Boto：如何在完成/失败后保持 EMR 作业流程运行？

发布于 2024-12-13 09:03:53 字数 307 浏览 0 评论 0原文

如何使用 boto 向正在等待的 Amazon EMR 作业流程添加步骤，而作业流程在完成后不会终止？

我在 Amazon 的 Elastic Map Reduce 上创建了一个交互式作业流程并加载了一些表。当我使用 Boto 的 emr_conn.add_jobflow_steps(...) 将新步骤传递到作业流程时，作业流程会在完成或失败后终止。

我知道我可以使用带有 keep_alive 参数的 run_jobflow 来启动 boto 作业流程 - 但我想使用已经在运行的流程。

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

花海 2024-12-20 09:03:53

如果正确完成，则不应以 keep_alive=True 终止。也就是说，它通常会在失败时退出，因此您需要将 terminate_on_failure="CONTINUE" 添加到您的 add_job_steps 参数中。

回复收藏 0 原文

梦明 2024-12-20 09:03:53

我使用类似这样的

创建方法，

import boto.emr

conn = boto.emr.connect_to_region('us-west-2')
jobid = conn.run_jobflow(name='cluster-name',
                     ec2_keyname="yourkeyhere",
                     num_instances=3,
                     master_instance_type='m1.medium',
                     slave_instance_type='m1.medium',
                     keep_alive=True,
)

将作业添加到现有集群（稍等一下，让集群处于等待状态）

import boto.emr

conn = boto.emr.connect_to_region('us-west-2')
# get the list of waiting cluster and take the first one
jobid =  conn.describe_jobflows(states=["WAITING"])[0].jobflowid
print jobid
flow_steps = list()
runThing = boto.emr.step.ScriptRunnerStep(
                        name="job step name",
                        step_args = ["s3://yours3bucket/dosmthg.sh"])
flow_steps.append(runThing)
conn.add_jobflow_steps(jobid, flow_steps)

，注意

您需要填写 ~/.aws/credentials（aws 配置）
亚马逊区域 us-west- 2 目前有更新的 ami 版本，
如果您需要 hive、pig 或自定义安装步骤，您可能需要添加 bootstrap_actions=

I use something like this

create with

import boto.emr

conn = boto.emr.connect_to_region('us-west-2')
jobid = conn.run_jobflow(name='cluster-name',
                     ec2_keyname="yourkeyhere",
                     num_instances=3,
                     master_instance_type='m1.medium',
                     slave_instance_type='m1.medium',
                     keep_alive=True,
)

add a job to an existing cluster with (wait a little for cluster to be in waiting state)

import boto.emr

conn = boto.emr.connect_to_region('us-west-2')
# get the list of waiting cluster and take the first one
jobid =  conn.describe_jobflows(states=["WAITING"])[0].jobflowid
print jobid
flow_steps = list()
runThing = boto.emr.step.ScriptRunnerStep(
                        name="job step name",
                        step_args = ["s3://yours3bucket/dosmthg.sh"])
flow_steps.append(runThing)
conn.add_jobflow_steps(jobid, flow_steps)

notes

you need to have ~/.aws/credentials filled up (aws configure)
amazon region us-west-2 currently has the more recent ami version
you can may have to add bootstrap_actions= if you need hive, pig or custom installation steps

回复收藏 0 原文

北座城市 2024-12-20 09:03:53

您还可以使用“KeepJobFlowAliveWhenNoSteps”标志来执行此操作。

response = emr.run_job_flow(
        Name="start-my-cluster",
        ReleaseLabel="emr-5.3.1",
        LogUri='s3://logs',
        Instances={
            'InstanceGroups': [
                {'Name': 'EmrMaster',
                 'InstanceRole': 'MASTER',
                 'InstanceType': 'm3.xlarge',
                 'InstanceCount': 1},
                {'Name': 'EmrCore',
                 'InstanceRole': 'CORE',
                 'InstanceType': 'm3.xlarge',
                 'InstanceCount': 2}
            ],
            'Ec2KeyName': 'my-key-name',
            'KeepJobFlowAliveWhenNoSteps' : True,
        },
        Applications=[{'Name': 'Hadoop'}, {'Name': 'Spark'}, {'Name': 'Hive'}],
        JobFlowRole='EMR_EC2_DefaultRole',
        ServiceRole='EMR_DefaultRole',
        VisibleToAllUsers=True,
        Steps=[
            # steps go here...
        ]
        )

You can also do this with the 'KeepJobFlowAliveWhenNoSteps' flag.

response = emr.run_job_flow(
        Name="start-my-cluster",
        ReleaseLabel="emr-5.3.1",
        LogUri='s3://logs',
        Instances={
            'InstanceGroups': [
                {'Name': 'EmrMaster',
                 'InstanceRole': 'MASTER',
                 'InstanceType': 'm3.xlarge',
                 'InstanceCount': 1},
                {'Name': 'EmrCore',
                 'InstanceRole': 'CORE',
                 'InstanceType': 'm3.xlarge',
                 'InstanceCount': 2}
            ],
            'Ec2KeyName': 'my-key-name',
            'KeepJobFlowAliveWhenNoSteps' : True,
        },
        Applications=[{'Name': 'Hadoop'}, {'Name': 'Spark'}, {'Name': 'Hive'}],
        JobFlowRole='EMR_EC2_DefaultRole',
        ServiceRole='EMR_DefaultRole',
        VisibleToAllUsers=True,
        Steps=[
            # steps go here...
        ]
        )

回复收藏 0 原文

~没有更多了~