apache-spark - 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 以从 S3 读取笔记本。为此，我使用了一个如下所示的 json 对象:

[
  {
    "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": [

        ]
      }
    ]
  }
]

我将此对象粘贴到 EMR 的软件配置页面中:

我的问题是，如何/在哪里可以直接配置 Spark 解释器，而无需在每次启动集群时从 Zeppelin 手动配置它？

Answer 1

这有点复杂，您需要做两件事:

编辑 Zeppelin 的 interpreter.json

重启解释器

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

Zeppelin 配置在 json 中，您可以使用 jq(一个工具)来操作 json。我不知道你到底想改变什么，但这里有一个添加(神秘失踪)DepInterpreter 的例子:

#!/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 脚本放入 s3 存储桶中。
然后启动您的 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]