选择适合开始 Spark 应用程序的工具。

Question

【以下的问题经过翻译处理】 您能否建议使用哪些工具来迁移Spark应用程序到AWS？：
Spark应用程序仅用于更改数据，没有任何UI。我们会定期启动它，可能每周启动几次。每次启动都会触及不同数量的来自Hadoop的数据。从我们团队中的不同人员启动该应用程序。
* 输入为：Hadoop / Kafka / HDFS中的表，
* 输出为：Hadoop / Kafka和一些Clickhouse，但不是非常困难。
现在，我们正在从Hadoop迁移到S3。 Kafka和Clickhouse保持不变，仍然在onprem中。
我听说过你们那边使用Spark的各种工具。例如：Amazon Athena，Amazon Athena for Apache Spark，EMR，ERM-serverless，EC2（还有什么？）。您能否建议其中哪些工具最适合我们的情况？

Answer

【以下的回答经过翻译处理】 我建议使用Amazon EMR来运行您的Spark应用程序。Amazon EMR是一个托管的集群平台，简化了在AWS上运行大数据框架，如Apache Hadoop和Apache Spark的过程。它专为数据处理任务设计，是适合您使用情况的一个好选择。

ERM优势
* EMR可以根据您的数据处理需求扩展或缩小您的集群。它还很好地与Amazon S3集成，可以用作数据湖，存储您的输入和输出数据。
* EMR支持运行用Scala、Python和Java等不同编程语言编写的Spark应用程序。它还提供与Apache Kafka和其他AWS服务的集成。
* 您可以使用EC2 Spot实例来节省在运行EMR集群时的成本。此外，EMR具有自动终止功能，可自动终止空闲的集群以节省成本。
* EMR与AWS身份和访问管理（IAM）集成，允许您控制对您的Spark应用程序和数据的访问。

选择适合开始 Spark 应用程序的工具。

Contenido relevante