Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Amazon EMR auf EKS 7.3.0-Versionen
Auf dieser Seite werden die neuen und aktualisierten Funktionen für Amazon EMR beschrieben, die spezifisch für die Bereitstellung von Amazon EMR in EKS sind. Einzelheiten zur Ausführung von Amazon EMR auf Amazon EC2 und zur Amazon EMR 7.3.0-Version im Allgemeinen finden Sie unter Amazon EMR 7.3.0 im Amazon EMR-Versionshandbuch.
Amazon EMR auf EKS 7.3-Versionen
Die folgenden Amazon EMR 7.3.0-Versionen sind für Amazon EMR auf EKS verfügbar. Wählen Sie eine bestimmte EMR-7.3.0-xxxx-Version aus, um weitere Details wie das zugehörige Container-Image-Tag anzuzeigen.
Versionshinweise
Versionshinweise für Amazon EMR auf EKS 7.3.0
-
Unterstützte Anwendungen – AWS SDK für Java 2.25.70 and 1.12.747, Apache Spark 3.5.1-amzn-1, Apache Hudi 0.15.0-amzn-0, Apache Iceberg 1.5.2-amzn-0, Delta 3.2.0-amzn-0, Apache Spark RAPIDS 24.06.1-amzn-0, Jupyter Enterprise Gateway 2.6.0, Apache Flink 1.18.1-amzn-2, Flink Operator 1.9.0-amzn-0
-
Unterstützte Komponenten –
aws-sagemaker-spark-sdk,emr-ddb,emr-goodies,emr-s3-select,emrfs,hadoop-client,hudi,hudi-spark,iceberg,spark-kubernetes. -
Unterstützte Konfigurationsklassifizierungen
Zur Verwendung mit StartJobRunund: CreateManagedEndpoint APIs
Klassifizierungen Beschreibungen core-siteÄndern Sie die Werte in der
core-site.xml-Hadoop-Datei.emrfs-siteÄndert die EMRFS-Einstellungen.
spark-metricsÄndern Sie die Werte in der
metrics.properties-Spark-Datei.spark-defaultsÄndern Sie die Werte in der
spark-defaults.conf-Spark-Datei.spark-envÄndert die Werte in der Spark-Umgebung.
spark-hive-siteÄndern Sie die Werte in der
hive-site.xml-Spark-Datei.spark-log4j2Ändern Sie die Werte in der
log4j2.properties-Spark-Datei.emr-job-submitterKonfiguration für den Auftragsübermittler-Pod.
Speziell zur Verwendung mit CreateManagedEndpoint APIs:
Klassifizierungen Beschreibungen jeg-configÄndern Sie die Werte in der Jupyter-Enterprise-Gateway-Datei
jupyter_enterprise_gateway_config.py.jupyter-kernel-overridesÄndern Sie den Wert für das Kernel-Image in der Jupyter-Kernel-Spec-Datei.
Mithilfe von Konfigurationsklassifizierungen können Sie Anwendungen anpassen. Diese entsprechen häufig einer XML-Konfigurationsdatei für die Anwendung, z. B.
spark-hive-site.xmlWeitere Informationen finden Sie unter Konfigurieren von Anwendungen.
Bemerkenswerte Features
Die folgenden Funktionen sind in der Version 7.3.0 von Amazon EMR on EKS enthalten.
-
Anwendungs-Upgrades — Amazon EMR on EKS enthält jetzt Flink Operator 1.9.0. Zusätzlich zu anderen Funktionen können Sie mit Flink Kubernetes jetzt CPU- und Speicherkontingente für den Autoscaler festlegen.
-
Apache Iceberg-Unterstützung für Apache Flink — Apache Iceberg ist ein Open-Source-Hochleistungsformat mit riesigen Analysetabellen. Ab Amazon EMR 7.3.0 können Sie Apache Iceberg-Tabellen verwenden, wenn Sie Apache Flink auf Amazon EMR auf EKS ausführen. Weitere Informationen finden Sie unter Amazon EMR on EKS Using Apache Iceberg with Amazon EMR on EKS.
-
Delta Lake-Unterstützung für Apache Flink — Delta Lake ist ein Storage-Layer-Framework für Lakehouse-Architekturen, die üblicherweise auf Amazon S3 basieren. Mit Amazon EMR 7.3.0 und höher können Sie Delta-Tabellen verwenden, wenn Sie Apache Flink auf Amazon EMR auf EKS ausführen. Weitere Informationen finden Sie unter Verwenden von Delta Lake mit Amazon EMR auf EKS.
Änderungen
Die folgenden Änderungen sind in der Version 7.3.0 von Amazon EMR on EKS enthalten.
-
Mit Amazon EMR auf EKS 7.3.0 und höher verwendet Apache Flink jetzt standardmäßig Java 17-Laufzeit.
