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。

使用 AWS Glue 数据目录作为 Hive 的元数据库

使用亚马逊EMR版本 5.8.0 或更高版本，您可以将 Hive 配置为使用 Glue 数据目录作为 AWS 其元数据库。当您需要持久的元数据仓或由不同集群、服务、应用程序和 AWS 账户共享的元数据仓时，我们建议使用此配置。

AWS Glue 是一项完全托管的提取、转换和加载 (ETL) 服务，它使对数据进行分类、清理、丰富数据并在各种数据存储之间可靠地移动数据变得简单且经济高效。 AWS Glue 数据目录提供了一个跨各种数据源和数据格式的统一元数据存储库，与亚马逊、亚马逊、亚马逊 Redshift、Redshift Spectrum RDS、Athena EMR 以及任何与 Apache Hive 元数据仓兼容的应用程序集成。 AWS Glue 爬网程序可以自动从 Amazon S3 中的源数据推断出架构，并将相关的元数据存储在数据目录中。有关数据目录的更多信息，请参阅 AWS Glue 开发者指南中的填充 G AWS l ue 数据目录。

Glue 需单独收 AWS 费。在数据目录中存储和访问元数据有月费率，Gl AWS ue ETL 作业和爬虫运行时按小时费率收费，每个预配置的开发端点按每分钟计费。数据目录让您最多可免费存储一百万个对象。如果您存储的对象超过一百万个，则每超过一百万个 USD 100,000 个对象需要支付 1 美元的费用。数据目录中的对象为表、分区或数据库。有关更多信息，请参阅 Glue 定价。

将 AWS Glue 数据目录指定为元数据库

您可以使用 AWS Management Console、 AWS CLI或 Amazon EMR API 将 AWS Glue 数据目录指定为元数据仓。使用CLI或时API，可以使用 Hive 的配置分类来指定数据目录。此外，在 Amazon EMR 5.16.0 及更高版本中，您可以使用配置分类在不同的数据目录中指定数据目录。 AWS 账户在使用控制台时，您可以使用 Advanced Options (高级选项) 或 Quick Options (快速选项) 指定数据目录。

Console

使用控制台 AWS 将 Glue 数据目录指定为 Hive 元数据仓

1. 登录 AWS Management Console，然后通过 https://console.aws.amazon.com/em r 打开亚马逊EMR控制台。

2. EC2在左侧导航窗格的 “开” 下EMR，选择 “集群”，然后选择 “创建集群”。

3. 在 “应用程序包” 下，选择 “核心 Hadoop” 或 “自HBase定义”。如果您自定义集群，请确保选择 Hive 或HCatalog作为您的应用程序之一。

4. 在AWS Glue 数据目录设置下，选择用于 Hive 表元数据复选框。

5. 选择适用于集群的任何其他选项。

6. 要启动集群，选择 Create cluster（创建集群）。

CLI

要将 AWS Glue 数据目录指定为 Hive 元数据库，请使用 AWS CLI

有关使用和指定配置分类的更多信息 AWS CLI EMRAPI，请参阅配置应用程序。

• 使用 hive-site 配置分类指定 hive.metastore.client.factory.class 的值，如下例所示：

  [
    {
      "Classification": "hive-site",
      "Properties": {
        "hive.metastore.client.factory.class": "com.amazonaws.glue.catalog.metastore.AWSGlueDataCatalogHiveClientFactory"
      }
    }
  ]
  						

  在EMR发行版 5.28.0、5.28.1、5.29.0 或 6.x 上，如果您要使用 Glue 数据目录作为元数据存储创建集群， AWS 请将设置为。hive.metastore.schema.verification false这会阻止 Hive 和HCatalog根据 My 验证元存储架构。SQL如果没有此配置，则在 Hive 或上重新配置后，主实例组将处于暂停状态。HCatalog

  [
    {
      "Classification": "hive-site",
      "Properties": {
        "hive.metastore.client.factory.class": "com.amazonaws.glue.catalog.metastore.AWSGlueDataCatalogHiveClientFactory",
        "hive.metastore.schema.verification": "false"
      }
    }
  ]
  					

  如果您已经拥有EMR版本为 5.28.0、5.28.1 或 5.29.0 的集群，则可以使用以下信息将主实例组设置为：hive.metastore.schema.verificationfalse

     
      Classification = hive-site
      Property       = hive.metastore.schema.verification
      Value          = false
  					

  要在其他 AWS 账户中指定数据目录，请添加hive.metastore.glue.catalogid属性，如以下示例所示。将 acct-id 替换为数据目录的 AWS 账户。

  [
    {
      "Classification": "hive-site",
      "Properties": {
        "hive.metastore.client.factory.class": "com.amazonaws.glue.catalog.metastore.AWSGlueDataCatalogHiveClientFactory",
        "hive.metastore.schema.verification": "false",
        "hive.metastore.glue.catalogid": "acct-id"
      }
    }
  ]
  				

IAM权限

集群的EC2实例配置文件必须具有 Glue AWS 操作的IAM权限。此外，如果您为 AWS Glue Data Catalog 对象启用加密，则还必须允许该角色加密、解密和生成 AWS KMS key 用于加密的对象。

AWS Glue 操作的权限

如果您使用 Amazon 的默认EC2实例配置文件EMR，则无需执行任何操作。附加到的AmazonElasticMapReduceforEC2Role托管策略EMR_EC2_DefaultRole允许执行所有必要的 AWS Glue 操作。但是，如果您指定自定义EC2实例配置文件和权限，则必须配置相应的 AWS Glue 操作。使用 AmazonElasticMapReduceforEC2Role 托管策略作为起点。有关更多信息，请参阅 Amazon EMR 管理指南中的集群EC2EC2实例服务角色（实例配置文件）。

加密和解密 AWS Glue 数据目录的权限

您的实例配置文件需要使用密钥加密和解密数据的权限。如果以下语句适用，您不必配置这些权限：

否则，您必须将以下语句添加到您的EC2实例配置文件所附的权限策略中。

[
    {
        "Version": "2012-10-17",
        "Statement": [
            {
                "Effect": "Allow",
                "Action": [
                    "kms:Decrypt",
                    "kms:Encrypt",
                    "kms:GenerateDataKey"
                ],
                "Resource": "arn:aws:kms:region:acct-id:key/12345678-1234-1234-1234-123456789012"
            }
        ]
    }
]

有关 AWS Glue 数据目录加密的更多信息，请参阅 Glu e 开发者指南中的AWS 加密数据目录。

基于资源的权限

如果您在亚马逊中将 AWS Glue 与 Hive、Spark 或 Presto 结合使用，EMRGl AWS ue 支持基于资源的策略来控制对数据目录资源的访问。这些资源包括数据库、表、连接和用户定义的函数。有关更多信息，请参阅《AWS Glue 开发人员指南》中的 AWS Glue 资源策略。

使用基于资源的策略限制从 Amazon EMR 内部访问 AWS Glue 时，您在权限策略中指定的委托人必须是与创建集群时指定的EC2实例配置文件ARN关联的角色。例如，对于附加到目录的基于资源的策略，您可以ARN为集群EC2实例指定默认服务角色的角色，EMR_EC2_DefaultRole 正如Principal，使用以下示例所示的格式：

arn:aws:iam::acct-id:role/EMR_EC2_DefaultRole

这些区域有：acct-id 可以与 AWS Glue 账号 ID 不同。这允许从不同账户的EMR集群进行访问。您可以指定多个委托人，且每个委托人都可以来自不同的账户。

使用 AWS Glue 数据目录时的注意事项

使用 AWS Glue 数据目录作为 Hive 的元数据仓时，请考虑以下事项：