Lanzamiento de una aplicación de Spark mediante la integración de Amazon Redshift para Apache Spark
Para usar la integración con EMR sin servidor 6.9.0, debe pasar las dependencias de Spark Redshift necesarias con su trabajo de Spark. Utilice --jars para incluir bibliotecas relacionadas con el conector de Redshift. Para acceder a otras ubicaciones de archivos compatibles con la opción --jars, consulte la sección Advanced Dependency Management de la documentación de Apache Spark.
-
spark-redshift.jar
-
spark-avro.jar
-
RedshiftJDBC.jar
-
minimal-json.jar
Las versiones 6.10.0 y posteriores de Amazon EMR no requieren la dependencia minimal-json.jar e instalan automáticamente las demás dependencias en cada clúster de forma predeterminada. En los siguientes ejemplos, se demuestra cómo lanzar una aplicación de Spark con la integración de Amazon Redshift para Apache Spark.
- Amazon EMR 6.10.0 +
-
Lance un trabajo de Spark en Amazon EMR sin servidor con la integración de Amazon Redshift para Apache Spark en EMR sin servidor 6.10.0 y versiones posteriores.
spark-submit my_script.py
- Amazon EMR 6.9.0
-
Para lanzar un trabajo de Spark en Amazon EMR sin servidor con la integración de Amazon Redshift para Apache Spark en EMR sin servidor 6.9.0, utilice la opción --jars que se muestra en el siguiente ejemplo. Tenga en cuenta que las rutas enumeradas con la opción --jars son las rutas predeterminadas para los archivos JAR.
--jars
/usr/share/aws/redshift/jdbc/RedshiftJDBC.jar,
/usr/share/aws/redshift/spark-redshift/lib/spark-redshift.jar,
/usr/share/aws/redshift/spark-redshift/lib/spark-avro.jar,
/usr/share/aws/redshift/spark-redshift/lib/minimal-json.jar
spark-submit \
--jars /usr/share/aws/redshift/jdbc/RedshiftJDBC.jar,/usr/share/aws/redshift/spark-redshift/lib/spark-redshift.jar,/usr/share/aws/redshift/spark-redshift/lib/spark-avro.jar,/usr/share/aws/redshift/spark-redshift/lib/minimal-json.jar \
my_script.py
