Question

我想按需执行Spark作业。因此，只有当我收到触发事件时，我才想使用通过此触发事件到达的输入执行Spark作业。由于触发事件不频繁，我不想使用Spark Streaming。我的目标是在AWS EMR集群中部署该工具。我希望能够按需创建EMR集群（通过触发器），在那里执行Spark作业并关闭集群。有没有关于如何从Scala处理这些操作的好例子？

Answer 1

AWS Data Pipeline似乎是您定义的问题的正确解决方案。 AWS Data Pipeline允许您连接AWS基础架构中的多个服务范围，例如存储和处理。
您可以使用AWS Data管道中的EMRActivity创建EMR作业。管道将在满足前置条件或预定时间间隔时触发。
它将设置一个EMR集群，其中包含您指定的规范和您定义的Spark步骤
作业完成后，群集可以自动终止。

这个问题question将帮助您入门。

您还可以在使用Choose a Template选项创建管道时启动AWS Data Pipeline using this definition。对于此选项，您可以使用上面共享的模板。

Answer 2

Lambda函数可能是一个好的解决方案，只要它可以启动EMR集群即可。 Lambda函数可以按需启动，也可以使用许多不同的触发器来启动。

这可能是开始设置Lambda函数的好模板：

`

import sys
import time

import boto3

def lambda_handler(event, context):
    conn = boto3.client("emr")
    # chooses the first cluster which is Running or Waiting
    # possibly can also choose by name or already have the cluster id
    clusters = conn.list_clusters()
    # choose the correct cluster
    clusters = [c["Id"] for c in clusters["Clusters"] 
                if c["Status"]["State"] in ["RUNNING", "WAITING"]]
    if not clusters:
        sys.stderr.write("No valid clusters\n")
        sys.stderr.exit()
    # take the first relevant cluster
    cluster_id = clusters[0]
    # code location on your emr master node
    CODE_DIR = "/home/hadoop/code/"

    # spark configuration example
    step_args = ["/usr/bin/spark-submit", "--spark-conf", "your-configuration",
                 CODE_DIR + "your_file.py", '--your-parameters', 'parameters']

    step = {"Name": "what_you_do-" + time.strftime("%Y%m%d-%H:%M"),
            'ActionOnFailure': 'CONTINUE',
            'HadoopJarStep': {
                'Jar': 's3n://elasticmapreduce/libs/script-runner/script-runner.jar',
                'Args': step_args
            }
        }
    action = conn.add_job_flow_steps(JobFlowId=cluster_id, Steps=[step])
    return "Added step: %s"%(action)

`

Answer 3

与其通过api来旋转EMR集群，不如使用EMR更好在云形成模板中配置并开始云形成模板（CFT）。通过CFT，您可以处理IAM角色，创建S3 水桶等
通过lambda旋转EMR集群；如果正在进行或正在等待任何火花作业，则让另一个Lambda监视EMR。如果没有空闲时间（例如15分钟），则对CFT进行拆解，从而终止EMR

如何按需创建EMR集群并执行aws emr命令？

3 个答案: