亚马逊EMR版本 5.26.0 - Amazon EMR
5.26.0 应用程序版本5.26.0 发布说明5.26.0 组件版本5.26.0 配置分类
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。

亚马逊EMR版本 5.26.0

5.26.0 应用程序版本

此版本支持以下应用程序：Flink, Ganglia, HBase, HCatalog, Hadoop, Hive, Hue, JupyterHub, Livy, MXNet, Mahout, Oozie, Phoenix, Pig, Presto, Spark, Sqoop, TensorFlow, Tez, Zeppelin 和 ZooKeeper.

下表列出了此版本的 Amazon 中可用的应用程序版本EMR和前三个亚马逊版本中的应用程序EMR版本（如果适用）。

要全面了解每个 Amazon 版本的应用程序版本历史记录EMR，请参阅以下主题：

应用程序版本信息
emr-5.26.0 emr-5.25.0 emr-5.24.1 emr-5.24.0
Amazon SDK适用于 Java 1.11.5951.11.5661.11.5461.11.546
Python 2.7、3.62.7、3.62.7、3.62.7、3.6
Scala 2.11.122.11.122.11.122.11.12
AmazonCloudWatchAgent - - - -
Delta - - - -
Flink1.8.01.8.01.8.01.8.0
Ganglia3.7.23.7.23.7.23.7.2
HBase1.4.101.4.91.4.91.4.9
HCatalog2.3.52.3.52.3.42.3.4
Hadoop2.8.52.8.52.8.52.8.5
Hive2.3.52.3.52.3.42.3.4
Hudi - - - -
Hue4.4.04.4.04.4.04.4.0
Iceberg - - - -
JupyterEnterpriseGateway - - - -
JupyterHub0.9.60.9.60.9.60.9.6
Livy0.6.00.6.00.6.00.6.0
MXNet1.4.01.4.01.4.01.4.0
Mahout0.13.00.13.00.13.00.13.0
Oozie5.1.05.1.05.1.05.1.0
Phoenix4.14.24.14.14.14.14.14.1
Pig0.17.00.17.00.17.00.17.0
Presto0.2200.2200.2190.219
Spark2.4.32.4.32.4.22.4.2
Sqoop1.4.71.4.71.4.71.4.7
TensorFlow1.13.11.13.11.12.01.12.0
Tez0.9.20.9.20.9.10.9.1
Trino（Prest SQL o） - - - -
Zeppelin0.8.10.8.10.8.10.8.1
ZooKeeper3.4.143.4.143.4.133.4.13

5.26.0 发布说明

以下发行说明包含有关亚马逊 5.26. EMR 0 版本的信息。更改与 5.25.0 有关。

首次发布日期：2019 年 8 月 8 日

上次更新日期：2019 年 8 月 19 日

升级

  • Amazon SDK for Java 1.11.595

  • HBase1.4.10

  • Phoenix 4.14.2

  • 连接器和驱动程序：

    • DynamoDB 连接器 4.11.0

    • MariaDB 连接器 2.4.2

    • 亚马逊 Redshift JDBC Driver 1.2.32.1056

新功能

  • （测试版）使用亚马逊 EMR 5.26.0，您可以启动与 Lake Formation 集成的集群。这种集成提供了对 Glue 数据目录中的数据库和表的精细列级访问。 Amazon 它还支持从企业身份系统联合单点登录EMR笔记本或 Apache Zeppelin。有关更多信息，请参阅将 Amazon EMR 与 Amazon Lake Formation （测试版）集成。

  • （2019 年 8 月 19 日）所有支持安全组的亚马逊EMR版本现在都支持亚马逊EMR屏蔽公共访问。屏蔽公共访问是适用于每个 Amazon 地区的账户范围的设置。除非将端口指定为例外，否则当任何与集群关联的安全组都有允许某个端口上来自 IPv4 0.0.0.0/0 或IPv6:: /0（公共访问）的入站流量的规则时，阻止公共访问会阻止集群启动。默认情况下，端口 22 是一个例外。有关更多信息，请参阅《亚马逊EMR管理指南》中的 “使用 Amazon EMR 阻止公共访问”。

更改、增强功能和解决的问题

  • EMR笔记本电脑

    • 在 EMR 5.26.0 及更高版本中，EMR笔记本除了默认的 Python 库外，还支持笔记本电脑范围的 Python 库。无需重新创建集群或重新将笔记本附加到集群，您即可从笔记本编辑器中安装笔记本范围的库。笔记本范围的库是在 Python 虚拟环境中创建的，因此适用于当前笔记本会话。这使得您可以隔离笔记本依赖项。有关更多信息，请参阅 Amazon EMR 管理指南中的使用笔记本范围的库。

  • EMRFS

    • 您可以通过将设置fs.s3.consistent.metadata.etag.verification.enabled为来启用ETag验证功能（测试版）true。借助此功能，ETags可以EMRFS使用 Amazon S3 验证正在读取的对象是否为最新可用版本。此功能对于 Amazon S3 上的文件被覆盖，同时保留相同名称的 read-after-update用例非常有用。此ETag验证功能目前不适用于 S3 Select。有关更多信息，请参阅配置统一视图。

  • Spark

    • 现在默认启用了以下优化：DISTINCT之前的动态分区修剪、JOIN后续查询的SQL计划统计推断的改进INTERSECT、标量子DISTINCT查询的扁平化、优化的联接重新排序以及布隆过滤器联接。有关更多信息，请参阅优化 Spark 性能。

    • 改进了排序合并连接的整个阶段代码生成。

    • 改进了查询片段和子查询重用。

    • 改进了 Spark 启动时的预分配执行程序。

    • 连接的较小侧包含广播提示时，不再应用 Bloom 筛选条件连接。

  • Tez

    • 已解决 Tez 中存在的问题。Tez UI 现在可以在具有多个主节点的 Amazon EMR 集群上运行。

已知问题

  • 改进的“排序合并连接的整个阶段代码生成”功能在启用后会增加内存压力。此优化可提高性能，但如果 spark.yarn.executor.memoryOverheadFactor 未调整，不能提供足够的内存，则会导致任务重试或失败。要禁用此功能，请将 spark.sql.sortMergeJoinExec.extendedCodegen.enabled 设置为 false。

  • 具有多个主节点的集群和 Kerberos 身份验证中的已知问题

    如果您在 Amazon 5.20.0 及更高EMR版本中运行具有多个主节点和 Kerberos 身份验证的集群，则在集群运行一段时间后，集群操作可能会遇到问题，例如缩小规模或步骤提交。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：

    • SSH以hadoop用户身份访问具有多个主节点的EMR群集的主节点。

    • 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。

5.26.0 组件版本

下面列出了 Amazon 随此版本EMR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。其他则是 Amazon 独有的EMR，是为系统流程和功能而安装的。它们通常以 emr 或 aws 开头。Amazon 最新EMR版本中的大数据应用程序包通常是社区中的最新版本。我们会EMR尽快在 Amazon 上发布社区版本。

Amazon 中的某些组件与社区版本EMR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，如果myapp-component以 2.2 版本命名的开源社区组件经过三次修改以包含在不同的 Amazon EMR 版本中，则其发布版本将列为2.2-amzn-2。

组件 版本 描述
aws-sagemaker-spark-sdk1.2.4亚马逊 SageMaker Spark SDK
emr-ddb4.11.0适用于 Hadoop 生态系统应用程序的 Amazon DynamoDB 连接器。
emr-goodies2.10.0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-cp2.12.0针对 Amazon S3 优化的分布式复制应用程序。
emr-s3-select1.3.0EMRS3Select 连接器
emrfs2.35.0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-4HDFS用于存储区块的节点级服务。
hadoop-hdfs-library2.8.5-amzn-4HDFS命令行客户端和库
hadoop-hdfs-namenode2.8.5-amzn-4HDFS用于跟踪文件名和区块位置的服务。
hadoop-hdfs-journalnode2.8.5-amzn-4HDFS用于管理 HA 集群上的 Hadoop 文件系统日志的服务。
hadoop-httpfs-server2.8.5-amzn-4HTTPHDFS操作端点。
hadoop-kms-server2.8.5-amzn-4基于 Hadoop 的加密密钥管理服务器。 KeyProvider API
hadoop-mapred2.8.5-amzn-4MapReduce 用于运行 MapReduce 应用程序的执行引擎库。
hadoop-yarn-nodemanager2.8.5-amzn-4YARN用于管理单个节点上的容器的服务。
hadoop-yarn-resourcemanager2.8.5-amzn-4YARN用于分配和管理群集资源和分布式应用程序的服务。
hadoop-yarn-timeline-server2.8.5-amzn-4用于检索YARN应用程序的当前和历史信息的服务。
hbase-hmaster1.4.10为负责协调区域和执行管理命令的HBase集群提供服务。
hbase-region-server1.4.10为一个或多个HBase地区提供服务的服务。
hbase-client1.4.10HBase命令行客户端。
hbase-rest-server1.4.10为提供RESTfulHTTP终端节点的服务HBase。
hbase-thrift-server1.4.10为其提供 Thrift 端点的HBase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提供服务HCatalog，为分布式应用程序提供表和存储管理层。
hcatalog-webhcat-server2.3.5-amzn-0HTTP端点为其提供REST接口HCatalog。
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 元数据仓的服务，这是一个语义存储库，用于存储 Hadoop 操作SQL的元数据。
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-incubatingREST用于与 Apache Spark 交互的接口
nginx1.12.1nginx [engine x] HTTP 是一个反向代理服务器
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+我的SQL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-library4.14.2--1.4 HBase服务器和客户端的 phoenix 库
phoenix-query-server4.14.2--1.4 HBase轻量级服务器，提供JDBC对 Avatica 的访问以及协议缓冲区和JSON格式访问 API
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的内存中执行引擎。YARN
spark-yarn-slave2.4.3YARN从属服务器需要的 Apache Spark 库。
sqoop-client1.4.7Apache Sqoop 命令行客户端。
tensorflow1.13.1TensorFlow 用于高性能数值计算的开源软件库。
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。

5.26.0 配置分类

配置分类允许您自定义应用程序。它们通常对应于应用程序的配置XML文件，例如hive-site.xml。有关更多信息，请参阅 配置应用程序。

emr-5.26.0 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 的 container-log4j.prop YARN erties 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 log4 j-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

亚马逊EMR精心策划的 Apache 设置。HBase

hbase-env

更改环境HBase中的值。

hbase-log4j

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

hbase-metrics

更改 hadoop-metrics2-h HBase base.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

更改的 hdfs-site.xml HDFS 中的值。

hcatalog-env

更改环境HCatalog中的值。

hcatalog-server-jndi

更改HCatalog的 jndi.properties 中的值。

hcatalog-server-proto-hive-site

更改 proto-hive-site .x HCatalog ml 中的值。

hcatalog-webhcat-env

更改 HCatalog W 环境ebHCat中的值。

hcatalog-webhcat-log4j2

更改 HCatalog W ebHCat 的 log4j2.properties 中的值。

hcatalog-webhcat-site

更改 HCatalog W ebHCat 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-log 4j2.properties 文件中的值。

hive-llap-daemon-log4j2

更改 Hive 的 llap-daemon-log 4j2.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

在 Hadoop KMS 环境中更改值。

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

更改服务器.proper EMR RecordServer ties 文件中的值。

recordserver-log4j

更改EMR RecordServer的 log4j.properties 文件中的值。

spark

亚马逊EMR精心策划的 Apache Spark 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 zoo.cfg 文件 ZooKeeper中的值。

zookeeper-log4j

更改 ZooKeeper的 log4j.properties 文件中的值。