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.

Presto mit dem AWS Glue Data Catalog verwenden

Mit Amazon-EMR-Version 5.10.0 und höher können Sie den AWS Glue Data Catalog als standardmäßigen Hive-Metastore für Presto angeben. Wir empfehlen diese Konfiguration, wenn Sie einen persistenten Metastore oder einen gemeinsamen Metastore für verschiedene Cluster, Services, Anwendungen oder AWS-Konten benötigen.

AWS Glue ist ein vollständig verwalteter ETL-Service (Extract, Transform, Load — ETL), mit dessen Hilfe einfach und wirtschaftlich Ihre Daten kategorisiert, bereinigt, erweitert und zwischen verschiedenen Datenspeichern verschoben werden können. Der AWS Glue Data Catalog stellt ein einheitliches Metadaten-Repository für verschiedene Datenquellen und Datenformate bereit und kann in Amazon EMR, und in Amazon RDS, Amazon Redshift, Redshift Spectrum, Athena sowie alle anderen Anwendungen integriert werden, die mit dem Apache-Hive-Metastore kompatibel sind. AWS Glue-Crawler können Schemata automatisch aus Quelldaten in Amazon S3 ableiten und die zugehörigen Metadaten im Datenkatalog speichern. Weitere Informationen zum Datenkatalog finden Sie unter Füllen des AWS Glue Data Catalog im AWS -Glue-Entwicklerhandbuch.

Für AWS Glue fallen separate Gebühren an. Es gibt einen monatlichen Tarif für die Speicherung und den Zugriff auf die Metadaten im Datenkatalog, einen stündlichen Tarif, der pro Minute für AWS -Glue-ETL-Aufträge und Crawler-Laufzeit abgerechnet wird, und einen stündlichen Tarif, der pro Minute für jeden bereitgestellten Entwicklungsendpunkt abgerechnet wird. Der Datenkatalog ermöglicht Ihnen die gebührenfreie Speicherung von bis zu einer Million Objekten. Wenn Sie mehr als eine Million Objekte speichern, fällt eine Gebühr von 1 USD für jeweils 100.000 zusätzliche Objekte an. Im Data Catalog ist ein Objekt eine Tabelle, eine Partition oder eine Datenbank. Weitere Informationen finden Sie unter Glue-Preise.

AWS Glue Data Catalog als Metastore angeben

Sie können den AWS Glue Data Catalog mithilfe der Amazon-EMR-API AWS Management Console, AWS CLI, oder als Metastore angeben. Wenn Sie die CLI oder API verwenden, verwenden Sie die Konfigurationsklassifizierung für Presto, um den Datenkatalog anzugeben. Darüber hinaus können Sie mit Amazon EMR 5.16.0 und höher die Konfigurationsklassifizierung verwenden, um einen Data Catalog in einem anderen anzugeben. AWS-KontoWenn Sie die Konsole verwenden, können Sie den Data Catalog mit den erweiterten Optionen oder den Schnelloptionen angeben.

Console

Wie Sie AWS Glue Data Catalog mit der neuen Konsole als Hive-Metastore angeben

1. Melden Sie sich bei an und öffnen Sie die Amazon-EMR-Konsole unter https://console.aws.amazon.com/emr. AWS Management Console

2. Wählen Sie EC2 im linken Navigationsbereich unter EMR on die Option Clusters und dann Create cluster aus.

3. Wählen Sie unter Anwendungspaket die Option Presto aus.

4. Aktivieren Sie unter Einstellungen für den AWS Glue Data Catalog das Kontrollkästchen Für Presto-Tabellenmetadaten verwenden.

5. Wählen Sie alle anderen Optionen aus, die für Ihren Cluster gelten.

6. Um Ihren Cluster jetzt zu starten, wählen Sie Cluster erstellen aus.

CLI

So geben Sie den AWS Glue Data Catalog über die als standardmäßigen Hive-Metastore an AWS CLI

Beispiele dafür, wie Sie die folgenden Konfigurationsklassifizierungen unten angeben, wenn Sie einen Cluster erstellen, finden Sie unter Anwendungen konfigurieren.

Amazon EMR 5.16.0 und höher

• Setzen Sie die Eigenschaft hive.metastore auf glue fest, wie in dem folgenden JSON-Beispiel gezeigt.

  [
    {
      "Classification": "presto-connector-hive",
      "Properties": {
        "hive.metastore": "glue"
      }
    }
  ]

  Um einen Datenkatalog in einem anderen anzugeben AWS-Konto, fügen Sie die hive.metastore.glue.catalogid Eigenschaft wie in dem folgenden JSON-Beispiel gezeigt hinzu. Ersetzen Sie acct-id durch das AWS -Konto des Data Catalog. Die Verwendung eines Datenkatalog in einem anderen AWS-Konto ist für Amazon-EMR-Version 5.15.0 und früher nicht verfügbar.

  [
    {
      "Classification": "presto-connector-hive",
      "Properties": {
        "hive.metastore": "glue",
        "hive.metastore.glue.catalogid": "acct-id"
      }
    }
  ]

  Amazon EMR 5.10.0 bis 5.15.0

  Setzen Sie die Eigenschaft hive.metastore.glue.datacatalog.enabled auf true fest, wie im folgenden JSON-Beispiel gezeigt.

  [
    {
      "Classification": "presto-connector-hive",
      "Properties": {
        "hive.metastore.glue.datacatalog.enabled": "true"
      }
    }
  ]

  Amazon EMR 6.1.0 und höher mit PrestoSQL (Trino)

  Ab EMR Version 6.1.0 unterstützt PrestoSQL auch Glue als Standard-Hive-Metastore. Verwenden Sie die prestosql-connector-hive-Konfigurationsklassifizierung, um die Eigenschaft hive.metastore auf glue zu setzen, wie im folgenden JSON-Beispiel veranschaulicht.

  Amazon-EMR-Versionen 6.4.0 und höher verwenden den neuen Namen Trino anstelle von PrestoSQL. Wenn Sie Trino verwenden, ersetzen Sie die Klassifizierung prestosql-connector-hive in der folgenden Konfiguration mit trino-connector-hive durch.

  [
    {
      "Classification": "prestosql-connector-hive",
      "Properties": {
        "hive.metastore": "glue"
      }
    }
  ]

Um Metastores auf einem langlebigen Cluster zu wechseln, können Sie manuell die für die Version geeigneten Werte festlegen, indem Sie eine Verbindung zum Master-Knoten herstellen, die Eigenschaftswerte direkt in der Datei /etc/presto/conf/catalog/hive.properties bearbeiten und den Presto-Server (sudo restart presto-server) neu starten. Wenn Sie diese Methode bei Amazon-EMR-Version 5.15.0 oder früher verwenden, stellen Sie sicher, dass für hive.table-statistics-enabled der Wert false eingestellt ist. Diese Einstellung ist nicht erforderlich, wenn Sie Versionen ab 5.16.0 verwenden. Trotzdem werden Tabellen- und Partitionsstatistiken nicht unterstützt.

IAM-Berechtigungen

Das EC2 Instance-Profil für einen Cluster muss IAM-Berechtigungen für AWS -Glue-Aktionen besitzen. Wenn Sie für AWS -Glue-Data-Catalog-Objekte Verschlüsselung aktivieren, muss die Rolle auch zum Verschlüsseln, Entschlüsseln und Generieren des berechtigt sein, der AWS KMS key zur Verschlüsselung verwendet wird.

Berechtigungen für AWS -Glue-Aktionen

Wenn Sie das standardmäßige EC2 Instance-Profil für Amazon EMR verwenden, ist keine Aktion erforderlich. Die AmazonElasticMapReduceforEC2Role verwaltete Richtlinie, die an die angehängt ist, EMR_EC2_DefaultRole ermöglicht alle erforderlichen AWS Glue-Aktionen. Wenn Sie jedoch ein benutzerdefiniertes EC2 Instance-Profil und Berechtigungen angeben, müssen Sie die entsprechenden AWS -Glue-Aktionen konfigurieren. Verwenden Sie hierzu die verwaltete Richtlinie AmazonElasticMapReduceforEC2Role als Ausgangspunkt. Weitere Informationen finden Sie unter Servicerolle für EC2 Cluster-Instances (EC2 Instance-Profil) im Amazon EMR Management Guide.

Berechtigungen zum Ver- und Entschlüsseln von AWS Glue Data Catalog

Ihr Instance-Profil benötigt die Erlaubnis, Daten mithilfe Ihres Schlüssels zu verschlüsseln und zu entschlüsseln. Sie müssen diese Berechtigungen nicht konfigurieren, wenn die beiden folgenden Aussagen zutreffen:

Andernfalls müssen Sie die folgende Anweisung der Berechtigungsrichtlinie hinzufügen, die mit Ihrem EC2 Instance-Profil verknüpft ist.

[
    {
        "Version": "2012-10-17",
        "Statement": [
            {
                "Effect": "Allow",
                "Action": [
                    "kms:Decrypt",
                    "kms:Encrypt",
                    "kms:GenerateDataKey"
                ],
                "Resource": "arn:aws:kms:region:acct-id:key/12345678-1234-1234-1234-123456789012"
            }
        ]
    }
]

Weitere Informationen zur Verschlüsselung des AWS Glue Data Catalog finden Sie unter Verschlüsseln Ihres Datenkatalogs im AWS Glue-Entwicklerhandbuch.

Ressourcenbasierte Berechtigungen

Wenn Sie AWS Glue in Verbindung mit Hive, Spark oder Presto in Amazon EMR verwenden, unterstützt AWS Glue ressourcenbasierte Richtlinien zur Steuerung des Zugriffs auf Datenkatalogressourcen. Zu diesen Ressourcen gehören Datenbanken, Tabellen, Verbindungen und benutzerdefinierte Funktionen. Weitere Informationen finden Sie unter Verwenden von ressourcenbasierten Richtlinien für AWS Glue im AWS -Glue-Entwicklerhandbuch.

Wenn Sie ressourcenbasierte Richtlinien verwenden, um den Zugriff auf AWS Glue von Amazon EMR aus zu beschränken, muss der Prinzipal, den Sie in der Berechtigungsrichtlinie angeben, der Rollen-ARN sein, der dem EC2 Instance-Profil zugeordnet ist, das bei der Erstellung eines Clusters angegeben wird. Beispielsweise können Sie für eine ressourcenbasierte Richtlinie, die an einen Katalog angehängt ist, den Rollen-ARN für die Standard-Servicerolle für EC2 Cluster-Instances angeben. Verwenden Sie dazu das im folgenden Beispiel gezeigte Format: EMR_EC2_DefaultRole Principal

arn:aws:iam::acct-id:role/EMR_EC2_DefaultRole

Die acct-id kann sich von der AWS Glue-Konto-ID unterscheiden. Dies ermöglicht den Zugriff von EMR-Clustern in verschiedenen Konten aus. Sie können mehrere Principals angeben, von denen jeder aus einem anderen Konto stammt.

Überlegungen zur Verwendung von AWS Glue Data Catalog

Beachten Sie die folgenden Elemente, wenn Sie AWS Glue Data Catalog als Metastore mit Presto verwenden: