连接到 Amazon EMR 集群的主节点并运行查询 - Amazon EMR
预置测试数据并配置权限连接并运行查询
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。

连接到 Amazon EMR 集群的主节点并运行查询

预置测试数据并配置权限

你可以使用 Glue Data Catalog 及其 Hive 元数据仓使用 Amazon Trino 测试亚马逊 EMR。以下先决条件步骤介绍了如何设置测试数据（如果尚未设置）：

  1. 创建一个用于通信加密的 SSH 密钥（如果尚未创建）。

  2. 您可以从多个文件系统中进行选择来存储数据和日志文件。首先，创建一个 Amazon S3 存储桶。为存储桶指定一个唯一名称。创建时，请指定您创建的加密密钥。

    注意

    选择同一区域来创建存储桶和 Amazon EMR 集群。

  3. 选择您创建的存储桶。选择创建文件夹，并为文件夹指定一个易于记忆的名称。创建文件夹时，请选择一个安全配置。您可以选择父级的安全设置，也可以使安全设置更专业化。

  4. 将测试数据添加到您的文件夹中。在本教程中，使用逗号分隔的 .csv 文件可以很好地完成此使用案例。

  5. 将数据添加到 Amazon S3 存储桶后，在 Glue Amazon 中配置一个表，以提供用于查询数据的抽象层。

连接并运行查询

下面介绍了如何连接到运行 Trino 的集群并对其运行查询。在执行此操作之前，请确保已设置 Hive 元存储连接器（如上一过程所述），以便元存储表可见。

  1. 我们建议使用 In EC2 stance Connect 连接到您的集群，因为它提供了安全的连接。从集群摘要中选择使用 SSH 连接到主节点。连接要求安全组具有入站规则，允许通过端口 22 连接到子网中的客户端。在连接时，您还必须使用用户 hadoop。

  2. 通过运行 trino-cli 来启动 Trino CLI。这使您能够使用 Trino 运行命令和查询数据。

  3. 运行 show catalogs;。检查 hive 目录是否已列出。这将提供可用目录的列表，其中包含数据存储或系统设置。

  4. 要查看可用的架构，请运行 show schemas in hive;。在这里，您可以运行 use schema-name; 命令并包括您的架构名称。然后，您可以运行 show tables; 命令来列出表。

  5. 使用架构中的表名，运行类似 SELECT * FROM table-name 的命令来查询表。如果您已经运行该USE语句来连接到特定架构，则不必使用由两部分组成的表示法，例如schema。 table。