Amazon EMR 发行版 5.25.0 - 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)

Amazon EMR 发行版 5.25.0

应用程序版本

此版本支持以下应用程序:FlinkGangliaHBaseHCatalogHadoopHiveHueJupyterHubLivyMXNetMahoutOoziePhoenixPigPrestoSparkSqoopTensorFlowTezZeppelinZooKeeper

下表列出了此版本的 Amazon EMR 中提供的应用程序版本以及前三个 Amazon EMR 发行版中的应用程序版本(若适用)。

有关每个发行版的 Amazon EMR 的应用程序版本的全面历史记录,请参见以下主题:

应用程序版本信息
emr-5.25.0 emr-5.24.1 emr-5.24.0 emr-5.23.1
Amazon SDK for Java 1.11.5661.11.5461.11.5461.11.519
Python 2.7、3.62.7、3.62.7、3.62.7、3.6
Scala 不可用不可用不可用不可用
Delta - - - -
Flink1.8.01.8.01.8.01.7.1
Ganglia3.7.23.7.23.7.23.7.2
HBase1.4.91.4.91.4.91.4.9
HCatalog2.3.52.3.42.3.42.3.4
Hadoop2.8.52.8.52.8.52.8.5
Hive2.3.52.3.42.3.42.3.4
Hudi - - - -
Hue4.4.04.4.04.4.04.3.0
Iceberg - - - -
JupyterEnterpriseGateway - - - -
JupyterHub0.9.60.9.60.9.60.9.4
Livy0.6.00.6.00.6.00.5.0
MXNet1.4.01.4.01.4.01.3.1
Mahout0.13.00.13.00.13.00.13.0
Oozie5.1.05.1.05.1.05.1.0
Phoenix4.14.14.14.14.14.14.14.1
Pig0.17.00.17.00.17.00.17.0
Presto0.2200.2190.2190.215
Spark2.4.32.4.22.4.22.4.0
Sqoop1.4.71.4.71.4.71.4.7
TensorFlow1.13.11.12.01.12.01.12.0
Tez0.9.20.9.10.9.10.9.1
Trino (PrestoSQL) - - - -
Zeppelin0.8.10.8.10.8.10.8.1
ZooKeeper3.4.143.4.133.4.133.4.13

发布说明

以下发布说明包括有关 Amazon EMR 发行版 5.25.0 的信息。更改与 5.24.1 有关。

首次发布日期:2019 年 7 月 17 日

上次更新日期:2019 年 10 月 30 日

Amazon EMR 5.25.0

升级
  • Amazon SDK for Java 1.11.566

  • Hive 2.3.5

  • Presto 0.220

  • Spark 2.4.3

  • TensorFlow 1.13.1

  • Tez 0.9.2

  • Zookeeper 3.4.14

新特征
  • (2019 年 10 月 30 日)从 Amazon EMR 版本 5.25.0 开始,您可以从控制台中的集群 Summary (摘要) 页面或 Application history (应用程序历史记录) 选项卡连接到 Spark 历史记录服务器 UI。您可以快速访问 Spark 历史记录服务器 UI,来查看应用程序指标并访问活动集群和终止集群的相关日志文件,而无需通过 SSH 连接设置 Web 代理。有关更多信息,请参阅《Amazon EMR 管理指南》中的集群外访问持久性应用程序用户界面

更改、增强功能和解决的问题
  • Spark

    • 通过使用 Bloom 筛选条件预筛选输入,提高了某些连接的性能。默认情况下,优化处于禁用状态,但可以通过以下方式启用:将 Spark 配置参数 spark.sql.bloomFilterJoin.enabled 设置为 true

    • 改进了按字符串类型列分组的性能。

    • 改进了未安装 HBase 的集群 R4 实例类型的默认 Spark 执行程序内存和内核配置。

    • 解决了动态分区修剪功能之前存在的一个问题,即修剪的表必须位于联接的左侧。

    • 改进了 DISTINCT before INTERSECT 优化,以应用于涉及别名的其它情况。

    • 改进了 JOIN(后跟 DISTING 查询)的 SQL 计划统计数据推理。默认情况下,该改进处于禁用状态,但可以通过以下方式启用:将 Spark 配置参数 spark.sql.statsImprovements.enabled 设置为 true。此优化是“Distinct before Intersect”功能所需的,将 spark.sql.optimizer.distinctBeforeIntersect.enabled 设置为 true 时将自动启用。

    • 根据表格大小和筛选条件优化了联接顺序。默认情况下,该优化处于禁用状态,但可以通过以下方式启用:将 Spark 配置参数 spark.sql.optimizer.sizeBasedJoinReorder.enabled 设置为 true

    有关更多信息,请参阅优化 Spark 性能

  • EMRFS

    • 现在,EMRFS 设置 fs.s3.buckets.create.enabled 默认处于禁用状态。通过测试,我们发现禁用此设置可提高性能并可防止意外创建 S3 存储桶。如果您的应用程序需使用此功能,则可以通过以下方式启用:将 emrfs-site 配置分类中的 fs.s3.buckets.create.enabled 设置为 true。有关更多信息,请参阅在创建集群时提供配置

  • 安全配置中的本地磁盘加密和 S3 加密改进(2019 年 8 月 5 日)

    • 在安全配置设置中将 Amazon S3 加密设置与本地磁盘加密设置分开。

    • 发行版 5.24.0 及更高版本中添加了一个选项,可启用 EBS 加密。选择此选项后,除了存储卷之外,还会加密根设备卷。之前的版本需要使用自定义 AMI 来加密根设备卷。

    • 有关更多信息,请参阅《Amazon EMR 管理指南》中的加密选项

已知问题
  • 具有多个主节点的集群和 Kerberos 身份验证中的已知问题

    如果在 Amazon EMR 版本 5.20.0 及更高版本中运行具有多个主节点的集群和 Kerberos 身份验证,则在集群运行一段时间后,您可能在执行集群操作(如缩减或步骤提交)时遇到问题。具体时间段取决于您定义的 Kerberos 票证有效期。缩减问题会影响您提交的自动缩减和显式缩减请求。其它集群操作也可能会受到影响。

    解决办法:

    • hadoop 用户身份通过 SSH 连接到具有多个主节点的 EMR 集群的 lead 主节点。

    • 运行以下命令,为 hadoop 用户续订 Kerberos 票证。

      kinit -kt <keytab_file> <principal>

      通常情况下,keytab 文件位于 /etc/hadoop.keytab,而 principal 为 hadoop/<hostname>@<REALM> 格式。

    注意

    此解决方法将在 Kerberos 票证有效期内生效。默认情况下,此持续时间为 10 个小时,但可以通过 Kerberos 设置进行配置。Kerberos 票证过期后,您必须重新运行上述命令。

组件版本

下面列出了 Amazon EMR 随此发行版一起安装的组件。一些组件作为大数据应用程序包的一部分安装。其它组件是 Amazon EMR 独有的,并且已为系统流程和功能安装这些组件。它们通常以 emraws 开头。最新的 Amazon EMR 发行版中的大数据应用程序包通常是在社区中找到的最新版本。我们会尽快在 Amazon EMR 中提供社区发行版。

Amazon EMR 中的某些组件与社区版本不同。这些组件具有以下形式的 CommunityVersion-amzn-EmrVersion 的发行版标注。EmrVersion 从 0 开始。例如,假设已对名为 myapp-component 的版本 2.2 的开源社区组件进行三次修改,以包含在不同的 Amazon EMR 发行版中,则其发行版将为 2.2-amzn-2

组件 版本 描述
aws-sagemaker-spark-sdk1.2.4Amazon SageMaker Spark 开发工具包
emr-ddb4.10.0适用于 Hadoop 生态系统应用程序的 Amazon DynamoDB 连接器。
emr-goodies2.9.0适用于 Hadoop 生态系统的方便易用的库。
emr-kinesis3.4.0适用于 Hadoop 生态系统应用程序的 Amazon Kinesis 连接器。
emr-s3-dist-cp2.11.0针对 Amazon S3 优化的分布式复制应用程序。
emr-s3-select1.3.0EMR S3 Select 连接器
emrfs2.34.0适用于 Hadoop 生态系统应用程序的 Amazon S3 连接器。
flink-client1.8.0Apache Flink 命令行客户端脚本和应用程序。
ganglia-monitor3.7.2适用于 Hadoop 生态系统应用程序的嵌入式 Ganglia 代理以及 Ganglia 监控代理。
ganglia-metadata-collector3.7.2用于从 Ganglia 监控代理中聚合指标的 Ganglia 元数据收集器。
ganglia-web3.7.1用于查看由 Ganglia 元数据收集器收集的指标的 Web 应用程序。
hadoop-client2.8.5-amzn-4Hadoop 命令行客户端,如“hdfs”、“hadoop”或“yarn”。
hadoop-hdfs-datanode2.8.5-amzn-4用于存储数据块的 HDFS 节点级服务。
hadoop-hdfs-library2.8.5-amzn-4HDFS 命令行客户端和库
hadoop-hdfs-namenode2.8.5-amzn-4用于跟踪文件名和数据块位置的 HDFS 服务。
hadoop-hdfs-journalnode2.8.5-amzn-4用于管理 HA 集群上的 Hadoop 文件系统日志的 HDFS 服务。
hadoop-httpfs-server2.8.5-amzn-4用于 HDFS 操作的 HTTP 终端节点。
hadoop-kms-server2.8.5-amzn-4基于 Hadoop 的 KeyProvider API 的加密密钥管理服务器。
hadoop-mapred2.8.5-amzn-4用于运行 MapReduce 应用程序的 MapReduce 执行引擎库。
hadoop-yarn-nodemanager2.8.5-amzn-4用于管理单个节点上的容器的 YARN 服务。
hadoop-yarn-resourcemanager2.8.5-amzn-4用于分配和管理集群资源与分布式应用程序的 YARN 服务。
hadoop-yarn-timeline-server2.8.5-amzn-4用于检索 YARN 应用程序的当前信息和历史信息的服务。
hbase-hmaster1.4.9适用于负责协调区域和执行管理命令的 HBase 集群的服务。
hbase-region-server1.4.9用于服务于一个或多个 HBase 区域的服务。
hbase-client1.4.9HBase 命令行客户端。
hbase-rest-server1.4.9用于向 HBase 提供 RESTful HTTP 终端节点的服务。
hbase-thrift-server1.4.9用于向 HBase 提供 Thrift 终端节点的服务。
hcatalog-client2.3.5-amzn-0用于操作 hcatalog-server 的“hcat”命令行客户端。
hcatalog-server2.3.5-amzn-0用于为分布式应用程序提供 HCatalog、表和存储管理层的服务。
hcatalog-webhcat-server2.3.5-amzn-0用于向 HCatalog 提供 REST 接口的 HTTP 终端节点。
hive-client2.3.5-amzn-0Hive 命令行客户端。
hive-hbase2.3.5-amzn-0Hive-hbase 客户端。
hive-metastore-server2.3.5-amzn-0用于访问 Hive 元存储 (一个用于存储 Hadoop 操作中的 SQL 的元数据的语义存储库) 的服务。
hive-server22.3.5-amzn-0用于将 Hive 查询作为 Web 请求接受的服务。
hue-server4.4.0用于使用 Hadoop 生态系统应用程序分析数据的 Web 应用程序
jupyterhub0.9.6Jupyter notebook 的多用户服务器
livy-server0.6.0-incubating用于与 Apache Spark 交互的 REST 接口
nginx1.12.1nginx [引擎 x] 是 HTTP 和反向代理服务器
mahout-client0.13.0用于机器学习的库。
mxnet1.4.0用于深度学习的灵活的、可扩展且高效的库。
mysql-server5.5.54+MySQL 数据库服务器。
nvidia-cuda9.2.88Nvidia 驱动程序和 Cuda 工具包
oozie-client5.1.0Oozie 命令行客户端。
oozie-server5.1.0用于接受 Oozie 工作流请求的服务。
opencv3.4.0开源计算机视觉库。
phoenix-library4.14.1-HBase-1.4服务器和客户端的 phoenix 库
phoenix-query-server4.14.1-HBase-1.4向 Avatica API 提供 JDBC 访问权限以及协议缓冲区和 JSON 格式访问权限的轻量级服务器
presto-coordinator0.220用于在 presto-worker 之中接受查询并管理查询的服务。
presto-worker0.220用于执行查询的各个部分的服务。
pig-client0.17.0Pig 命令行客户端。
r3.4.1用于统计计算的 R 项目
spark-client2.4.3Spark 命令行客户端。
spark-history-server2.4.3用于查看完整的 Spark 应用程序的生命周期的已记录事件的 Web UI。
spark-on-yarn2.4.3适用于 YARN 的内存中执行引擎。
spark-yarn-slave2.4.3YARN 从属项所需的 Apache Spark 库。
sqoop-client1.4.7Apache Sqoop 命令行客户端。
tensorflow1.13.1适用于高性能数值计算的 TensorFlow 开源软件库。
tez-on-yarn0.9.2tez YARN 应用程序和库。
webserver2.4.25+Apache HTTP 服务器。
zeppelin-server0.8.1支持交互式数据分析的基于 Web 的笔记本电脑。
zookeeper-server3.4.14用于维护配置信息、命名、提供分布式同步以及提供组服务的集中式服务。
zookeeper-client3.4.14ZooKeeper 命令行客户端。

配置分类

配置分类允许您自定义应用程序。这些通常与应用程序的配置 XML 文件(例如 hive-site.xml)相对应。有关更多信息,请参阅配置应用程序

emr-5.25.0 分类
分类 描述

capacity-scheduler

更改 Hadoop 的 capacity-scheduler.xml 文件中的值。

container-log4j

更改 Hadoop YARN 的 container-log4j.properties 文件中的值。

core-site

更改 Hadoop 的 core-site.xml 文件中的值。

emrfs-site

更改 EMRFS 设置。

flink-conf

更改 flink-conf.yaml 设置。

flink-log4j

更改 Flink log4j.properties 设置。

flink-log4j-yarn-session

更改 Flink log4j-yarn-session.properties 设置。

flink-log4j-cli

更改 Flink log4j-cli.properties 设置。

hadoop-env

更改适用于所有 Hadoop 组件的 Hadoop 环境中的值。

hadoop-log4j

更改 Hadoop 的 log4j.properties 文件中的值。

hadoop-ssl-server

更改 hadoop ssl 服务器配置

hadoop-ssl-client

更改 hadoop ssl 客户端配置

hbase

适用于 Apache HBase 的 Amazon EMR 辅助设置。

hbase-env

更改 HBase 环境中的值。

hbase-log4j

更改 HBase 的 hbase-log4j.properties 文件中的值。

hbase-metrics

更改 HBase 的 hadoop-metrics2-hbase.properties 文件中的值。

hbase-policy

更改 HBase 的 hbase-policy.xml 文件中的值。

hbase-site

更改 HBase 的 hbase-site.xml 文件中的值。

hdfs-encryption-zones

配置 HDFS 加密区域。

hdfs-site

更改 HDFS 的 hdfs-site.xml 中的值。

hcatalog-env

更改 HCatalog 的环境中的值。

hcatalog-server-jndi

更改 HCatalog 的 jndi.properties 中的值。

hcatalog-server-proto-hive-site

更改 HCatalog 的 proto-hive-site.xml 中的值。

hcatalog-webhcat-env

更改 HCatalog WebHCat 的环境中的值。

hcatalog-webhcat-log4j2

更改 HCatalog WebHCat 的 log4j2.properties 中的值。

hcatalog-webhcat-site

更改 HCatalog WebHCat 的 webhcat-site.xml 文件中的值。

hive-beeline-log4j2

更改 Hive 的 beeline-log4j2.properties 文件中的值。

hive-parquet-logging

更改 Hive parquet-logging.properties 文件中的值。

hive-env

更改 Hive 环境中的值。

hive-exec-log4j2

更改 Hive 的 hive-exec-log4j2.properties 文件中的值。

hive-llap-daemon-log4j2

更改 Hive 的 llap-daemon-log4j2.properties 文件中的值。

hive-log4j2

更改 Hive 的 hive-log4j2.properties 文件中的值。

hive-site

更改 Hive 的 hive-site.xml 文件中的值

hiveserver2-site

更改 Hive Server2 的 hiveserver2-site.xml 文件中的值

hue-ini

更改 Hue 的 ini 文件中的值

httpfs-env

更改 HTTPFS 环境中的值。

httpfs-site

更改 Hadoop 的 httpfs-site.xml 文件中的值。

hadoop-kms-acls

更改 Hadoop 的 kms-acls.xml 文件中的值。

hadoop-kms-env

更改 Hadoop KMS 环境中的值。

hadoop-kms-log4j

更改 Hadoop 的 kms-log4j.properties 文件中的值。

hadoop-kms-site

更改 Hadoop 的 kms-site.xml 文件中的值。

jupyter-notebook-conf

更改 Jupyter notebook 的 jupyter_notebook_config.py 文件中的值。

jupyter-hub-conf

更改 JupyterHubs 的 jupyterhub_config.py 文件中的值。

jupyter-s3-conf

配置 Jupyter notebook S3 持久性。

jupyter-sparkmagic-conf

更改 Sparkmagic 的 config.json 文件中的值。

livy-conf

更改 Livy 的 livy.conf 文件中的值。

livy-env

更改 Livy 环境中的值。

livy-log4j

更改 Livy log4j.properties 设置。

mapred-env

更改 MapReduce 应用程序的环境中的值。

mapred-site

更改 MapReduce 应用程序的 mapred-site.xml 文件中的值。

oozie-env

更改 Oozie 的环境中的值。

oozie-log4j

更改 Oozie 的 oozie-log4j.properties 文件中的值。

oozie-site

更改 Oozie 的 oozie-site.xml 文件中的值。

phoenix-hbase-metrics

更改 Phoenix 的 hadoop-metrics2-hbase.properties 文件中的值。

phoenix-hbase-site

更改 Phoenix 的 hbase-site.xml 文件中的值。

phoenix-log4j

更改 Phoenix 的 log4j.properties 文件中的值。

phoenix-metrics

更改 Phoenix 的 hadoop-metrics2-phoenix.properties 文件中的值。

pig-env

更改 Pig 环境中的值。

pig-properties

更改 Pig 的 pig.properties 文件中的值。

pig-log4j

更改 Pig 的 log4j.properties 文件中的值。

presto-log

更改 Presto 的 log.properties 文件中的值。

presto-config

更改 Presto 的 config.properties 文件中的值。

presto-password-authenticator

更改 Presto 的 password-authenticator.properties 文件中的值。

presto-env

更改 Presto 的 presto-env.sh 文件中的值。

presto-node

更改 Presto 的 node.properties 文件中的值。

presto-connector-blackhole

更改 Presto 的 blackhole.properties 文件中的值。

presto-connector-cassandra

更改 Presto 的 cassandra.properties 文件中的值。

presto-connector-hive

更改 Presto 的 hive.properties 文件中的值。

presto-connector-jmx

更改 Presto 的 jmx.properties 文件中的值。

presto-connector-kafka

更改 Presto 的 kafka.properties 文件中的值。

presto-connector-localfile

更改 Presto 的 localfile.properties 文件中的值。

presto-connector-memory

更改 Presto 的 memory.properties 文件中的值。

presto-connector-mongodb

更改 Presto 的 mongodb.properties 文件中的值。

presto-connector-mysql

更改 Presto 的 mysql.properties 文件中的值。

presto-connector-postgresql

更改 Presto 的 postgresql.properties 文件中的值。

presto-connector-raptor

更改 Presto 的 raptor.properties 文件中的值。

presto-connector-redis

更改 Presto 的 redis.properties 文件中的值。

presto-connector-redshift

更改 Presto 的 redshift.properties 文件中的值。

presto-connector-tpch

更改 Presto 的 tpch.properties 文件中的值。

presto-connector-tpcds

更改 Presto 的 tpcds.properties 文件中的值。

recordserver-env

更改 EMR RecordServer 环境中的值。

recordserver-conf

更改 EMR RecordServer erver.properties 文件中的值。

recordserver-log4j

更改 EMR RecordServer log4j.properties 文件中的值。

spark

适用于 Apache Spark 的 Amazon EMR 辅助设置。

spark-defaults

更改 Spark 的 spark-defaults.conf 文件中的值。

spark-env

更改 Spark 环境中的值。

spark-hive-site

更改 Spark 的 hive-site.xml 文件中的值

spark-log4j

更改 Spark 的 log4j.properties 文件中的值。

spark-metrics

更改 Spark 的 metrics.properties 文件中的值。

sqoop-env

更改 Sqoop 的环境中的值。

sqoop-oraoop-site

更改 Sqoop OraOop 的 oraoop-site.xml 文件中的值。

sqoop-site

更改 Sqoop 的 sqoop-site.xml 文件中的值。

tez-site

更改 Tez 的 tez-site.xml 文件中的值。

yarn-env

更改 YARN 环境中的值。

yarn-site

更改 YARN 的 yarn-site.xml 文件中的值。

zeppelin-env

更改 Zeppelin 环境中的值。

zookeeper-config

更改 ZooKeeper 的 zoo.cfg 文件中的值。

zookeeper-log4j

更改 ZooKeeper 的 log4j.properties 文件中的值。