Criar e gerenciar clusters do Amazon EMR com o Step Functions - AWS Step Functions

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Criar e gerenciar clusters do Amazon EMR com o Step Functions

Saiba como fazer a integração AWS Step Functions com o Amazon EMR usando a integração do serviço Amazon EMR fornecida. APIs A integração do serviço APIs é semelhante à do Amazon EMR correspondente APIs, com algumas diferenças nos campos que são passados e nas respostas que são retornadas.

Para saber mais sobre a integração com AWS serviços no Step Functions, consulte Integração de produtos da e. Transmitir parâmetros a uma API de serviço no Step Functions

Principais recursos da integração otimizada ao Amazon EMR
  • A integração otimizada do serviço Amazon EMR tem um conjunto personalizado APIs que envolve o Amazon EMR APIs subjacente, descrito abaixo. Por causa disso, ela difere significativamente da integração de serviços do AWS SDK do Amazon EMR.

  • O padrão de integração Executar um trabalho (.sync) é compatível.

O Step Functions não encerra automaticamente um cluster do Amazon EMR se a execução for interrompida. Se sua máquina de estado parar antes do encerramento do cluster do Amazon EMR, seu cluster poderá continuar funcionando indefinidamente e poderá acumular cobranças adicionais. Para evitar isso, certifique-se de que qualquer cluster do Amazon EMR criado por você seja encerrado corretamente. Para obter mais informações, consulte:

nota

A partir de emr-5.28.0, você pode especificar o parâmetro StepConcurrencyLevel ao criar um cluster para permitir que várias etapas sejam executadas em paralelo em um único cluster. Você pode usar os estados de Map e Parallel do Step Functions para enviar trabalho em paralelo ao cluster.

A disponibilidade da integração do serviço Amazon EMR está sujeita à disponibilidade do Amazon EMR. APIs Consulte a documentação do Amazon EMR quanto a limitações em regiões especiais.

nota

Para integração com o Amazon EMR, o Step Functions tem uma frequência de pesquisa de trabalhos de codificação rígida de 60 segundos para os primeiros 10 minutos e 300 segundos depois disso.

Amazon EMR otimizado APIs

A tabela a seguir descreve as diferenças entre cada API de integração de serviços do Amazon EMR e o Amazon EMR correspondente. APIs

API de integração de serviços do Amazon EMR API do EMR correspondente Diferenças
createCluster

Cria e inicia a execução de um cluster (fluxo de trabalho).

O Amazon EMR está vinculado diretamente a um tipo exclusivo de perfil do IAM conhecido como função vinculada ao serviço. Para que createCluster e createCluster.sync funcionem, você deve ter configurado as permissões necessárias para criar a função vinculada ao serviço AWSServiceRoleForEMRCleanup. Para obter mais informações sobre isso, incluindo uma instrução que você pode adicionar à política de permissões IAM, consulte Usar a função vinculada ao serviço para o Amazon EMR.

runJobFlow createClusterusa a mesma sintaxe de solicitação que runJobFlow, exceto pelo seguinte:
  • O campo Instances.KeepJobFlowAliveWhenNoSteps é obrigatório e deve ter o valor booliano TRUE.

  • O campo Steps não é permitido.

  • O campo Instances.InstanceFleets[index].Name deve ser fornecido e deve ser exclusivo se a API opcional do conector modifyInstanceFleetByName for usada.

  • O campo Instances.InstanceGroups[index].Name deve ser fornecido e deve ser exclusivo se a API modifyInstanceGroupByName opcional for usada.

A resposta é a seguinte:
{ "ClusterId": "string" }
O Amazon EMR usa o seguinte:
{ "JobFlowId": "string" }
createCluster.sync

Cria e inicia a execução de um cluster (fluxo de trabalho).

runJobFlow O mesmo que createCluster, mas espera que o cluster atinja o estado WAITING.
setClusterTerminationProteção

Bloqueia um cluster (fluxo de trabalho) para que as EC2 instâncias no cluster não possam ser encerradas por intervenção do usuário, uma chamada de API ou um erro de fluxo de trabalho.

setTerminationProtection A solicitação usa o seguinte:
{ "ClusterId": "string" }
O Amazon EMR usa o seguinte:
{ "JobFlowIds": ["string"] }
terminateCluster

Desliga um cluster (fluxo de trabalho).

terminateJobFlows A solicitação usa o seguinte:
{ "ClusterId": "string" }
O Amazon EMR usa o seguinte:
{ "JobFlowIds": ["string"] }
terminateCluster.sync

Desliga um cluster (fluxo de trabalho).

terminateJobFlows O mesmo que terminateCluster, mas aguarda o encerramento do cluster.
addStep

Adiciona uma nova etapa a um cluster em execução.

Se preferir, você também poderá especificar o parâmetro ExecutionRoleArn ao usar essa API.

addJobFlowEtapas

A solicitação usa a chave "ClusterId". O Amazon EMR usa o "JobFlowId". A solicitação usa uma única etapa.
{ "Step": <"StepConfig object"> }
O Amazon EMR usa o seguinte:
{ "Steps": [<StepConfig objects>] }
A resposta é a seguinte:
{ "StepId": "string" }
O Amazon EMR retorna o seguinte:
{ "StepIds": [<strings>] }
addStep.sync

Adiciona uma nova etapa a um cluster em execução.

Se preferir, você também poderá especificar o parâmetro ExecutionRoleArn ao usar essa API.

addJobFlowEtapas

O mesmo que addStep, mas aguarda a etapa ser concluída.
cancelStep

Cancela uma etapa pendente em um cluster em execução.

cancelSteps A solicitação usa o seguinte:
{ "StepId": "string" }
O Amazon EMR usa o seguinte:
{ "StepIds": [<strings>] }
A resposta é a seguinte:
{ "CancelStepsInfo": <CancelStepsInfo object> }
O Amazon EMR usa o seguinte:
{ "CancelStepsInfoList": [<CancelStepsInfo objects>] }
modifyInstanceFleetByName

Modifica as capacidades sob demanda e spot de destino para a frota de instâncias com o InstanceFleetName especificado.

modifyInstanceFleet O pedido é o mesmo que para modifyInstanceFleet, exceto pelo seguinte:
  • O campo Instance.InstanceFleetId não é permitido.

  • Em tempo de execução, o InstanceFleetId é determinado automaticamente pela integração do serviço chamando ListInstanceFleets e analisando o resultado.

modifyInstanceGroupByName

Modifica o número de nós e as configurações de um grupo de instâncias.

modifyInstanceGroups O pedido é o seguinte:
{ "ClusterId": "string", "InstanceGroup": <InstanceGroupModifyConfig object> }
O Amazon EMR usa uma lista:
{ "ClusterId": ["string"], "InstanceGroups": [<InstanceGroupModifyConfig objects>] }

Dentro do objeto InstanceGroupModifyConfig, o campo InstanceGroupId não é permitido.

Um novo campo, InstanceGroupName, foi adicionado. Em tempo de execução, o InstanceGroupId é determinado automaticamente pela integração do serviço chamando ListInstanceGroups e analisando o resultado.

Exemplo de fluxo de trabalho

Veja a seguir um estado Task que cria um cluster.

"Create_Cluster": { "Type": "Task", "Resource": "arn:aws:states:::elasticmapreduce:createCluster.sync", "Arguments": { "Name": "MyWorkflowCluster", "VisibleToAllUsers": true, "ReleaseLabel": "emr-5.28.0", "Applications": [ { "Name": "Hive" } ], "ServiceRole": "EMR_DefaultRole", "JobFlowRole": "EMR_EC2_DefaultRole", "LogUri": "s3n://aws-logs-account-id-us-east-1/elasticmapreduce/", "Instances": { "KeepJobFlowAliveWhenNoSteps": true, "InstanceFleets": [ { "InstanceFleetType": "MASTER", "Name": "MASTER", "TargetOnDemandCapacity": 1, "InstanceTypeConfigs": [ { "InstanceType": "m4.xlarge" } ] }, { "InstanceFleetType": "CORE", "Name": "CORE", "TargetOnDemandCapacity": 1, "InstanceTypeConfigs": [ { "InstanceType": "m4.xlarge" } ] } ] } }, "End": true }

Veja a seguir um estado Task que habilita a proteção contra encerramento.

"Enable_Termination_Protection": { "Type": "Task", "Resource": "arn:aws:states:::elasticmapreduce:setClusterTerminationProtection", "Arguments": { "ClusterId": "{% $ClusterId %}", "TerminationProtected": true }, "End": true }

Veja a seguir um estado Task que envia uma etapa para um cluster.

"Step_One": { "Type": "Task", "Resource": "arn:aws:states:::elasticmapreduce:addStep.sync", "Arguments": { "ClusterId": "{% $ClusterId %}", "ExecutionRoleArn": "arn:aws:iam::account-id:role/myEMR-execution-role", "Step": { "Name": "The first step", "ActionOnFailure": "CONTINUE", "HadoopJarStep": { "Jar": "command-runner.jar", "Args": [ "hive-script", "--run-hive-script", "--args", "-f", "s3://region.elasticmapreduce.samples/cloudfront/code/Hive_CloudFront.q", "-d", "INPUT=s3://region.elasticmapreduce.samples", "-d", "OUTPUT=s3://<amzn-s3-demo-bucket>/MyHiveQueryResults/" ] } } }, "End": true }

Veja a seguir um estado Task que cancela uma etapa.

"Cancel_Step_One": { "Type": "Task", "Resource": "arn:aws:states:::elasticmapreduce:cancelStep", "Arguments": { "ClusterId": "{% $ClusterId %}", "StepId": "{% $AddStepsResult.StepId %}" }, "End": true }

Veja a seguir um estado Task que encerra um cluster.

"Terminate_Cluster": { "Type": "Task", "Resource": "arn:aws:states:::elasticmapreduce:terminateCluster.sync", "Arguments": { "ClusterId": "{% $ClusterId %}", }, "End": true }

Veja a seguir um estado Task que expande ou reduz um cluster para um grupo de instâncias.

"ModifyInstanceGroupByName": { "Type": "Task", "Resource": "arn:aws:states:::elasticmapreduce:modifyInstanceGroupByName", "Arguments": { "ClusterId": "j-account-id3", "InstanceGroupName": "MyCoreGroup", "InstanceGroup": { "InstanceCount": 8 } }, "End": true }

Veja a seguir um estado Task que expande ou reduz um cluster para uma frota de instâncias.

"ModifyInstanceFleetByName": { "Type": "Task", "Resource": "arn:aws:states:::elasticmapreduce:modifyInstanceFleetByName", "Arguments": { "ClusterId": "j-account-id3", "InstanceFleetName": "MyCoreFleet", "InstanceFleet": { "TargetOnDemandCapacity": 8, "TargetSpotCapacity": 0 } }, "End": true }

Políticas do IAM para chamar o Amazon EMR

Os modelos de exemplo a seguir mostram como AWS Step Functions gera políticas do IAM com base nos recursos na definição da sua máquina de estado. Para obter mais informações, consulte Como o Step Functions gera políticas do IAM para serviços integrados e Descobrir padrões de integração de serviços no Step Functions.

addStep

Recursos estáticos

{ "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": [ "elasticmapreduce:AddJobFlowSteps", "elasticmapreduce:DescribeStep", "elasticmapreduce:CancelSteps" ], "Resource": [ "arn:aws:elasticmapreduce:[[region]]:[[accountId]]:cluster/[[clusterId]]" ] } ] }

Recursos dinâmicos

{ "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": [ "elasticmapreduce:AddJobFlowSteps", "elasticmapreduce:DescribeStep", "elasticmapreduce:CancelSteps" ], "Resource": "arn:aws:elasticmapreduce:*:*:cluster/*" } ] }

cancelStep

Recursos estáticos

{ "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": "elasticmapreduce:CancelSteps", "Resource": [ "arn:aws:elasticmapreduce:region:account-id:cluster/cluster-id" ] } ] }

Recursos dinâmicos

{ "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": "elasticmapreduce:CancelSteps", "Resource": "arn:aws:elasticmapreduce:*:*:cluster/*" } ] }

createCluster

Recursos estáticos

{ "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": [ "elasticmapreduce:RunJobFlow", "elasticmapreduce:DescribeCluster", "elasticmapreduce:TerminateJobFlows" ], "Resource": "*" }, { "Effect": "Allow", "Action": "iam:PassRole", "Resource": [ "arn:aws:iam::account-id:role/roleName" ] } ] }

setClusterTerminationProtection

Recursos estáticos

{ "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": "elasticmapreduce:SetTerminationProtection", "Resource": [ "arn:aws:elasticmapreduce:region:account-id:cluster/cluster-id" ] } ] }

Recursos dinâmicos

{ "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": "elasticmapreduce:SetTerminationProtection", "Resource": "arn:aws:elasticmapreduce:*:*:cluster/*" } ] }

modifyInstanceFleetByName

Recursos estáticos

{ "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": [ "elasticmapreduce:ModifyInstanceFleet", "elasticmapreduce:ListInstanceFleets" ], "Resource": [ "arn:aws:elasticmapreduce:region:account-id:cluster/cluster-id" ] } ] }

Recursos dinâmicos

{ "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": [ "elasticmapreduce:ModifyInstanceFleet", "elasticmapreduce:ListInstanceFleets" ], "Resource": "arn:aws:elasticmapreduce:*:*:cluster/*" } ] }

modifyInstanceGroupByName

Recursos estáticos

{ "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": [ "elasticmapreduce:ModifyInstanceGroups", "elasticmapreduce:ListInstanceGroups" ], "Resource": [ "arn:aws:elasticmapreduce:region:account-id:cluster/cluster-id" ] } ] }

Recursos dinâmicos

{ "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": [ "elasticmapreduce:ModifyInstanceGroups", "elasticmapreduce:ListInstanceGroups" ], "Resource": "*" } ] }

terminateCluster

Recursos estáticos

{ "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": [ "elasticmapreduce:TerminateJobFlows", "elasticmapreduce:DescribeCluster" ], "Resource": [ "arn:aws:elasticmapreduce:region:account-id:cluster/cluster-id" ] } ] }

Recursos dinâmicos

{ "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": [ "elasticmapreduce:TerminateJobFlows", "elasticmapreduce:DescribeCluster" ], "Resource": "arn:aws:elasticmapreduce:*:*:cluster/*" } ] }