Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Usare Presto con il AWS Glue Data Catalog
Utilizzando la versione 5.10.0 e successive di Amazon EMR, puoi specificare AWS Glue Data Catalog come metastore Hive predefinito per Presto. Si consiglia questa configurazione quando si richiede un metastore persistente o un metastore condiviso da diversi cluster, servizi e applicazioni o Account AWS.
AWS Glue è un servizio di estrazione, trasformazione e caricamento (ETL) completamente gestito che rende semplice ed economico classificare i dati, pulirli, arricchirli e spostarli in modo affidabile tra vari archivi di dati. Il AWS Glue Data Catalog fornisce un repository di metadati unificato su una varietà di fonti di dati e formati di dati, che si integra con Amazon EMR, Amazon RDS, Amazon Redshift, Redshift Spectrum, Athena e qualsiasi applicazione compatibile con il metastore Apache Hive. AWS I Glue crawler possono dedurre automaticamente lo schema dai dati di origine in Amazon S3 e archiviare i metadati associati nel Data Catalog. Per ulteriori informazioni sul Data Catalog, consulta [Populating the AWS Glue Data Catalog](https://docs.aws.amazon.com/glue/latest/dg/populate-data-catalog.html) nella *AWS Glue Developer Guide*.
Per AWS Glue si applicano costi separati. È prevista una tariffa mensile per l'archiviazione e l'accesso ai metadati nel Data Catalog, una tariffa oraria fatturata al minuto per i job di AWS Glue ETL e il runtime del crawler e una tariffa oraria fatturata al minuto per ogni endpoint di sviluppo assegnato. Il Data Catalog consente di archiviare fino a un milione di oggetti senza costi aggiuntivi. Se intendi archiviare più di un milione di oggetti, ti verrà addebitato 1 USD per ogni 100.000 oggetti oltre il milione. Un oggetto nel Data Catalog può essere una tabella, una partizione o un database. Per ulteriori informazioni, consulta [Prezzi di Glue](https://aws.amazon.com/glue/pricing).
**Importante**
Se hai creato tabelle utilizzando Amazon Athena o Amazon Redshift Spectrum prima del 14 agosto 2017, i database e le tabelle vengono archiviati in un catalogo gestito da Athena, separato dal Glue Data Catalog. AWS Per integrare Amazon EMR con queste tabelle, devi eseguire l'upgrade al AWS Glue Data Catalog. Per ulteriori informazioni, consulta [l'aggiornamento al AWS Glue Data Catalog](https://docs.aws.amazon.com/athena/latest/ug/glue-upgrade.html) nella Guida per l'utente di *Amazon Athena*.
## Specificare AWS Glue Data Catalog come metastore
Puoi specificare il AWS Glue Data Catalog come metastore utilizzando Console di gestione AWS AWS CLI, o l'API Amazon EMR. Quando si utilizza la CLI o l'API, è possibile utilizzare la classificazione di configurazione per Presto per specificare un Data Catalog. Inoltre, con Amazon EMR 5.16.0 e versioni successive, puoi utilizzare la classificazione di configurazione per specificare un catalogo dati in un altro. Account AWS Quando utilizzi la console, puoi specificare il Data Catalog utilizzando **Advanced Options (Opzioni avanzate)** o **Quick Options (Opzioni rapide)**.
------
#### [ Console ]
**Per specificare AWS Glue Data Catalog come metastore Hive con la nuova console**
1. [Accedi a e apri Console di gestione AWS la console Amazon EMR su https://console.aws.amazon.com /emr.](https://console.aws.amazon.com/emr)
1. In **EMR on EC2** (EMR su EC2), nel riquadro di navigazione a sinistra, scegli **Clusters** (Cluster) e seleziona **Create cluster** (Crea cluster).
1. In **Application bundle** (Bundle di applicazioni), scegli **Presto**.
1. In **Impostazioni del Catalogo dati AWS Glue**, seleziona la casella di controllo **Utilizza per i metadati delle tabelle Presto**.
1. Scegli qualsiasi altra opzione applicabile al cluster.
1. Per avviare il cluster, scegli **Create cluster** (Crea cluster).
------
#### [ CLI ]
**Per specificare il AWS Glue Data Catalog come metastore Hive predefinito utilizzando il AWS CLI**
Per esempi su come specificare le seguenti classificazioni di configurazione al momento della creazione di un cluster, consulta [Configurazione delle applicazioni](emr-configure-apps.md).
**Amazon EMR 5.16.0 e versioni successive**
+ Imposta la proprietà `hive.metastore` su `glue`, come mostrato nell'esempio JSON seguente.
```
[
{
"Classification": "presto-connector-hive",
"Properties": {
"hive.metastore": "glue"
}
}
]
```
Per specificare un Data Catalog in un altro Account AWS, aggiungete la `hive.metastore.glue.catalogid` proprietà come mostrato nel seguente esempio JSON. Sostituisci `acct-id` con l'account AWS di Data Catalog. Non puoi utilizzare un Catalogo di dati in un altro Account AWS se utilizzi Amazon EMR versione 5.15.0 e precedenti.
```
[
{
"Classification": "presto-connector-hive",
"Properties": {
"hive.metastore": "glue",
"hive.metastore.glue.catalogid": "acct-id"
}
}
]
```
**Amazon EMR 5.10.0 fino a 5.15.0**
Impostare la proprietà `hive.metastore.glue.datacatalog.enabled` su `true`, come mostrato nell'esempio JSON seguente:
```
[
{
"Classification": "presto-connector-hive",
"Properties": {
"hive.metastore.glue.datacatalog.enabled": "true"
}
}
]
```
**Amazon EMR 6.1.0 e versioni successive utilizzando PrestoSQL (Trino)**
A partire da EMR versione 6.1.0, PrestoSQL supporta anche Glue come metastore Hive predefinito. Utilizza la classificazione della configurazione `prestosql-connector-hive` e imposta la proprietà `hive.metastore` su `glue` come mostrato nel seguente esempio di JSON.
Amazon EMR versione 6.4.0 e successive utilizza il nuovo nome Trino anziché PrestoSQL. Se usi Trino, sostituisci `prestosql-connector-hive` nella seguente classificazione di configurazione con `trino-connector-hive`.
```
[
{
"Classification": "prestosql-connector-hive",
"Properties": {
"hive.metastore": "glue"
}
}
]
```
Per cambiare metastore di un cluster di lunga esecuzione, è possibile impostare manualmente questi valori come appropriati per la tua versione di release collegandoti al nodo master, modificando i valori di proprietà direttamente nel file `/etc/presto/conf/catalog/hive.properties` e riavviando il server Presto (`sudo restart presto-server`). Se utilizzi questo metodo con Amazon EMR 5.15.0 e versioni precedenti, assicurati che `hive.table-statistics-enabled` sia impostato su `false`. Questa impostazione non è necessaria quando si usano le versioni della release 5.16.0 e successive; tuttavia, le statistiche di tabella e di partizione non sono supportate.
------
## autorizzazioni IAM
Il profilo dell'istanza EC2 per un cluster deve disporre delle autorizzazioni IAM per le azioni AWS Glue. Inoltre, se abiliti la crittografia per gli oggetti di AWS Glue Data Catalog, al ruolo deve essere consentito anche di crittografare, decrittografare e generare ciò che AWS KMS key viene utilizzato per la crittografia.
### Autorizzazioni per le azioni AWS Glue
Se utilizzi il profilo dell'istanza EC2 di default per Amazon EMR, non è richiesta alcuna operazione. La politica `AmazonElasticMapReduceforEC2Role` gestita allegata a `EMR_EC2_DefaultRole` consente tutte le azioni AWS Glue necessarie. Tuttavia, se si specificano un profilo e le autorizzazioni dell'istanza EC2 personalizzati, è necessario configurare le azioni AWS Glue appropriate. Utilizza la policy `AmazonElasticMapReduceforEC2Role` gestita come punto di partenza. Per ulteriori informazioni, consulta [Ruolo di servizio per le istanze EC2 del cluster (profilo dell'istanza EC2)](https://docs.aws.amazon.com/emr/latest/ManagementGuide/emr-iam-role-for-ec2.html) nella *Guida alla gestione di Amazon EMR*.
### Autorizzazioni per la crittografia e la decrittografia di Glue Data Catalog AWS
Il tuo profilo dell'istanza ha bisogno dell'autorizzazione per crittografare e decrittare i dati utilizzando la tua chiave. *Non* è necessario configurare queste autorizzazioni se si applicano entrambe le seguenti istruzioni:
+ È possibile abilitare la crittografia per gli oggetti di AWS Glue Data Catalog utilizzando le chiavi gestite per AWS Glue.
+ Utilizzi un cluster che è Account AWS uguale al AWS Glue Data Catalog.
In caso contrario, devi aggiungere la istruzione seguente alla policy delle autorizzazioni collegata al profilo dell'istanza EC2.
Per ulteriori informazioni sulla crittografia del AWS Glue Data Catalog, [consulta Encrypting your data catalog](https://docs.aws.amazon.com/glue/latest/dg/encrypt-glue-data-catalog.html) nella *AWS Glue Developer Guide*.
### Autorizzazioni basate su risorse
Se utilizzi AWS Glue insieme a Hive, Spark o Presto in Amazon EMR, AWS Glue supporta politiche basate sulle risorse per controllare l'accesso alle risorse del Data Catalog. Queste risorse includono tabelle, database, connessioni e funzioni definite dall'utente. Per ulteriori informazioni, consulta [Policy sulle risorse AWS Glue](https://docs.aws.amazon.com/glue/latest/dg/glue-resource-policies.html) nella *Guida per gli sviluppatori di AWS Glue*.
Quando si utilizzano policy basate sulle risorse per limitare l'accesso a AWS Glue dall'interno di Amazon EMR, il principio specificato nella politica delle autorizzazioni deve essere il ruolo ARN associato al profilo dell'istanza EC2 specificato al momento della creazione di un cluster. Ad esempio, per una politica basata sulle risorse allegata a un catalogo, puoi specificare il ruolo ARN per il ruolo di servizio predefinito per le istanze EC2 del cluster, *EMR\$1EC2\$1DefaultRole* come`Principal`, utilizzando il formato mostrato nell'esempio seguente:
```
arn:aws:iam::acct-id:role/EMR_EC2_DefaultRole
```
*acct-id*Può essere diverso dall'ID dell'account AWS Glue. Ciò consente l'accesso da cluster EMR in account diversi. Puoi specificare più entità principali, ognuna da un account diverso.
## Considerazioni sull'utilizzo di AWS Glue Data Catalog
Considerate i seguenti elementi quando utilizzate AWS Glue Data Catalog come metastore con Presto:
+ La ridenominazione delle tabelle dall'interno di AWS Glue non è supportata.
+ Quando si crea una tabella Hive senza specificare una `LOCATION`, i dati nella tabella vengono archiviati nella posizione specificata dalla proprietà `hive.metastore.warehouse.dir`. Per impostazione predefinita, questa è una posizione in HDFS. Se un altro cluster necessita di accedere alla tabella, non ci riuscirà a meno che non disponga di autorizzazioni adeguate per il cluster che ha creato la tabella. Inoltre, poiché l'archiviazione HDFS è transitoria, se il cluster viene terminato, i dati della tabella vanno persi e la tabella deve essere ricreata. Ti consigliamo di specificare `LOCATION` a in Amazon S3 quando crei una tabella Hive utilizzando Glue. AWS In alternativa, puoi utilizzare la classificazione di configurazione `hive-site` per specificare una posizione in Amazon S3 per `hive.metastore.warehouse.dir`, che si applica a tutte le tabelle Hive. Se una tabella viene creata in una posizione HDFS e il cluster che l'ha creata è ancora in esecuzione, puoi aggiornare la posizione della tabella su Amazon S3 da Glue. AWS Per ulteriori informazioni, consulta [Working with Tables on the AWS Glue Console](https://docs.aws.amazon.com/glue/latest/dg/console-tables.html) nella *AWS Glue Developer Guide*.
+ I valori delle partizioni contenenti virgolette e apostrofi non sono supportati, ad esempio `PARTITION (owner="Doe's").`.
+ Le [statistiche di colonna](https://cwiki.apache.org/confluence/display/Hive/StatsDev#StatsDev-ColumnStatistics) sono supportate per emr-5.31.0 e versioni successive.
+ L'utilizzo dell'[autorizzazione Hive](https://cwiki.apache.org/confluence/display/Hive/LanguageManual+Authorization) non è supportato. In alternativa, puoi prendere in considerazione l'utilizzo di [Policy basate sulle risorse AWS Glue](https://docs.aws.amazon.com/glue/latest/dg/glue-resource-policies.html). Per ulteriori informazioni, consulta [Use Resource-Based Policies per Amazon EMR Access to AWS](https://docs.aws.amazon.com/emr/latest/ManagementGuide/emr-iam-roles-glue.html) Glue Data Catalog.