Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Rilasci 7.0.0 di Amazon EMR su EKS
Questa pagina descrive la funzionalità nuova e aggiornata di Amazon EMR specifica per l'implementazione di Amazon EMR su EKS. Per dettagli su Amazon EMR in esecuzione su Amazon EC2 e sulla versione Amazon EMR 7.0.0 in generale, consulta Amazon EMR 7.0.0 nella Amazon EMR Release Guide.
Rilasci 7.0 di Amazon EMR su EKS
I seguenti rilasci 7.0.0 di Amazon EMR sono disponibili per Amazon EMR su EKS. Seleziona un rilascio emr-7.0.0-XXXX specifico per visualizzare ulteriori dettagli, come il relativo tag dell'immagine di container.
Note di rilascio
Note di rilascio di Amazon EMR su EKS 7.0.0
-
Applicazioni supportate ‐ AWS SDK per Java 2.20.160-amzn-0 and 1.12.595, Apache Spark 3.5.0-amzn-0, Apache Flink 1.18.0-amzn-0, Flink Operator 1.6.1, Apache Hudi 0.14.0-amzn-1, Apache Iceberg 1.4.2-amzn-0, Delta 3.0.0, Apache Spark RAPIDS 23.10.0-amzn-0, Jupyter Enterprise Gateway 2.6.0
-
Componenti supportati:
aws-sagemaker-spark-sdk,emr-ddb,emr-goodies,emr-s3-select,emrfs,hadoop-client,hudi,hudi-spark,iceberg,spark-kubernetes. -
Classificazioni di configurazione supportate
Da usare con e: StartJobRun CreateManagedEndpoint APIs
Classificazioni Descrizioni core-siteModifica i valori nel file Hadoop
core-site.xml.emrfs-siteModifica le impostazioni EMRFS.
spark-metricsModifica i valori nel file Spark
metrics.properties.spark-defaultsModifica i valori nel file Spark
spark-defaults.conf.spark-envModifica i valori nell'ambiente Spark.
spark-hive-siteModifica i valori nel file Spark
hive-site.xml.spark-log4jModifica i valori nel file Spark
log4j2.properties.emr-job-submitterConfigurazione per il pod del mittente di processi.
Da utilizzare specificamente con CreateManagedEndpoint APIs:
Classificazioni Descrizioni jeg-configModifica i valori nel file
jupyter_enterprise_gateway_config.pyJupyter Enterprise Gateway.jupyter-kernel-overridesModifica il valore per l'immagine del kernel nel file Jupyter Kernel Spec.
Le classificazioni di configurazione consentono di personalizzare le applicazioni. Spesso corrispondono a un file XML di configurazione per l'applicazione, ad esempio
spark-hive-site.xml. Per ulteriori informazioni, consulta la sezione Configurazione delle applicazioni.
Funzionalità significative
Nel rilascio 7.0 di Amazon EMR su EKS sono incluse le funzionalità elencate di seguito.
-
Aggiornamenti dell'applicazione: gli aggiornamenti dell'applicazione Amazon EMR su EKS 7.0.0 includono Spark 3.5, Flink 1.18 e Flink Operator 1.6.1.
-
Regolazione automatica dei parametri Flink Autoscaler: i parametri predefiniti utilizzati da Flink Autoscaler per i calcoli di dimensionamento potrebbero non essere il valore ottimale per un determinato processo. Amazon EMR su EKS 7.0.0 utilizza le tendenze storiche di specifiche metriche acquisite per calcolare il parametro ottimale personalizzato per il processo.
Modifiche
Nel rilascio 7.0 di Amazon EMR su EKS sono incluse le modifiche elencate di seguito.
-
Amazon Linux 2023: con Amazon EMR su EKS 7.0.0 e rilasci successivi, tutte le immagini dei container sono basate su Amazon Linux 2023.
-
Spark utilizza Java 17 come runtime predefinito: Amazon EMR su EKS 7.0.0 Spark utilizza Java 17 come runtime predefinito. Se necessario, puoi passare a utilizzare Java 8 o Java 11 con l'etichetta di rilascio corrispondente, come indicato nell'elenco Rilasci 7.0 di Amazon EMR su EKS.
