提交流式处理步骤 - Amazon EMR
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅 中国的 Amazon Web Services 服务入门 (PDF)

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。

提交流式处理步骤

本节介绍向集群提交流式处理步骤的基本知识。Streaming 应用程序会从标准输入读取输入内容,然后针对每个输入运行脚本或可执行文件(称为映射器)。每个输入的结果都保存在本地,通常保存在 Hadoop 分布式文件系统 (HDFS) 分区上。所有输入经过映射器处理后,第二个脚本或可执行文件 (名为 Reducer) 会处理映射器结果。将 Reducer 的结果发送到标准输出。您可以将一系列 Streaming 步骤串联起来,让一个步骤的输出作为另一个步骤的输入。

映射器和 Reducer 都能够以文件的形式进行引用,或者您也可以提供一个 Java 类。你可以用任何支持的语言实现映射器和缩减器,包括 Ruby、Perl、Python 或 Bas PHP h。

使用控制台提交流式处理步骤

此示例介绍如何使用 Amazon EMR 控制台向正在运行的集群提交流式处理步骤。

提交流式处理步骤
  1. https://console.aws.amazon.com/em r 上打开亚马逊EMR控制台。

  2. Cluster List (集群列表) 中,选择您的集群的名称。

  3. 滚动到 Steps (步骤) 部分并展开它,然后选择 Add step (添加步骤)

  4. Add Step (添加步骤) 对话框中:

    • 对于 Step type (步骤类型),选择 Streaming program (流式程序)

    • 对于 Name (名称),请接受默认名称(流式程序)或键入新名称。

    • 对于映射器,键入或浏览到 Hadoop 中映射器类所在的位置或映射器可执行文件(如 Python 程序)所在的 S3 存储桶。路径值必须采用以下形式 BucketName/path/MapperExecutable.

    • 对于 Reducer,键入或浏览到 Hadoop 中 Reducer 类所在的位置或 Reducer 可执行文件(如 Python 程序)所在的 S3 存储桶。路径值必须采用以下形式 BucketName/path/MapperExecutable。 Amazon EMR 支持特殊聚合关键词。有关更多信息,请转到 Hadoop 提供的 Aggregate 库。

    • 对于 Input S3 location (输入 S3 位置),键入或浏览到输入数据的位置。

    • 对于 Output S3 location (输出 S3 位置),键入或浏览到您的 Amazon S3 输出存储桶的名称。

    • 对于 Arguments (参数),将该字段保留为空白。

    • 对于 Action on failure (出现故障时的操作),接受默认选项 Continue (继续)

  5. 选择添加。步骤会出现在控制台中,其状态为“Pending”。

  6. 步骤的状态会随着步骤的运行从“Pending”变为“Running”,再变为“Completed”。要更新状态,请选择 Actions (操作) 列上方的 Refresh (刷新) 图标。

Amazon CLI

这些示例演示了 Amazon CLI 如何使用创建集群和提交流式处理步骤。

要创建集群并提交流式处理步骤,请使用 Amazon CLI
  • 要创建集群并使用提交流式处理步骤 Amazon CLI,请键入以下命令并替换 myKey 用你的 EC2 key pair 的名字。请注意,--files 的实际参数应该是指向您脚本位置的 Amazon S3 路径,并且 -mapper-reducer 的实际参数应该是各自脚本文件的名称。

    aws emr create-cluster --name "Test cluster" --release-label emr-7.3.0 --applications Name=Hue Name=Hive Name=Pig --use-default-roles \ --ec2-attributes KeyName=myKey --instance-type m5.xlarge --instance-count 3 \ --steps Type=STREAMING,Name="Streaming Program",ActionOnFailure=CONTINUE,Args=[--files,pathtoscripts,-mapper,mapperscript,-reducer,reducerscript,aggregate,-input,pathtoinputdata,-output,pathtooutputbucket]
    注意

    为了便于读取,包含 Linux 行继续符 (\)。它们可以通过 Linux 命令删除或使用。对于 Windows,请将它们删除或替换为脱字号 (^)。

    如果不使用 --instance-groups 参数指定实例计数,则将启动单个主节点,其余实例将作为核心节点启动。所有节点都使用该命令中指定的实例类型。

    注意

    如果您之前没有创建默认的 Amazon EMR 服务角色和EC2实例配置文件,请在键入create-cluster子命令之前键入 aw emr create-default-roles s 进行创建。

    有关在中使用 Amazon EMR 命令的更多信息 Amazon CLI,请参阅https://docs.amazonaws.cn/cli/latest/reference/emr