亚马逊EMR版本 5.31.0

• 亚马逊 EMR 7.x 版本中的应用程序版本

• Amazon EMR 6.x 发行版中的应用程序版本

• Amazon EMR 5.x 发行版中的应用程序版本

• Amazon EMR 4.x 发行版中的应用程序版本

升级

• 已将 Amazon Glue 连接器升级到版本 1.13.0

• 已将 Amazon SageMaker Spark 升级SDK到 1.4.0 版

• 已将 Amazon Kinesis 连接器升级到版本 3.5.9

• 已升级 Amazon SDK for Java 到 1.11.852 版本

• 已将 Bigtop-tomcat 升级到版本 8.5.56

• 已EMR将 FS 升级到 2.43.0 版

• 已将EMR MetricsAndEventsApiGateway 客户端升级到 1.4.0 版

• 已EMR将 S3 Dist CP 升级到版本 2.15.0

• 已EMR将 S3 Select 升级到 1.6.0 版

• 已将 Flink 升级到版本 1.11.0

• 已将 Hadoop 升级到版本 2.10.0

• 已将 Hive 升级到版本 2.3.7

• 已将 Hudi 升级到版本 0.6.0

• 已将 Hue 升级到版本 4.7.1

• 已升级 JupyterHub 到 1.1.0 版

• 已将 Mxnet 升级到版本 1.6.0

• 已将 OpenCV 升级到版本 4.3.0

• 已将 Presto 升级到版本 0.238.3

• 已升级 TensorFlow 到 2.1.0 版

更改、增强功能和解决的问题

• 此版本旨在修复 Amazon EMR Scaling 无法成功扩展/缩小集群或导致应用程序故障时出现的问题。

• 修复了 Amaz EMR on 集群上守护程序运行状况检查活动（例如收集YARN节点状态和HDFS节点状态）时，对利用率很高的大型集群的扩展请求失败的问题。之所以发生这种情况，是因为集群上的守护程序无法将节点的运行状况数据传送到内部 Ama EMR zon 组件。

• 改进了EMR集群上的守护程序，可在重复使用 IP 地址时正确跟踪节点状态，从而提高扩展操作期间的可靠性。

• SPARK-29683。修复了集群缩减期间出现任务失败的问题，因为 Spark 假定所有可用节点都被拒绝列出。

• YARN-9011。修复了集群尝试向上或向下扩展时，由于YARN停用过程中的争用条件而导致任务失败的问题。

• 通过确保 Amaz EMR on 集群上守护程序和 YARN /之间的节点状态始终保持一致，修复了集群扩展期间步骤或任务失败的问题。HDFS

• 修复了启用了 Kerberos 身份验证的 Amazon 集群的EMR集群操作（例如缩减和步骤提交）失败的问题。这是因为 Amaz EMR on 集群上守护程序没有续订 Kerberos 票证，而要与主节点上YARN运行的 HDFS /进行安全通信，则需要续订 Kerberos 票证。

• 较新的Amazon EMR 版本通过降低亚马逊较旧AL2版本的 “最大打开文件数” 限制来解决这个问题EMR。亚马逊EMR发布的5.30.1、5.30.2、5.31.1、5.32.1、5.32.1、6.0.1、6.1.1、6.2.1、5.33.0、6.3.0及更高版本现在包含一个永久修复程序，其中包含一个具有更高的 “最大打开文件数” 设置的永久修复。

• 亚马逊 5.31.0 及更高EMR版本支持 Hive 列统计信息。

• 升级了组件版本。

• EMRFS亚马逊 EMR 5.31.0 中的 S3EC V2 Support。在 S3 Java SDK 版本 1.11.837 及更高版本中，引入了加密客户端版本 2 (S3EC V2)，其中包含各种安全增强功能。有关更多信息，请参阅下列内容：

  • S3 博客文章：更新至 Amazon S3 加密客户端。

  • Amazon SDK for Java 开发者指南：将加密和解密客户端迁移到 V2。

  • EMR管理指南：Amazon S3 客户端加密。

  加密客户端 V1 仍可在中使用，SDK以实现向后兼容。

新功能

• 降低旧版本的 “最大打开文件数” 限制 AL2 [在新版本中已修复]。亚马逊EMR版本：emr-5.30.x、emr-5.31.0、emr-5.32.0、emr-6.0.0、emr-6.1.0 和 emr-6.2.0 基于较旧版本的 Linux ofAmazon 2 ()AL2，当使用默认版本创建亚马逊集群时，“最大打开文件数” 的用户限制较低。EMR AMI亚马逊EMR发布的版本为5.30.1、5.30.2、5.31.1、5.32.1、6.0.1、6.1.1、6.2.1、5.33.0、6.3.0及更高版本，包括具有更高的 “最大打开文件数” 设置的永久修复。如果使用打开文件数限制较低的发行版，会在提交 Spark 任务时导致“Too many open files”（打开的文件过多）错误。在受影响的版本中，亚马逊EMR默AMI认 “最大打开文件数” 的ulimit设置为4096，低于Linux 2中的65536个文件限制。 latestAmazon AMISpark 驱动程序和执行程序尝试打开超过 4096 个文件时，“打开的最大文件数”的较低 ulimit 设置会导致 Spark 任务失败。为了解决这个问题，Amazon EMR 提供了一个引导操作 (BA) 脚本，可以在创建集群时调整ulimit设置。

  如果您使用的是无法永久修复此问题的旧EMR版 Amazon，则可以使用以下解决方法将实例控制器 ulimit 明确设置为最多 65536 个文件。

  从命令行显式设置 ulimit

  1. 编辑 /etc/systemd/system/instance-controller.service，将以下参数添加到 Service (服务) 部分。

     LimitNOFILE=65536

     LimitNPROC=65536

  2. 重启 InstanceController

     $ sudo systemctl daemon-reload

     $ sudo systemctl restart instance-controller

  使用引导操作 (BA) 设置 ulimit

  您还可以在创建集群时使用引导操作（BA）脚本将实例控制器 ulimit 配置为 65536 个文件。

  #!/bin/bash
  for user in hadoop spark hive; do
  sudo tee /etc/security/limits.d/$user.conf << EOF
  $user - nofile 65536
  $user - nproc 65536
  EOF
  done
  for proc in instancecontroller logpusher; do
  sudo mkdir -p /etc/systemd/system/$proc.service.d/
  sudo tee /etc/systemd/system/$proc.service.d/override.conf << EOF
  [Service]
  LimitNOFILE=65536
  LimitNPROC=65536
  EOF
  pid=$(pgrep -f aws157.$proc.Main)
  sudo prlimit --pid $pid --nofile=65535:65535 --nproc=65535:65535
  done
  sudo systemctl daemon-reload

• 使用 Amazon EMR 5.31.0，您可以启动与 Lake Formation 集成的集群。这种集成为 Glue 数据目录中的数据库和表提供了精细的列级数据筛选。 Amazon 它还支持从企业身份系统对EMR笔记本或 Apache Zeppelin 进行联合单点登录。有关更多信息，请参阅《亚马逊EMR管理指南》 Amazon Lake Formation中的亚马逊EMR与集成。

  Amazon EMR with Lake Formation 目前在 16 个 Amazon 地区上市：美国东部（俄亥俄州和弗吉尼亚北部）、美国西部（加利福尼亚北部和俄勒冈州）、亚太地区（孟买、首尔、新加坡、悉尼和东京）、加拿大（中部）、欧洲（法兰克福、爱尔兰、伦敦、巴黎和斯德哥尔摩）、南美洲（圣保罗）。

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。

• 在使用 Amazon EMR 5.31.0 AtRestEncryption 或 5.32.0 的集群上启用或HDFS加密时，Hive 查询会导致以下运行时异常。

  TaskAttempt 3 failed, info=[Error: Error while running task ( failure ) : attempt_1604112648850_0001_1_01_000000_3:java.lang.RuntimeException: java.lang.RuntimeException: Hive Runtime Error while closing operators: java.io.IOException: java.util.ServiceConfigurationError: org.apache.hadoop.security.token.TokenIdentifier: Provider org.apache.hadoop.hbase.security.token.AuthenticationTokenIdentifier not found

• 当你使用带有 Hive 分区位置格式的 Spark 来读取 Amazon S3 中的数据，并在亚马逊EMR版本 5.30.0 到 5.36.0 和 6.2.0 到 6.9.0 上运行 Spark 时，你可能会遇到一个问题，导致集群无法正确读取数据。如果您的分区具有以下所有特征，会发生这种情况：

  • 从同一个表扫描两个或多个分区。

  • 至少有一个分区目录路径是至少一个其他分区目录路径的前缀，例如，s3://bucket/table/p=a 是 s3://bucket/table/p=a b 的前缀。

  • 另一个分区目录中前缀之后的第一个字符的值为 UTF -8，小于该/字符 (U+002F)。例如，在 s3://bucket/table/p=a b 中，a 和 b 之间出现的空格字符 (U+0020) 就属于此类。请注意，还有其他 14 个非控制字符：!"#$%&‘()*+,-。有关更多信息，请参阅 UTF-8 编码表和 Unicode 字符。

  解决方法是在 spark-defaults 分类中将 spark.sql.sources.fastS3PartitionDiscovery.enabled 配置设置为 false。