索YARN应用程序的当前和历史信息的服务。
hbase-hmaster1.4.9为负责协调区域和执行管理命令的HBase集群提供服务。
hbase-region-server1.4.9为一个或多个HBase地区提供服务的服务。
hbase-client1.4.9HBase命令行客户端。
hbase-rest-server1.4.9为提供RESTfulHTTP终端节点的服务HBase。
hbase-thrift-server1.4.9为其提供 Thrift 端点的HBase服务。
hcatalog-client2.3.4-amzn-1用于操作 hcatalog-server 的“hcat”命令行客户端。
hcatalog-server2.3.4-amzn-1提供服务HCatalog，为分布式应用程序提供表和存储管理层。
hcatalog-webhcat-server2.3.4-amzn-1HTTP端点为其提供REST接口HCatalog。
hive-client2.3.4-amzn-1Hive 命令行客户端。
hive-hbase2.3.4-amzn-1Hive-hbase 客户端。
hive-metastore-server2.3.4-amzn-1用于访问 Hive 元数据仓的服务，Hive 元存储库是一个语义存储库，用于存储 Hadoop 操作的SQL元数据。
hive-server22.3.4-amzn-1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-incubatingREST用于与 Apache Spark 交互的接口
nginx1.12.1nginx [engine x] HTTP 是一个反向代理服务器
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+我的SQL数据库服务器。
nvidia-cuda9.2.88Nvidia 驱动程序和 Cuda 工具包
oozie-client5.1.0Oozie 命令行客户端。
oozie-server5.1.0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-library4.14.1--1.4 HBase服务器和客户端的 phoenix 库
phoenix-query-server4.14.1--1.4 HBase一款轻量级服务器，提供JDBC对 Avatica 的访问权限以及协议缓冲区和JSON格式访问权限 API
presto-coordinator0.215用于在 presto-worker 之中接受查询并管理查询的服务。
presto-worker0.215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的内存中执行引擎。YARN
spark-yarn-slave2.4.0YARN从属服务器需要的 Apache Spark 库。
sqoop-client1.4.7Apache Sqoop 命令行客户端。
tensorflow1.12.0TensorFlow 用于高性能数值计算的开源软件库。
tez-on-yarn0.9.1tez YARN 应用程序和库。
webserver2.4.25+Apache HTTP 服务器。
zeppelin-server0.8.1支持交互式数据分析的基于 Web 的 Notebook。
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。

5.22.0 配置分类

配置分类允许您自定义应用程序。它们通常对应于应用程序的配置XML文件，例如hive-site.xml。有关更多信息，请参阅 配置应用程序。

emr-5.22.0 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 的 container-log4j.prop YARN erties 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 log4 j-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

亚马逊EMR精心策划的 Apache 设置。HBase

hbase-env

更改环境HBase中的值。

hbase-log4j

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

hbase-metrics

更改 hadoop-metrics2-h HBase base.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-site.xml 文件HBase中的值。

hdfs-encryption-zones

配置HDFS加密区域。

hdfs-site

更改的 hdfs-site.xml HDFS 中的值。

hcatalog-env

更改环境HCatalog中的值。

hcatalog-server-jndi

更改HCatalog的 jndi.properties 中的值。

hcatalog-server-proto-hive-site

更改 proto-hive-site .x HCatalog ml 中的值。

hcatalog-webhcat-env

更改 HCatalog W 环境ebHCat中的值。

hcatalog-webhcat-log4j2

更改 HCatalog W ebHCat 的 log4j2.properties 中的值。

hcatalog-webhcat-site

更改 HCatalog W ebHCat 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-log 4j2.properties 文件中的值。

hive-llap-daemon-log4j2

更改 Hive 的 llap-daemon-log 4j2.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

在 Hadoop KMS 环境中更改值。

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

亚马逊EMR精心策划的 Apache Spark 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 zoo.cfg 文件 ZooKeeper中的值。

zookeeper-log4j

更改 ZooKeeper的 log4j.properties 文件中的值。