创建集群

前提条件

已完成RAM授权，详细信息请参见角色授权。

注意事项

EMR-5.12.1及后续版本，EMR-3.46.1及后续版本的DataLake、DataFlow、DataServing和Custom集群，如果所选服务可以不依赖Core节点，则可以在节点组区域单击操作列的移除节点组。

操作步骤

1. 进入EMR on ECS页面。

   1. 登录E-MapReduce控制台。

   2. 在顶部菜单栏处，根据实际情况选择地域和资源组。

      • 地域：创建的集群将会在对应的地域内，一旦创建不能修改。

      • 资源组：默认显示账号全部资源。

2. 单击上方的创建集群。

3. 配置集群信息。

   创建集群时，您需要对集群进行软件配置、硬件配置、基础配置和确认订单。

   说明

   集群创建完成后，除了集群名称以外，其他配置均无法修改，所以在创建时请仔细确认各项配置。

   1. 软件配置。

      配置项	描述
      地域	集群节点ECS实例所在的物理位置。
      业务场景	新版数据湖（DataLake）：提供更灵活、可靠、高效的管理集群，更快的运行大数据计算引擎并提供出色的数据分析能力。 支持构建数据湖架构，使用JindoFS进行数据湖加速。 支持OSS-HDFS（全托管HDFS）作为存储，减少您的运维成本，完全基于使用量计费。 更多信息，请参见数据湖集群。 数据分析（OLAP）：将海量数据通过导入或者外表等形式引入到OLAP分析引擎里，例如，Clickhouse、StarRocks，提供高效、实时和灵活的数据分析能力，满足用户画像、人群圈选、BI报表和业务分析等一系列的业务场景。 实时数据流（DataFlow）：是EMR平台上提供的实时计算一站式解决方案，拥有分布式的、高吞吐量和高可扩展性的消息系统Kafka和基于Apache Flink官方产品Ververica提供的Flink商业内核两大组件，专注于解决实时计算端到端的各类问题、广泛应用于实时数据ETL和日志采集分析等场景，您也可以单独使用其中任一组件。 数据服务（DataServing）： 提供更灵活、可靠、高效的数据服务集群。 提供半托管HBase集群，同时可以基于OSS-HDFS（JindoFS服务）解耦计算集群与数据存储。 支持JindoData本地缓存以进一步提高数据服务集群的读写性能。 更多信息，请参见数据服务集群。 更多场景 > 自定义集群（Custom）：您可以根据需求选择需要的服务。 说明 在生产环境下请不要部署多个存储服务在一个节点组上。 更多场景 > 机器学习（Data Science）：主要面向大数据+AI场景。 提供分布式深度学习框架。 提供两百多种经典机器学习算法包。 提供AutoML能力，10余种深度学习算法，覆盖推荐和广告等场景。 更多场景 > 数据湖：用于构建大规模数据处理框架和管道，适用于大数据分析，支持Apache Hive、Spark和Presto等开源框架。支持的集群类型如下： Hadoop： 提供最丰富的开源组件列表，完全兼容Hadoop生态。 可应用于大数据离线处理、实时处理和交互式查询等多种使用场景。 支持构建数据湖架构，使用JindoFS进行数据湖加速。 Zookeeper：提供独立的分布式一致性锁服务，适用于大规模的Hadoop集群、HBase集群和Kafka集群。 Presto：是基于内存的分布式SQL交互式查询引擎。支持多种数据源，适合PB级海量数据的复杂分析，以及跨数据源的查询。
      产品版本	默认展示最新的软件版本。
      服务高可用	默认关闭。开启后，集群会有多个Master节点来支持ResourceManager和NameNode的高可用。
      可选服务	根据您的实际需求选择其他的一些服务，被选中的服务会默认启动相关的服务进程。 说明 服务越多，对机器的配置要求也越高，所以在下面的步骤中您需要根据实际的服务数量进行机器选型，否则可能没有足够的资源运行这些服务。
      允许采集服务运行日志	支持一键开启或关闭所有服务的日志采集。默认开启。开启后，将收集您的服务运行日志，这些日志仅供集群诊断使用。 集群创建后，您可以在基础信息页面，修改服务运行日志收集状态。 重要 关闭日志采集后，EMR的健康检查和技术支持将受到限制，但其他功能仍可正常使用。如何关闭及影响详情，请参见如何停止采集服务日志？。
      元数据	支持以下方式存储和管理元数据： DLF统一元数据：表示元数据存储在数据湖构建DLF中。 重要 选择该方式时，需要开通数据湖构建DLF产品，您可以单击下方的开通，前往DLF控制台操作。 开通DLF后，系统会为您选择默认的DLF数据目录，默认为UID。如果针对不同集群您期望使用不同的数据目录，则可以按照以下方式新建目录。 单击创建数据目录，在弹出的对话框中输入目录ID，单击确定。详情请参见数据目录。 在DLF数据目录下拉列表中，选择您新建的数据目录。 自建RDS：表示使用自建的阿里云RDS作为元数据库。 选择该方式时，需要配置已有RDS相关的参数，详情请参见配置自建RDS。 内置MySQL：不建议使用，该方式的元数据存储在集群本地环境的MySQL数据库中。 说明 测试场景：推荐使用DLF统一元数据。 生产场景：可以使用DLF统一元数据或自建RDS。
      集群存储根路径	当您在可选服务区域选择了OSS-HDFS服务时，需要配置该参数，如果选择的是HDFS服务，则无需配置该参数。 选择一个开通了OSS-HDFS服务的Bucket。 说明 在选择使用OSS-HDFS服务之前，请确保您选择的地域支持该服务。否则，您可以尝试更换地域或使用HDFS服务替代OSS-HDFS服务。OSS-HDFS服务目前支持的地域信息，请参见开通并授权访问OSS-HDFS服务。 EMR-5.12.1及后续版本，EMR-3.46.1及后续版本的DataLake、DataFlow、DataServing和Custom集群，支持选择OSS-HDFS服务。如果选择HDFS服务而非OSS-HDFS服务，则无需配置该参数。
      HBase日志存储	默认勾选，表示HBase将HLog文件存储在HDFS中。 说明 EMR-5.12.1及后续版本，EMR-3.46.1及后续版本，选择了OSS-HDFS和HBase服务时，才会显示此参数。
      Hive存储模式	默认勾选，使用数据湖存储OSS-HDFS或OSS作为数据仓库的存储目录。如果取消勾选，则使用集群HDFS作为存储目录。 说明 仅EMR-5.12.0及之前版本，EMR-3.46.0及之前版本，且选择了Hive服务时，才会显示此参数。
      Hive数据仓库路径	选择一个OSS或OSS-HDFS Bucket。推荐选择OSS-HDFS Bucket。 说明 仅EMR-5.12.0及之前版本，EMR-3.46.0及之前版本，且选择了Hive服务时，才会显示此参数。 请确保具有访问OSS/OSS-HDFS Bucket的权限。
      HBase存储模式	使用数据湖存储OSS-HDFS或HDFS存储HBase的数据文件。 说明 仅EMR-5.12.0及之前版本，EMR-3.46.0及之前版本，且选择了HBase服务时，才会显示此参数。
      HBase存储路径	选择OSS-HDFS Bucket。 说明 仅EMR-5.12.0及之前版本，EMR-3.46.0及之前版本，选择了HBase服务，且HBase存储模式选择OSS-HDFS时，才会显示此参数。
      高级设置	Kerberos身份认证：是否开启集群的Kerberos认证功能。默认不开启。 重要 Knox和Kudu服务不支持开启Kerberos身份认证。 软件自定义配置：可指定JSON文件对集群中的基础软件（例如Hadoop、Spark和Hive等）进行配置，详细使用方法请参见配置自定义软件。默认不开启。 说明 针对Hive作业并发量的设置，请参见如何预估Hive作业并发量的上限值？。

   2. 硬件配置。

      配置项	说明
      付费类型	默认包年包月。当前支持的付费类型如下： 按量付费：一种后付费模式，即先使用再付费。按量付费是根据实际使用的小时数来支付费用，每小时计费一次，适合短期的测试任务或是灵活的动态任务。 包年包月：一种预付费模式，即先付费再使用。 说明 建议测试场景下使用按量付费，测试正常后再新建一个包年包月的生产集群正式使用。 包年包月实例还需选择付费时长和是否开启自动续费。默认续费时长为6个月，且开启自动续费。开启自动续费后，实例到期前7天会执行自动续费操作，详情请参见续费说明。
      可用区	可用区为在同一地域下的不同物理区域，可用区之间内网互通。通常使用默认的可用区即可。
      专有网络	专有网络是您在阿里云自己定义的一个隔离网络环境，您可以完全掌控自己的专有网络。 选择已有的专有网络，或者单击创建VPC前往专有网络控制台即时创建专有网络，详情请参见创建和管理专有网络。
      交换机	交换机（vSwitch）是组成专有网络VPC（Virtual Private Cloud）的基础网络模块，用来连接不同的云资源。 选择已有的交换机，或者单击创建交换机前往专有网络控制台即时创建交换机，详情请参见创建和管理交换机。
      默认安全组	安全组是一种虚拟防火墙，用于控制安全组内实例的入流量和出流量。更多信息，请参见安全组概述。 选择已有的安全组，或者单击新建安全组前往ECS控制台新建一个安全组，详情请参见创建安全组。 重要 禁止使用ECS上创建的企业安全组。
      节点组	您可以根据需要选择实例规格，详情请参见实例规格族。 节点组类型 Master：主要负责ResourceManager和NameNode等控制进程的部署。 Core：主要负责集群所有数据的存储，创建集群完成后也支持按需进行扩容。 Task：不保存数据，调整集群的计算力使用。默认不开启，需要时可自定义配置。 节点组配置项 加入部署集：开启高可用后，Master默认加入部署集。部署集是控制实例分布的策略，详情请参见部署集概述。 系统盘：根据需要选择SSD云盘、ESSD云盘或者高效云盘。系统盘大小请根据需要调整。 数据盘：根据需要选择SSD云盘、ESSD云盘或者高效云盘。数据盘大小请根据需要调整。 说明 当您选择ESSD云盘时，可以根据所选云盘的容量大小来设置不同的性能级别（PL级别），以满足不同的集群性能需求。默认的性能级别为PL1。根据云盘的容量范围，系统盘支持PL0、PL1和PL2三个性能级别的云盘规格，数据盘支持PL0、PL1、PL2和PL3四个性能级别的云盘规格。云盘的详细信息，请参见云盘概述。 实例数量：Maseter节点组默认1台。如果开启高可用，可以有多台Master实例。 Core节点组默认2台，您可以根据需要调整。 附加安全组：附加安全组可以灵活定制不同的外部资源或应用程序之间的访问。您最多可以为该节点组关联2个附加安全组。 挂载公网：集群是否挂载弹性公网IP地址，默认不开启。仅DataLake集群支持节点组级别挂载公网。 说明 如果您未开启该功能，创建后您想使用公网IP地址访问，请在ECS上申请开通公网IP地址，详情请参见弹性公网IP中的申请EIP的内容。

   3. 基础配置。

      配置项	说明
      集群名称	集群的名字，长度限制为1~64个字符，仅可使用中文、字母、数字、短划线（-）和下划线（_）。
      身份凭证	身份凭证用于安全地登录集群的Master节点，登录操作请参见登录集群。支持以下身份： 密钥对（默认）：选择已有的密钥对，或者单击新建密钥对即时创建密钥对。 密钥对是一种安全便捷的登录认证方式，由公钥和私钥组成，仅支持Linux实例。关于密钥对的使用详情，请参见SSH密钥对。 密码：设置Master节点的登录密码，并输入确认密码。用户名默认为root。 密码规则：8~30个字符，且必须同时包含大写字母、小写字母、数字和特殊字符。 特殊字符包括：感叹号（!）、at（@）、井号（#）、美元符号（$）、百分号（%）、乘方（^）、and（&）和星号（*）。
      高级设置	ECS应用角色：当用户的程序在EMR计算节点上运行时，可不填写阿里云AccessKey来访问相关的云服务（例如OSS），EMR会自动申请一个临时AccessKey来授权本次访问。ECS应用角色用于控制该AccessKey的权限。 引导操作：可选配置。在集群启动前执行的脚本，可以安装第三方软件或者修改集群运行环境，详情请参见管理引导操作。 标签：可选配置。您可以在创建集群时绑定标签，也可以在集群创建完成后。添加标签，可以方便您识别和管理拥有的集群资源，详情请参见设置标签。 资源组：可选配置。资源组会对您拥有的云资源从用途、权限和归属等维度上进行分组，详情请参见使用资源组。 数据盘加密：可选配置。仅支持在创建集群时开启该功能。打开该功能，数据盘上的动态数据传输以及静态数据都会被加密，详情请参见开启数据盘加密。

      说明

      页面右边会显示您所创建集群的配置清单以及集群费用。根据不同的付费类型，展示不同的价格信息。

4. 当所有的信息确认正确后，选中服务协议。

5. （可选）如果身份认证选择的密钥对，则可以单击保存为集群模板，保存当前集群的配置信息为集群模板。

   1. 在保存为集群模板对话框中，输入集群模板名称，选择集群模板资源组。

      参数	说明
      集群模板名称	输入集群模板的名称，方便后期管理。长度限制为1-64个字符，只允许包含中文、字母、数字、-、_。
      集群模板资源组	根据需要选择已有的资源组，方便对模板进行分组管理。

   2. 单击确定。

      即会在管理集群模板面板中新增一个集群模板。集群模板的详细信息，请参见创建集群模板。

6. 单击确认订单。

   重要

   • 按量付费集群：立刻开始创建。 集群创建完成后，集群的状态变为运行中。

   • 包年包月集群：先生成订单，支付完成订单以后集群才会开始创建。