使用 Step Functions 调用 Amazon EMR - AWS Step Functions
AWS 文档中描述的 AWS 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 AWS 服务入门

使用 Step Functions 调用 Amazon EMR

Step Functions can control certain AWS services directly from the Amazon 状态语言. For more information, see the following:

要将 AWS Step Functions 与 Amazon EMR 集成,您可以使用提供的 Amazon EMR 服务集成 API。服务集成 API 与相应的 Amazon EMR API 相似,但在传递的字段和返回的响应方面有所不同。

注意

emr-5.28.0 起,您可以在创建集群时指定参数 StepConcurrencyLevel,以允许在单个集群上并行运行多个步骤。您可以使用 Step Functions MapParallel 状态将工作并行提交到集群。

EMR 服务集成的可用性取决于 EMR API 的可用性。请查看 Amazon EMR 文档,了解特殊区域的限制。

下表描述了每个服务集成 API 及其相应 Amazon EMR API 之间的差异。

Amazon EMR 服务集成 API 和相应的 Amazon EMR API
Amazon EMR 服务集成 API 相应的 EMR API 区别
CreateCluster

创建并开始运行集群(作业流程)。

Amazon EMR 与一种独特类型的 IAM 角色(称为服务相关角色)直接关联。要使 createClustercreateCluster.sync 起作用,您必须配置必要的权限以创建与服务关联的角色 AWSServiceRoleForEMRCleanup。有关此问题的更多信息,包括您可以添加到 IAM 权限策略的语句,请参阅使用 Amazon EMR 的服务关联角色

runJobFlow createCluster 使用与 runJobFlow 相同的请求语法,但以下情况除外:
  • 必须填写 Instances.KeepJobFlowAliveWhenNoSteps 字段,且该字段必须具有 Boolean 值 TRUE

  • 不允许填写字段 Steps

  • 应提供 Instances.InstanceFleets[index].Name 字段的值,并且如果使用可选的 modifyInstanceFleetByName 连接器 API,该字段必须是唯一的。

  • 应提供 Instances.InstanceGroups[index].Name 字段的值,并且如果使用可选的 modifyInstanceGroupByName API,该字段必须是唯一的。

响应如下:
{ "ClusterId": "string" }
Amazon EMR 使用:
{ "JobFlowId": "string" }
createCluster.sync

创建并开始运行集群(作业流程)。

runJobFlow createCluster 相同,但等待集群达到 WAITING 状态。
setClusterTerminationProtection

锁定集群(作业流程),以使集群中的 EC2 实例无法通过用户干预、API 调用或作业流程错误终止。

setTerminationProtection 请求使用:
{ "ClusterId": "string" }
Amazon EMR 使用:
{ "JobFlowIds": ["string"] }
terminateCluster

关闭集群(作业流程)。

terminateJobFlows 请求使用:
{ "ClusterId": "string" }
Amazon EMR 使用:
{ "JobFlowIds": ["string"] }
terminateCluster.sync

关闭集群(作业流程)。

terminateJobFlows terminateCluster 相同,但等待集群终止。
addStep

向正在运行的集群添加新步骤。

addJobFlowSteps 请求使用密钥 "ClusterId"。Amazon EMR 使用 "JobFlowId"。请求使用单一步骤。
{ "Step": <"StepConfig object"> }
Amazon EMR 使用:
{ "Steps": [<StepConfig objects>] }
响应如下:
{ "StepId": "string" }
Amazon EMR 返回:
{ "StepIds": [<strings>] }
addStep.sync

向正在运行的集群添加新步骤。

addJobFlowSteps addStep 相同,但等待步骤完成。
cancelStep

取消正在运行的集群中的一个待处理步骤。

cancelSteps 请求使用:
{ "StepId": "string" }
Amazon EMR 使用:
{ "StepIds": [<strings>] }
响应如下:
{ "CancelStepsInfo": <CancelStepsInfo object> }
Amazon EMR 使用:
{ "CancelStepsInfoList": [<CancelStepsInfo objects>] }
modifyInstanceFleetByName

使用指定的 InstanceFleetName 修改实例队列的目标按需容量和目标 Spot 容量。

modifyInstanceFleet 请求与 modifyInstanceFleet 相同,但以下情况除外:
  • 不允许填写字段 Instance.InstanceFleetId

  • 在运行时,通过调用 ListInstanceFleets 并解析结果,服务集成会自动确定 InstanceFleetId

modifyInstanceGroupByName

修改实例组的节点数和配置设置。

modifyInstanceGroups 请求如下:
{ "ClusterId": "string", "InstanceGroup": <InstanceGroupModifyConfig object> }
Amazon EMR 使用列表:
{ "ClusterId": ["string"], "InstanceGroups": [<InstanceGroupModifyConfig objects>] }

InstanceGroupModifyConfig 对象中,不允许填写 InstanceGroupId 字段。

已添加一个新字段 InstanceGroupName。在运行时,通过调用 ListInstanceGroups 并解析结果,服务集成会自动确定 InstanceGroupId

以下内容包含一个创建集群的 Task 状态。

"Create_Cluster": { "Type": "Task", "Resource": "arn:aws-cn:states:::elasticmapreduce:createCluster.sync", "Parameters": { "Name": "MyWorkflowCluster", "VisibleToAllUsers": true, "ReleaseLabel": "emr-5.28.0", "Applications": [ { "Name": "Hive" } ], "ServiceRole": "EMR_DefaultRole", "JobFlowRole": "EMR_EC2_DefaultRole", "LogUri": "s3n://aws-logs-123456789012-us-east-1/elasticmapreduce/", "Instances": { "KeepJobFlowAliveWhenNoSteps": true, "InstanceFleets": [ { "InstanceFleetType": "MASTER", "Name": "MASTER", "TargetOnDemandCapacity": 1, "InstanceTypeConfigs": [ { "InstanceType": "m4.xlarge" } ] }, { "InstanceFleetType": "CORE", "Name": "CORE", "TargetOnDemandCapacity": 1, "InstanceTypeConfigs": [ { "InstanceType": "m4.xlarge" } ] } ] } }, "End": true }

以下内容包括启用终止保护的 Task 状态。

"Enable_Termination_Protection": { "Type": "Task", "Resource": "arn:aws-cn:states:::elasticmapreduce:setClusterTerminationProtection", "Parameters": { "ClusterId.$": "$.ClusterId", "TerminationProtected": true }, "End": true }

以下内容包括向集群提交步骤的 Task 状态。

"Step_One": { "Type": "Task", "Resource": "arn:aws-cn:states:::elasticmapreduce:addStep.sync", "Parameters": { "ClusterId.$": "$.ClusterId", "Step": { "Name": "The first step", "ActionOnFailure": "CONTINUE", "HadoopJarStep": { "Jar": "command-runner.jar", "Args": [ "hive-script", "--run-hive-script", "--args", "-f", "s3://<region>.elasticmapreduce.samples/cloudfront/code/Hive_CloudFront.q", "-d", "INPUT=s3://<region>.elasticmapreduce.samples", "-d", "OUTPUT=s3://<mybucket>/MyHiveQueryResults/" ] } } }, "End": true }

以下内容包括取消步骤的 Task 状态。

"Cancel_Step_One": { "Type": "Task", "Resource": "arn:aws-cn:states:::elasticmapreduce:cancelStep", "Parameters": { "ClusterId.$": "$.ClusterId", "StepId.$": "$.AddStepsResult.StepId" }, "End": true }

以下内容包括终止集群的 Task 状态。

"Terminate_Cluster": { "Type": "Task", "Resource": "arn:aws-cn:states:::elasticmapreduce:terminateCluster.sync", "Parameters": { "ClusterId.$": "$.ClusterId" }, "End": true }

以下内容包括为实例组向上或向下扩展集群的 Task 状态。

"ModifyInstanceGroupByName": { "Type": "Task", "Resource": "arn:aws-cn:states:::elasticmapreduce:modifyInstanceGroupByName", "Parameters": { "ClusterId": "j-1234567890123", "InstanceGroupName": "MyCoreGroup", "InstanceGroup": { "InstanceCount": 8 } }, "End": true }

以下内容包括为实例队列向上或向下扩展集群的 Task 状态。

"ModifyInstanceFleetByName": { "Type": "Task", "Resource": "arn:aws-cn::states:::elasticmapreduce:modifyInstanceFleetByName", "Parameters": { "ClusterId": "j-1234567890123", "InstanceFleetName": "MyCoreFleet", "InstanceFleet": { "TargetOnDemandCapacity": 8, "TargetSpotCapacity": 0 } }, "End": true }

For information on how to configure IAM when using Step Functions with other AWS services, see 集成服务的 IAM 策略.