1

如何使用 boto 向等待的 Amazon EMR 作业流添加步骤，而作业流在完成后不会终止？

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格。当我使用 Boto's 将新步骤传递给作业流程emr_conn.add_jobflow_steps(...)时，作业流程在完成或失败后终止。

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

4

3 回答 3

3

如果它正确完成，它不应该以keep_alive=True. 也就是说，它通常会在失败时退出，所以你想添加terminate_on_failure="CONTINUE"你的add_job_steps论点。

于 2012-01-29T17:14:08.333 回答
2

我用这样的东西

创建与

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)

笔记

  • 您需要填写 ~/.aws/credentials (aws configure)
  • amazon region 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，您可能必须添加 bootstrap_actions=
于 2015-05-19T12:38:49.860 回答
0

您也可以使用“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...
        ]
        )
于 2017-03-02T14:05:47.333 回答