EMRサンドボックス

Amazon EMR Sandbox Applications

いままではPrestoをEMR上にインストールする場合は、
カスタムブートストラップを利用して、Java8をインストールしたり
Prestoのセットアップを行っていました

4.0からEMRサンドボックスが利用できるようになり
カスタムブートストラップを利用しなくてもセットアップできるようになり
さらに簡単にPrestoが触れます

現在3.x系awslabs/emr-bootstrap-actionsはそのまま利用しても動作しなそうです
インストールされるjava8のバージョン起因でエラーが発生すると思います

Setup

起動方法は2通りAwsConsole or AWSCLIのどちらかです
Consoleは直感的ですごくよくわかるのでCLIの方だけ

CLIによるクラスタ起動

AWS CLI Command Reference

start-emr-cluster

EMR_SETUPDIR=/path/to/config # 各設定が記載されたjsonファイル

# 旧クラスタ起動コマンド(例)
aws emr create-cluster \
    --release-label emr-4.2.0 \
    --name emr-presto-cluster \
    --instance-groups file://${EMR_SETUPDIR}/instance-setup.json \
    --use-default-roles \
    --no-auto-terminate \
    --visible-to-all-users \
    --applications      file://${EMR_SETUPDIR}/applications-setup.json \
    --ec2-attributes    file://${EMR_SETUPDIR}/ec2-attributes.json \
    --configurations    file://${EMR_SETUPDIR}/app-config.json

各種設定ファイル例

instance-setup.json

[
    {
        "Name" : "emr-master",
        "InstanceGroupType" : "MASTER",
        "InstanceCount" : 1,
        "InstanceType"  : "m2.xlarge",
        "BidPrice"      : "0.1"
    },
    {
        "Name" : "emr-core",
        "InstanceGroupType" : "CORE",
        "InstanceCount" : 2,
        "InstanceType"  : "m2.4xlarge",
        "BidPrice"      : "0.1"
    }
]

instance-setup.json

[
    {
        "Name": "Hadoop"
    },
    {
        "Name": "Hive"
    },
    {
        "Name": "Presto-Sandbox"
    }
]

ec2-attributes.json

{
    "SubnetId" : "subnet-xxxxxxxxx",
    "KeyName"  : "ssh-keyname"
}

app-config.json

[
  {
    "Classification": "hive-site",
    "Properties": {
        "javax.jdo.option.ConnectionUserName": "username",
        "javax.jdo.option.ConnectionPassword": "password",
        "javax.jdo.option.ConnectionURL"     : "jdbc:mysql://external-metastore/hive_metastore",
    }
  }
]

4.0以前のコマンドと大きな変更が以下の通り

AMIの選択方法の変更

旧: --ami-version x.x.x
新: --release-label emr-x.x.x
4.0以上のAMIの指定はversionじゃなくてrelease-labelで指定します

ApplicationsによるPrestoの選択

instance-setup.json のこの一文でインストールされます

 "Name": "Presto-Sandbox"

インストールされるバージョンは選択したAMIバージョンによって変わります

configurationsの追加

Configuring Applications

hiveのメタストアを外部で指定していた人は、
hive-site.xmlをブートストラップかStepでゴニョゴニョしてたと思いますが
configurationsで指定することで設定を書き換えてくれます

app-config.json

[
  {
    "Classification": "hive-site",
    "Properties": {
        "javax.jdo.option.ConnectionUserName": "user",
        "javax.jdo.option.ConnectionPassword": "password",
        "javax.jdo.option.ConnectionURL"     : "jdbc:mysql://metastore-mysql-host:3306/hive_metastore",
    }
  }
]

AMI3.x と 4.x の違いその他

詳しくはココ -> Differences Introduced in 4.x

まとめ

Sandboxのおかげでhive,Pigを選択するようにPrestoも選択可能になったよ