产品架构

EMR的产品架构如下图所示。

从上图可以看出EMR由四部分组成：

• 社区开源产品

  集成Apache社区开源大数据组件，例如Hadoop、Hive和HBase，随着EMR版本更新，开源软件也会相应的升级，详情请参见版本概述下各版本的版本说明。

  重要

  已经创建好的EMR集群不支持组件升级。

• EMR开源优化

  EMR基于开源社区版本的组件，增强了其性能和功能。例如，Delta Lake相较开源版本增加了ZOrder和Data Skipping能力，详情请参见Delta Lake概述。

• EMR自研能力

  为让开源大数据组件和服务更好的运行在阿里云技术设施上，EMR自研了如下组件：

  • 数据应用平台，提供交互式开发、作业提交、作业调试和工作流一站式数据开发体验，详情请参见EMR Studio概述。

  • Shuffle Service是EMR在优化计算引擎的Shuffle操作上，推出的扩展组件，详情请参见ESS概述。

  • SmartData，为EMR各个计算引擎提供统一的存储优化、缓存优化、计算缓存加速优化和多个存储功能扩展，详情请参见SmartData。

• 阿里云产品

  EMR衔接了开源大数据生态和阿里云生态。EMR可以部署在阿里云ECS（Elastic Compute Service）和Kubernetes（简称ACK）上；数据可以存储在阿里云OSS上；通过在EMR上创建Data Science集群可以使用及学习机器学习PAI；EMR集成在DataWorks，您可以在DataWorks上使用EMR作为作业计算和数据存储引擎。