启动集群时，在EMR上配置Zeppelin的Spark解释器

Question

我正在EMR上创建集群并配置Zeppelin从S3读取笔记本。为此，我使用的json对象如下：

[
  {
    "Classification": "zeppelin-env",
    "Properties": {

    },
    "Configurations": [
      {
        "Classification": "export",
        "Properties": {
        "ZEPPELIN_NOTEBOOK_STORAGE":"org.apache.zeppelin.notebook.repo.S3NotebookRepo",
          "ZEPPELIN_NOTEBOOK_S3_BUCKET":"hs-zeppelin-notebooks",
          "ZEPPELIN_NOTEBOOK_USER":"user"
        },
        "Configurations": [

        ]
      }
    ]
  }
]

我在EMR的Stoftware配置页面中粘贴了这个对象： 我的问题是，我是如何/在何处直接配置Spark解释器而无需在每次启动集群时从Zeppelin手动配置它？

Answer 1

这有点牵扯，你需要做两件事：

1. 编辑Zeppelin的interpreter.json
2. 重新启动解释程序

因此，您需要做的是编写一个shell脚本，然后向运行此shell脚本的EMR集群配置添加一个额外的步骤。

Zeppelin配置在json中，你可以使用jq（一个工具）来操作json。我不知道你想要改变什么，但这里有一个例子，它增加了（神秘缺失的）DepInterpreter：

#!/bin/bash

# 1 edit the Spark interpreter
set -e
cat /etc/zeppelin/conf/interpreter.json | jq '.interpreterSettings."2ANGGHHMQ".interpreterGroup |= .+ [{"class":"org.apache.zeppelin.spark.DepInterpreter", "name":"dep"}]' | sudo -u zeppelin tee /etc/zeppelin/conf/interpreter.json


# Trigger restart of Spark interpreter
curl -X PUT http://localhost:8890/api/interpreter/setting/restart/2ANGGHHMQ

将此shell脚本放在s3存储桶中。 然后使用

启动EMR集群

--steps Type=CUSTOM_JAR,Name=CustomJAR,ActionOnFailure=CONTINUE,Jar=s3://eu-west-1.elasticmapreduce/libs/script-runner/script-runner.jar,Args=[s3://mybucket/script.sh]

Answer 2

我建议使用Terraform创建集群 有一个命令：

configurations_json = "${file("config.json")}"

这可以让您将json文件作为emr集群的配置文件注入

https://www.terraform.io/docs/providers/aws/r/emr_cluster.html

致谢