本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

使用 AWS Glue Data Catalog 作為 Hive 的中繼存放區

您可以使用 Amazon 5.8EMR.0 版或更新版本，將 Hive 設定為使用 AWS Glue Data Catalog 作為其中繼存放區。若您需要持久的中繼存放區或由不同叢集、服務、應用程式或 AWS 帳戶分享的中繼存放區，我們建議使用此組態。

AWS Glue 是一種完全受管的擷取、轉換和載入 （ETL） 服務，可讓您輕鬆且符合成本效益地分類資料、清理資料、擴充資料，並在各種資料存放區之間可靠地移動資料。 AWS Glue Data Catalog 提供跨各種資料來源和資料格式的統一中繼資料儲存庫，與 Amazon EMR以及 Amazon、Amazon RedshiftRDS、Redshift Spectrum、Athena 以及與 Apache Hive 中繼存放區相容的任何應用程式整合。 AWS Glue 爬蟲程式可以從 Amazon S3 中的來源資料自動推斷結構描述，並將相關聯的中繼資料存放在 Data Catalog 中。如需 Data Catalog 的詳細資訊，請參閱 AWS Glue 開發人員指南 中的填入 Glue Data Catalog。 AWS

AWS Glue 會另外收費。資料目錄中儲存和存取中繼資料的月費率、 AWS Glue ETL任務和爬蟲程式執行期每分鐘計費的小時費率，以及每個佈建開發端點每分鐘計費的小時費率。Data Catalog 可讓您免費儲存多達一百萬個物件。如果您存放超過一百萬個物件，則每 100，000 個物件超過一百萬個，就需要支付 1 USD美元的費用。Data Catalog 中的物件是資料表、分割區或資料庫。如需詳細資訊，請參閱 Glue 定價。

將 AWS Glue Data Catalog 指定為中繼存放區

您可以使用 AWS Management Console AWS CLI、 或 Amazon 將 AWS Glue Data Catalog 指定為中繼存放區EMRAPI。使用 CLI或 時API，您可以使用 Hive 的組態分類來指定資料目錄。此外，使用 Amazon EMR 5.16.0 及更新版本，您可以使用組態分類，在不同的 中指定資料目錄 AWS 帳戶。在使用主控台時，您可以透過進階選項或快速選項指定 Data Catalog。

Console

使用主控台將 AWS Glue Data Catalog 指定為 Hive 中繼存放區

1. 登入 AWS Management Console，然後在 https://console.aws.amazon.com/emr 開啟 Amazon EMR主控台。

2. 在左側導覽窗格中的 EMR下EC2，選擇叢集 ，然後選擇建立叢集 。

3. 在應用程式套件 下，選擇 Core Hadoop 、 HBase或 Custom 。如果您自訂叢集，請務必選取 Hive 或 HCatalog作為其中一個應用程式。

4. 在 AWS Glue Data Catalog 設定下方，選取用於 Hive 資料表中繼資料核取方塊。

5. 選擇適用於您的叢集的任何其他選項。

6. 若要啟動您的叢集，請選擇建立叢集。

CLI

使用 將 AWS Glue Data Catalog 指定為 Hive 中繼存放區 AWS CLI

如需使用 AWS CLI 和 EMR 指定組態分類的詳細資訊API，請參閱 設定應用程式。

• 使用以下範例中顯示的 hive-site 組態分類為 hive.metastore.client.factory.class 指定值：

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

  在 EMR 5.28.0、5.28.1、5.29.0 或 6.x 版上，如果您使用 AWS Glue Data Catalog 作為中繼存放區建立叢集，請將 hive.metastore.schema.verification 設定為 false。這可防止 Hive 和 HCatalog 對 My 驗證中繼存放區結構描述SQL。如果沒有此組態，主要執行個體群組會在 Hive 或 上重新設定後暫停HCatalog。

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

  如果您在 EMR 5.28.0、5.28.1 或 5.29.0 版上已有叢集，您可以使用hive.metastore.schema.verificationfalse下列資訊將主要執行個體群組設定為 ：

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

  若要在不同 AWS 帳戶中指定 Data Catalog，請新增 hive.metastore.glue.catalogid 屬性，如下列範例所示。使用 Data Catalog 的 AWS 帳戶取代 acct-id。

  [
    {
      "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 許可

叢集的EC2執行個體設定檔必須具有 AWS Glue 動作的IAM許可。此外，如果您啟用 AWS Glue Data Catalog 物件的加密，也必須允許角色加密、解密和產生 AWS KMS key 用於加密的 。

AWS Glue 動作的許可

如果您使用 Amazon 的預設EC2執行個體設定檔EMR，則不需要採取任何動作。連接到 的AmazonElasticMapReduceforEC2Role受管政策EMR_EC2_DefaultRole允許所有必要的 AWS Glue 動作。不過，如果您指定自訂EC2執行個體設定檔和許可，則必須設定適當的 AWS Glue 動作。使用 AmazonElasticMapReduceforEC2Role 受管政策做為起點。如需詳細資訊，請參閱 Amazon EMR管理指南 中的叢集EC2執行個體 （EC2執行個體設定檔） 的服務角色。

加密和解密 AWS Glue Data Catalog 的許可

您的執行個體設定檔需要許可，以便使用您的金鑰來加密和解密資料。如若下列兩個陳述式均適用，則您不需要設定這些許可：

否則，您必須將下列陳述式新增至連接至EC2執行個體設定檔的許可政策。

[
    {
        "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"
            }
        ]
    }
]

如需 AWS Glue Data Catalog 加密的詳細資訊，請參閱 AWS Glue 開發人員指南 中的加密您的資料目錄。

資源型許可

如果您在 Amazon 中將 AWS Glue 與 Hive、Spark 或 Presto 搭配使用EMR， AWS Glue 支援以資源為基礎的政策來控制對 Data Catalog 資源的存取。這些資源包含資料庫、資料表、連線和使用者定義的函數。如需詳細資訊，請參閱《AWS Glue 開發人員指南》中的 AWS Glue 資源政策。

使用資源型政策限制從 Amazon 內存取 AWS Glue 時EMR，您在許可政策中指定的主體必須是與建立叢集時指定的EC2執行個體設定檔ARN相關聯的角色。例如，對於連接至目錄的資源型政策，您可以為叢集EC2執行個體ARN的預設服務角色指定角色，EMR_EC2_DefaultRole 作為 Principal，使用下列範例中顯示的格式：

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

所以此 acct-id 可能與 AWS Glue 帳戶 ID 不同。這可啟用從不同帳戶中的EMR叢集存取。您可以指定多個主體，每個主體都來自不同的帳戶。

使用 AWS Glue Data Catalog 時的考量

使用 AWS Glue Data Catalog 作為 Hive 的中繼存放區時，請考慮下列項目：