Dinos cómo podemos ayudarte

Ventas y precios

Habla con un representante sobre las necesidades de tu empresa

Contacto con Ventas

Ayuda y soporte

Consulta nuestras opciones de soporte de productos

Contacto con Soporte

Consultas generales y ubicaciones

Contáctanos

Destinos populares

Usamos herramientas de IA para ayudar a que nuestro contenido esté disponible en varios idiomas. Debido a que estas traducciones son automatizadas, puede haber algunas variaciones entre la versión en inglés y las versiones traducidas. La versión en inglés de este contenido es la versión oficial. Contacta a BMC para hablar con un experto que pueda responder cualquier pregunta que tengas.

Problemas comunes de flujo de trabajo

¿Esto suena a tu semana?

No son casos extremos. Son las condiciones normales de funcionamiento para equipos que ejecutan Amazon EMR Pipelines en varias herramientas. Así es como Control-M maneja cada uno.

S3 · EMR

Tus datos de S3 llegaron tarde. El cuaderno de EMR ya está vencido.

Control-M makes the Amazon EMR job dependent on the required upstream data-transfer completion, so processing waits for the expected input instead of a fixed clock. Once the prerequisite completes successfully, the EMR job can proceed automatically.

EXECUTION FAILURE

Tu cuaderno de EMR ha puesto FALLIDO. Las analíticas aguas abajo son aún esperando.

Control-M monitors the Amazon EMR job’s execution status, results, and output and prevents dependent jobs from proceeding after a failed execution. Operations can identify the failed workflow step and recover without losing the end-to-end dependency context.

CROSS-TOOL DEPENDENCY

AWS Glue terminó a las 02:17. El EMR debería Comienza ahora, no a las 02:30.

Control-M models AWS Glue and Amazon EMR as dependencies in one workflow, allowing successful completion—not an arbitrary cron window—to control execution. The EMR workload starts when its actual upstream processing is complete, reducing idle time and timing gaps.

CLUSTER READINESS

El cuaderno está listo. Su clúster objetivo de EMR no está así.

Control-M submits the defined notebook execution to its configured EMR cluster and tracks the resulting job state. If execution cannot complete successfully, dependent processing stays blocked, containing the failure instead of allowing incomplete results to move downstream.

SLA RISK

El trabajo de EMR está siendo largo. Tu ventana de entrega por la mañana se está reduciendo.

Control-M can attach SLA management to Amazon EMR jobs and track the workload within the wider business service. Predictive SLA visibility helps teams identify delay risk before downstream delivery is missed and focus recovery on the jobs affecting the deadline.

DATOS DE INTEGRACIÓN

Control-M + Amazon EMR

workload.types

Amazon EMR jobs · notebook executions · notebook scripts · advanced JSON notebook execution · Apache Spark processing · Apache Hadoop processing

trigger.type

time schedule · upstream job completion · S3 transfer completion · Airflow DAG completion · AWS Glue job completion · enterprise workflow dependency

cross_tool.deps

Amazon S3 transfer · AWS Glue job · Apache Airflow DAG · Amazon Redshift job · downstream database job · analytics delivery

cloud.platforms

AWS · Amazon EMR endpoints · Control-M SaaS · Control-M

error_handling

execution-status monitoring · failed-job detection · downstream cascade prevention · dependency holds · rerun control · SLA alerts

throughput

50 concurrent Amazon EMR jobs per Agent · centralized scheduling · resource pools · lock resources

observability

job status · execution results · job output · dependency visibility · SLA monitoring · workflow monitoring

Orquestación de extremo a extremo

Un flujo de trabajo de producción. Todas las herramientas de la pila.

Control-M coordina los flujos de trabajo en Amazon EMR, Amazon S3, AWS Glue, Airflow, Amazon Redshift y análisis downstream en un solo flujo de trabajo — con seguimiento de dependencias, visibilidad SLA y recuperación automatizada en todos ellos.

  • Dependencia entre herramientas: Amazon S3 → AWS Glue → Amazon EMR → Amazon Redshift
  • Disparadores conscientes de los datos: llegada de datos en S3, evento de API, finalización de AWS Glue, resultado de trabajo aguas arriba
Ver todas las integraciones

Amazon EMR 

notebook execution · dependency control · status/results/output monitoring · SLA attachment

Amazon S3

file transfer · data delivery coordination · upstream dependency

AWS Glue

job execution · crawler execution · status monitoring · dependency orchestration

Apache Airflow

DAG execution · status tracking · task visibility · cross-tool dependencies

Amazon Redshift

SQL execution · S3 load/unload · stored procedures · downstream processing

Coexistencia del flujo de aire

Control-M no reemplaza tus DAGs de flujo de aire. Ejecuta la capa que está encima de ellos.

La objeción está común: "Ya estamos en Airflow." El problema no es lo que hace Airflow, sino lo que ocurre antes y después de que funcione Airflow. Ahí es donde los Pipelines realmente fallan.

El flujo de aire gestiona su DAG. Control-M gestiona todo lo que lo rodea.

airflow handles

Orquestación a nivel DAG dentro de la tubería de datos

  • DAG-level task orchestration within data pipelines
  • Python operators, sensors, and task dependencies
  • Execution graph for jobs that run inside your pipeline
  • Manages retries within a single DAG context

control-m adds

La capa de coordinación alrededor de tus DAGs

  • Coordination layer around DAGs — triggers Airflow based on upstream conditions: file arrivals, API events, other tool completions
  • Tracks each DAG’s SLA contribution across the full end-to-end workflow, not just its own routine
  • Manages failure recovery when upstream dependencies fail before Airflow even starts
  • Existing DAGs don’t need to be rewritten or migrated

supervisa Pipelines

Supervisa la ejecución de Amazon EMR en toda la pipeline.

Amazon EMR revela el estado de sus propias ejecuciones en portátiles, pero los ingenieros de datos aún necesitan entender qué ocurrió en el flujo de trabajo circundante. Control-M lleva la ejecución de la RME a la misma visión operativa que los trabajos upstream y downstream:

  • Estado de ejecución de Amazon EMR

  • Resultados y producción laboral

  • Dependencias aguas arriba y aguas abajo

  • Visibilidad de flujo de trabajo de extremo a extremo

GARANTÍA DE LA SLA

Mantén Amazon EMR Pipelines alineados con los SLA de entrega.

Una ejecución exitosa en un portátil no está suficiente si su salida llega tarde a los consumidores posteriores. Control-M añade gestión SLA alrededor de Amazon EMR y el flujo de trabajo circundante, ayudando a los equipos a Ve qué retrasos en la ejecución amenazan el tiempo de entrega requerido para el negocio:

  • Seguimiento SLA entre dependencias

  • Detección predictiva de retardos

  • Visibilidad del flujo de trabajo de ruta crítica

  • Alerta operativa proactiva

Documentation
Integrating Amazon EMR and Control-M

Poner orden en flujos de trabajo complejos

Conoce cómo Control-M ayuda a los equipos a orquestar procesos complejos con mayor visibilidad, coordinación y control.

Programa una consulta Comienza una demostración autoguiada