hadoop - AWS 中使用 EC2-s 和 EFS 的 ETL 过程-6ren

hadoop - AWS 中使用 EC2-s 和 EFS 的 ETL 过程

转载作者：可可西里更新时间：2023-11-01 15:48:49

26

4

我是一名数据工程师，在设计和创建数据集成和 ELT 流程方面拥有丰富的经验。以下是我的用例，我需要将我的流程转移到 aws，想听听您的意见？我要处理的文件在 s3 中。我需要使用 Hadoop 处理这些文件。我有用 hive 编写的现有逻辑，只需要将其迁移到 aws。以下方法是否正确/可行？

启动一组 ec2 实例，最初是 5 个，启用自动缩放。
创建一个 EFS，并将其挂载到 ec2 实例上。
将文件从 s3 复制到 EFS 作为 Hadoop 表。
在 EFS 中的数据之上运行配置单元查询并创建新表。
该过程完成后，将最终报告表从 EFS 移动/导出到 s3(以某种方式)。不确定这是否可能，如果这不可能，那么整个解决方案是不可行的。6.终止 EFS 和 EC2 实例。

如果上述方法正确，Hadoop编排是如何使用EFS进行的？

谢谢，韩国

最佳答案

Spin up a fleet of ec2 instances, initially say 5, enable autoscaling.

我不确定您是否需要自动缩放。为什么？假设您启动了一个“大”查询，这会占用大量时间和 CPU。

自动缩放将启动更多实例，但它将如何在新机器上开始运行查询的“部分”？

在运行查询之前，所有机器都需要准备就绪。请记住。或者换句话说:只有现在可用的机器才能处理查询。

Copy file from s3 to EFS as Hadoop tables.

这个想法没有任何问题。请记住，您可以将数据保存在 EFS 中。

如果 EFS 对您来说太贵了，请检查提供 EBS-magnetic with Raid 0 的选项。您将以最低的成本获得极快的速度。

其余的没问题，这是进行“按需”交互式分析的方法之一。

请查看AWS Athena .

这是一项允许您对 s3 对象运行查询的服务。

您可以使用 Json 甚至 Parquet(效率更高!)

这项服务可能足以满足您的需求。

祝你好运!

关于hadoop - AWS 中使用 EC2-s 和 EFS 的 ETL 过程，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/53573756/

26

4

0

文章推荐： apache-spark - Spark 异常 : Task failed while writing rows

文章推荐： c++ - fatal error : yaml-cpp/yaml. h:没有那个文件或目录

文章推荐： apache-spark - Spark 中的 xml 处理

javascript - 使用 WebScriptEndpoint 使用 javascript 使用 WCF 服务
我在网上搜索但没有找到任何合适的文章解释如何使用 javascript 使用 WCF 服务，尤其是 WebScriptEndpoint。任何人都可以对此给出任何指导吗？谢谢最佳答案这是一篇关于
c - 没有结果!!使用 fork() 使用 dup2 使用 2 个管道运行 execlp()
我正在编写一个将运行 Linux 命令的 C 程序，例如: cat/etc/passwd | grep 列表 |剪切-c 1-5 我没有任何结果 *这里 parent 等待第一个 child (chi
python - 处理文件上传，使用 Pillow 调整大小，使用 SQLAlchemy 存储，使用 Flask 提供文件
所以我正在尝试处理文件上传，然后将该文件作为二进制文件存储到数据库中。在我存储它之后，我尝试在给定的 URL 上提供文件。我似乎找不到适合这里的方法。我需要使用数据库，因为我使用 Google 应用引
excel - 使用 IF 使用 VBA 在单元格中添加公式的问题
我正在尝试制作一个宏，将下面的公式添加到单元格中，然后将其拖到整个列中并在 H 列中复制相同的公式我想在 F 和 H 列中输入公式的数据 Range("F1").formula = "=IF(ISE
使用 OperatorPrecedenceParser 使用 FParsec 解析函数应用程序？
问题类似于this one ，但我想使用 OperatorPrecedenceParser 解析带有函数应用程序的表达式在 FParsec . 这是我的 AST: type Expression =
sql - 使用 sequelize 使用 where 查询编码计数
我想通过使用 sequelize 和 node.js 将这个查询更改为代码取决于在哪里 select COUNT(gender) as genderCount from customers where
bash - 使用 “let”分配Bash失败，使用 “/”
我正在使用GNU bash，版本5.0.3(1)-发行版(x86_64-pc-linux-gnu)，我想知道为什么简单的赋值语句会出现语法错误: #/bin/bash var1=/tmp
javascript - 使用 JavaScript 使用 FOR OF 数组循环时出现错误？
这里，为什么我的代码在 IE 中不起作用。我的代码适用于所有浏览器。没有问题。但是当我在 IE 上运行我的项目时，它发现错误。而且我的 jquery 类和 insertadjacentHTMl 也不
javascript - 使用 javascript 使用 for 属性更改表单标签内容
我正在尝试更改标签的innerHTML。我无权访问该表单，因此无法编辑 HTML。标签具有的唯一标识符是“for”属性。这是输入和标签的结构:
javascript - 使用 jquery 使用 .on() 将事件附加到页面上的动态插入按钮
我有一个页面，我可以在其中返回用户帖子，可以使用一些 jquery 代码对这些帖子进行即时评论，在发布新评论后，我在帖子下插入新评论以及删除按钮。问题是 Delete 按钮在新插入的元素上不起作用，
使用 awk 使用 sha1sum 进行散列
我有一个大约有 20 列的“管道分隔”文件。我只想使用 sha1sum 散列第一列，它是一个数字，如帐号，并按原样返回其余列。使用 awk 或 sed 执行此操作的最佳方法是什么？ Accounti
mysql - 使用 insert into 使用 mysql
我需要将以下内容插入到我的表中...我的用户表有五列 id、用户名、密码、名称、条目。 (我还没有提交任何东西到条目中，我稍后会使用 php 来做)但由于某种原因我不断收到这个错误:#1054 - U
jquery - 将输入字段值修剪为仅字母数字字符/使用 .使用 jQuery
所以我试图有一个输入字段，我可以在其中输入任何字符，但然后将输入的值小写，删除任何非字母数字字符，留下“。”而不是空格。例如，如果我输入: 地球的 70% 是水，-!*#$^^ & 30% 土地输
javascript - 使用 .innerHTML 使用 DOM
我正在尝试做一些我认为非常简单的事情，但出于某种原因我没有得到想要的结果？我是 javascript 的新手，但对 java 有经验，所以我相信我没有使用某种正确的规则。这是一个获取输入值、检查选择
php - 使用 angularjs 使用 where 子句从数据库获取数据
我想使用 angularjs 从 mysql 数据库加载数据。这就是应用程序的工作原理；用户登录，他们的用户名存储在 cookie 中。该用户名显示在主页上我想获取这个值并通过 angularjs
ios - 使用 UITableViewCell 使用 AutoLayout
我正在使用 autoLayout，我想在 UITableViewCell 上放置一个 UIlabel，它应该始终位于单元格的右侧和右侧的中心。这就是我想要实现的目标所以在这里你可以看到我正在谈论的
mysql - 使用 ElasticSearch 使用 or 和运算符搜索多个字段
我需要与 MySql 等效的 elasticsearch 查询。我的 sql 查询: SELECT DISTINCT t.product_id AS id FROM tbl_sup_price t
ios - 使用 Swift 使用 JSON
我正在实现代码以使用 JSON。 func setup() { if let flickrURL = NSURL(string: "https://api.flickr.com/
javascript - 使用 JavaScript 使用 for 循环声明变量
我尝试使用for循环声明变量，然后测试cols和rols是否相同。如果是，它将运行递归函数。但是，我在 javascript 中执行 do 时遇到问题。有人可以帮忙吗？现在，在比较 col.1 和
jquery - 使用 :after 使用 jquery 更改样式
我举了一个我正在处理的问题的简短示例。 HTML代码: 1 2 3 CSS 代码: .BB a:hover{ color: #000; } .BB > li:after {

首页

博学

6Ren·AI

商城

hadoop - AWS 中使用 EC2-s 和 EFS 的 ETL 过程