如何启动和使用博托配置EMR集群

本文介绍了如何启动和使用博托配置EMR集群的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！ 问题描述

我想推出一个集群，并运行一个作业全部采用博托。 我发现很多的的创建job_flows的例子。但我不能为我的生活，找到一个例子，显示了：

I'm trying to launch a cluster and run a job all using boto. I find lot's of examples of creating job_flows. But I can't for the life of me, find an example that shows:

如何定义集群中使用（由clusted_id）

如何配置启动群集（例如，如果我想使用现货实例对一些任务节点）

我缺少的东西？

推荐答案

博托和基础EMR API目前混合条件的的群集和作业流程的，和工作流程是是de$p$pcated.我认为他们的同义词。

Boto and the underlying EMR API is currently mixing the terms cluster and job flow, and job flow is being deprecated. I consider them synonyms.

您创建一个新的群集通过调用 boto.emr.connection.run_jobflow（）功能。它会返回集群ID，它的电子病历为您生成。

You create a new cluster by calling the boto.emr.connection.run_jobflow() function. It will return the cluster ID which EMR generates for you.

首先强制事情：

#!/usr/bin/env python import boto import boto.emr from boto.emr.instance_group import InstanceGroup conn = boto.emr.connect_to_region('us-east-1')

然后，我们指定实例群体，包括我们要付出的任务节点的现货价格：

Then we specify instance groups, including the spot price we want to pay for the TASK nodes:

instance_groups = [] instance_groups.append(InstanceGroup( num_instances=1, role="MASTER", type="m1.small", market="ON_DEMAND", name="Main node")) instance_groups.append(InstanceGroup( num_instances=2, role="CORE", type="m1.small", market="ON_DEMAND", name="Worker nodes")) instance_groups.append(InstanceGroup( num_instances=2, role="TASK", type="m1.small", market="SPOT", name="My cheap spot nodes", bidprice="0.002"))

最后，我们开始了新的集群：

Finally we start a new cluster:

cluster_id = conn.run_jobflow( "Name for my cluster", instance_groups=instance_groups, action_on_failure='TERMINATE_JOB_FLOW', keep_alive=True, enable_debugging=True, log_uri="s3://mybucket/logs/", hadoop_version=None, ami_version="2.4.9", steps=[], bootstrap_actions=[], ec2_keyname="my-ec2-key", visible_to_all_users=True, job_flow_role="EMR_EC2_DefaultRole", service_role="EMR_DefaultRole")

我们还可以打印集群ID，如果我们关心的是：

We can also print the cluster ID if we care about that:

print "Starting cluster", cluster_id