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。

搭配 Glue Data Catalog AWS 使用 Presto

使用 Amazon EMR5.10.0 版及更新版本，您可以將 AWS Glue Data Catalog 指定為 Presto 的預設 Hive 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 帳戶帳戶共用的中繼存放區，建議使用此組態。

AWS Glue 是一種全受管的擷取、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 Glue AWS 開發人員指南中的填入 Glue Data Catalog。 AWS

Glue AWS 需另外付費。資料目錄中儲存和存取中繼資料的月費、Glue AWS ETL任務和爬蟲程式執行時間的每分鐘計費費率，以及每個佈建開發端點的每分鐘計費費率。Data Catalog 可讓您免費儲存多達一百萬個物件。如果您存放超過 100 萬個物件，則每 100，000 個物件超過 100 萬個物件需支付 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。

指定 AWS Glue Data Catalog 做為中繼存放區

您可以使用 AWS AWS Management Console AWS CLI或 Amazon 將 Glue Data Catalog 指定為中繼存放區EMRAPI。當您使用 CLI或 時API，您可以使用 Presto 的組態分類來指定 Data Catalog。此外，使用 Amazon EMR 5.16.0 和更新版本，您可以使用組態分類來指定不同 中的 Data Catalog 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

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

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

2. 在左側導覽窗格中的 EMR EC2下，選擇叢集，然後選擇建立叢集。

3. 在應用程式套件下方，選擇 Presto。

4. 在 AWS Glue Data Catalog 設定下方，選取用於 Presto 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 指定為預設 Hive 中繼存放區 AWS CLI

如需了解在建立叢集時指定以下組態分類的範例，請參閱 設定應用程式。

Amazon EMR 5.16.0 及更新版本

• 將 hive.metastore 屬性設定為 glue，如下列JSON範例所示。

  [
    {
      "Classification": "presto-connector-hive",
      "Properties": {
        "hive.metastore": "glue"
      }
    }
  ]

  若要在不同的 中指定 Data Catalog AWS 帳戶，請新增 hive.metastore.glue.catalogid 屬性，如下列JSON範例所示。使用 Data Catalog 的 AWS 帳戶取代 acct-id。在另一個 中使用 Data Catalog AWS 帳戶 無法使用 Amazon 5.15.0 版及更早EMR版本。

  [
    {
      "Classification": "presto-connector-hive",
      "Properties": {
        "hive.metastore": "glue",
        "hive.metastore.glue.catalogid": "acct-id"
      }
    }
  ]

  Amazon EMR 5.10.0 到 5.15.0

  將 hive.metastore.glue.datacatalog.enabled 屬性設定為 true，如下列JSON範例所示：

  [
    {
      "Classification": "presto-connector-hive",
      "Properties": {
        "hive.metastore.glue.datacatalog.enabled": "true"
      }
    }
  ]

  使用 Presto EMR SQL (Trino) 的 Amazon 6.1.0 和更新版本

  從 6.1.0 EMR版開始，PrestoSQL 也支援 Glue 做為預設的 Hive 中繼存放區。使用prestosql-connector-hive組態分類並將 hive.metastore 屬性設定為 glue，如下列JSON範例所示。

  Amazon 6.4.0 版及更新EMR版本使用新名稱 Trino，而非 PrestoSQL。如果您使用 Trino，請使用 trino-connector-hive 取代以下組態分類中的 prestosql-connector-hive。

  [
    {
      "Classification": "prestosql-connector-hive",
      "Properties": {
        "hive.metastore": "glue"
      }
    }
  ]

若要在長期執行的叢集上切換中繼存放區，您可以透過手動方式，首先連線到主節點，接著在 /etc/presto/conf/catalog/hive.properties 檔案中直接編輯屬性值，然後重新啟動 Presto 伺服器 (sudo restart presto-server)，再來就是為您的發行版本設定適合的值。如果您搭配 Amazon EMR 5.15.0 及更早版本使用此方法，請確定 hive.table-statistics-enabled 設定為 false。當使用發行版本為 5.16.0 及更新版本時，這個設定不是必要設定；但無論使用哪種版本，都不支援表格和分割區統計資訊。

IAM 許可

叢集的EC2執行個體描述檔必須具有 Glue AWS 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 。

Glue AWS 動作的許可

如果您使用 Amazon 的預設EC2執行個體描述檔EMR，則不需要任何動作。連接到 的AmazonElasticMapReduceforEC2Role受管政策EMR_EC2_DefaultRole允許所有必要 AWS 的 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執行個體的服務角色 (EC2 執行個體設定檔）。

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 AWS Amazon 中使用 Glue 搭配 Hive、Spark 或 PrestoEMR， 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。

使用以資源為基礎的政策來限制從 Amazon 內存取 AWS Glue 時EMR，您在許可政策中指定的委託人必須是與建立叢集時指定的EC2執行個體描述檔ARN相關聯的角色。例如，對於連接至目錄的資源型政策，您可以使用下列範例所示Principal的格式，將叢集EC2執行個體ARN的預設服務角色的角色指定EMR_EC2_DefaultRole為 ：

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

acct-id 可與 Glue AWS 帳戶 ID 不同。這可讓您從不同帳戶中的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 做為具有 Presto 的中繼存放區時，請考慮下列項目：