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 資料目錄做為 Spark 的中繼存放區 SQL

使用 Amazon 5.8.0 或更EMR新版本，您可以SQL將 Spark 設定為使用 AWS Glue 資料目錄做為其中繼存放區。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 是一種全受管的擷取、轉換和 load (ETL) 服務，可讓您輕鬆分類資料、清理資料、充實資料，以及在各種資料存放區之間可靠地移動資料，並具有成本效益。 AWS Glue 資料型錄提供跨多種資料來源和資料格式的統一中繼資料儲存庫，並與 Amazon EMR、亞馬遜RDS、Amazon Redshift、紅移頻譜、Athena 以及任何與 Apache Hive 中繼存放區相容的應用程式整合。 AWS Glue 編目器可以從 Amazon S3 中的來源資料自動推斷結構描述，並將相關的中繼資料存放在資料目錄中。如需有關資料目錄的詳細資訊，請參閱 AWS Glue 開發人員指南中的填入AWS Glue 資料型錄。

AWS Glue 需另行收費。資料目錄中的中繼資料儲存和存取每月費率， AWS Glue ETL 工作和爬行者程式執行階段的每小時費率為每分鐘計費，以及每個佈建的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。如果您儲存超過一百萬個物件，則超過一百萬個物件每 100,000 個物件需支付 USD $1 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 資料型錄指定為中繼存放區

您可以使用、或 Amazon EMR API 將 AWS Glue 資料型錄指定為 AWS Management Console中 AWS CLI繼存放區。使用CLI或時API，您可以使用 Spark 的規劃分類來指定資料目錄。此外，在 Amazon EMR 5.16.0 及更新版本中，您可以使用組態分類來指定不同的資料目錄。 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

使用新主控台將 AWS Glue 資料目錄指定為 Spark 中繼存放區

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

2. EC2在左側導覽窗格的 Amazon EMR on 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 Spark 或自訂。如果您自訂叢集，確保選取 Zeppelin 或 Spark 作為您的其中一個應用程式。

4. 在 AWS Glue Data Catalog 設定下方，選取用於 Spark 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。

AWS CLI

若要將 AWS Glue 資料型錄指定為 Spark 中繼儲存庫，請使用 AWS CLI

如需有關使用 AWS CLI 和 Amazon 指定組態分類的詳細資訊 EMRAPI，請參閱設定應用程式。

• 使用以下範例中顯示的 spark-hive-site 分類來為 hive.metastore.client.factory.class 指定值：

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

  若要在不同的 AWS 帳戶中指定資料目錄，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": "spark-hive-site",
      "Properties": {
        "hive.metastore.client.factory.class": "com.amazonaws.glue.catalog.metastore.AWSGlueDataCatalogHiveClientFactory",
        "hive.metastore.glue.catalogid": "acct-id"
      }
    }
  ]
  						

IAM權限

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

AWS Glue 動作的權限

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。附加到的AmazonElasticMapReduceforEC2Role受管理策略EMR_EC2_DefaultRole允許所有必要的 AWS Glue 動作。不過，如果您指定自訂EC2執行個體設定檔和權限，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 資料目錄的權限

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，您必須將以下聲明添加到EC2實例配置文件附加的權限策略中。

[
    {
        "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"
            }
        ]
    }
]

如需 AWS Glue 資料目錄加密的詳細資訊，請參閱 G AWS lue 開發人員指南中的加密資料目錄。

資源型許可

如果您在 Amazon 中搭配 Hive、Spark 或 Presto 使用 AWS Glu AWS eEMR，Glue 會支援以資源為基礎的政策來控制對資料目錄資源的存取。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限制從 Amazon 內部存取 AWS Glue 時EMR，您在許可政策中指定的主體必須是ARN與建立叢集時指定的EC2執行個體設定檔相關聯的角色。例如，對於附加至目錄的以資源為基礎的政策，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 可以與 AWS Glue 帳戶 ID 不同。這可讓您從不同帳戶中的EMR叢集進行存取。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 資料目錄做為 Spark 的中繼存放區時，請考慮下列項目：