配置EMR群集以进行公平调度

时间:2018-01-10 20:44:44

标签: hadoop apache-spark emr amazon-emr

我正在尝试使用公平调度来启动emr集群,以便我可以并行运行多个步骤。我看到这可以通过管道(https://aws.amazon.com/about-aws/whats-new/2015/06/run-parallel-hadoop-jobs-on-your-amazon-emr-cluster-using-aws-data-pipeline/)实现,但是我已经通过调用awscli [1]的气流作业实现了集群管理/创建自动化,所以只更新我的配置会很棒。

@OneToMany(mappedBy = "abiturients_pr")
private List<Abiturient> abiturients = new ArrayList();

我认为可以使用--configurations(https://docs.aws.amazon.com/cli/latest/reference/emr/create-cluster.html)标志来实现,但不确定正确的env名称

1 个答案:

答案 0 :(得分:1)

是的,你是对的。您可以使用EMR配置来实现目标。您可以使用以下内容创建JSON文件:

纱线config.json:

[
  {
    "Classification": "yarn-site",
    "Properties": {
      "yarn.resourcemanager.scheduler.class": "org.apache.hadoop.yarn.server.resourcemanager.scheduler.fair.FairScheduler"
    }
  }
]

根据Hadoop Fair Scheduler docs

然后将AWS CLI修改为:

aws emr create-cluster \
        --applications Name=Spark Name=Ganglia \
        --ec2-attributes "${EC2_PROPERTIES}" \
        --service-role EMR_DefaultRole \
        --release-label emr-5.8.0 \
        --log-uri ${S3_LOGS} \
        --enable-debugging \
        --name ${CLUSTER_NAME} \
        --region us-east-1 \
        --instance-groups \
        --configurations file://yarn-config.json
InstanceGroupType=MASTER,InstanceCount=1,InstanceType=m3.xlarge 
InstanceGroupType=CORE,InstanceCount=4,InstanceType=m3.xlarge)