Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Versiones de Amazon EMR en EKS 6.11.0
Esta página describe la funcionalidad nueva y actualizada de Amazon EMR que es específica de la implementación de Amazon EMR en EKS. Para obtener más información sobre Amazon EMR que se ejecuta en Amazon EC2 y sobre la versión 6.11.0 de Amazon EMR en general, consulte Amazon EMR 6.11.0 en la Guía de versiones de Amazon EMR.
Versiones de Amazon EMR en EKS 6.11
Las siguientes versiones de Amazon EMR 6.11.0 están disponibles para Amazon EMR en EKS. Seleccione una versión específica de emr-6.11.0-XXXX para ver más detalles, como la etiqueta de imagen de contenedor relacionada.
-
emr-6.11.0- spark-rapids-latest
-
emr-6.11.0-spark-rapids-20230509
-
emr-6.11.0-java11-latest
-
emr-6.11.0-java11-20230509
-
notebook-spark/emr-6.11.0-latest
-
notebook-spark/emr-6.11.0-20230509
-
notebook-python/emr-6.11.0-latest
-
notebook-python/emr-6.11.0-20230509
Notas de la versión
Notas de la versión de Amazon EMR en EKS 6.11.0
-
Aplicaciones compatibles: AWS SDK para Java 1.12.446, Apache Spark 3.3.2-amzn-0, Apache Hudi 0.13.0-amzn-0, Apache Iceberg 1.2.0-amzn-0, Delta 2.2.0, Apache Spark RAPIDS 23.02.0-amzn-0, Jupyter Enterprise Gateway 2.6.0
-
Componentes compatibles:
aws-sagemaker-spark-sdk
,emr-ddb
,emr-goodies
,emr-s3-select
,emrfs
,hadoop-client
,hudi
,hudi-spark
,iceberg
,spark-kubernetes
. -
Clasificaciones de configuración compatibles
StartJobRun CreateManagedEndpoint APIsPara usar con y:
Clasificaciones Descripciones core-site
Cambia los valores en el archivo de Hadoop
core-site.xml
.emrfs-site
Cambiar la configuración de EMRFS.
spark-metrics
Cambia los valores en el archivo de Spark
metrics.properties
.spark-defaults
Cambia los valores en el archivo de Spark
spark-defaults.conf
.spark-env
Cambiar los valores en el entorno de Spark.
spark-hive-site
Cambia los valores en el archivo de Spark
hive-site.xml
.spark-log4j
Cambia los valores en el archivo de Spark
log4j.properties
.Para su uso específico con CreateManagedEndpoint APIs:
Clasificaciones Descripciones jeg-config
Cambia los valores en el archivo
jupyter_enterprise_gateway_config.py
de Jupyter Enterprise Gateway.jupyter-kernel-overrides
Cambia el valor de la imagen del kernel en el archivo de especificaciones del kernel de Jupyter.
Las clasificaciones de configuración le permiten personalizar las aplicaciones. Suelen corresponder a un archivo XML de configuración para la aplicación como, por ejemplo,
spark-hive-site.xml
. Para obtener más información, consulte Configuración de aplicaciones.
Características notables
Las siguientes características se incluyen en la versión 6.11 de Amazon EMR en EKS.
-
Imagen base de Amazon EMR en EKS en Amazon ECR Public Gallery: si utiliza la capacidad de imagen personalizada, nuestra imagen base proporciona los jars, la configuración y las bibliotecas esenciales para interactuar con Amazon EMR en EKS. Ahora puede encontrar la imagen base en Amazon ECR Public Gallery
. -
Rotación de registros de contenedores de Spark: Amazon EMR en EKS 6.11 es compatible con la rotación de registros de contenedores de Spark. Puede activar la capacidad con
containerLogRotationConfiguration
desde la operaciónMonitoringConfiguration
de la APIStartJobRun
. Puede configurarrotationSize
ymaxFilestoKeep
para especificar el número y el tamaño de los archivos de registro que desea que Amazon EMR en EKS mantenga en los pods ejecutores y controladores de Spark. Para obtener más información, consulte Uso de la rotación de los registros de contenedores de Spark. -
Compatibilidad con Volcano en el operador de Spark y spark-submit: Amazon EMR en EKS 6.11 admite la ejecución de trabajos de Spark con Volcano como programador personalizado de Kubernetes en el operador de Spark y spark-submit. Puede utilizar características como la planificación por grupos, la administración de colas, la prevención y la programación equitativa para lograr un alto rendimiento de la programación y una capacidad optimizada. Para obtener más información, consulte Uso de Volcano como programador personalizado para Apache Spark en Amazon EMR en EKS.