Amazon web services 如何轻松格式化AWS CLI命令

我正在使用AWS EMR进行大量工作，当您通过AWS管理控制台构建EMR群集时，可以单击按钮导出创建EMR群集的AWS CLI命令

然后，它将为您提供一个大的CLI命令，该命令不会以任何方式进行格式化，即，如果您复制并粘贴该命令，则所有命令都将显示在一行中

我正在使用这些由其他人创建的EMR CLI命令，使用AWS SDK Boto3库在Python中创建EMR集群，也就是说，我正在查看CLI命令以获取所有配置详细信息。AWS管理控制台UI上提供了一些配置详细信息，但并非所有配置详细信息，因此我更容易使用您可以导出的CLI命令

但是，AWS CLI命令很难读取，因为它没有格式化。是否在线提供类似于的AWS CLI命令格式化程序？

---

我可以使用的另一个解决方案是克隆EMR群集，并在AWS管理控制台上通过EMR群集创建屏幕获取所有配置详细信息，但我仍然很好奇是否可以格式化CLI命令并以这种方式执行。能够格式化导出的CLI命令的另一个好处是，我可以将其放在一个汇合页面上进行文档编制。

下面是一些快速python代码：

导入shlex
导入json
进口稀土
def格式_命令（命令）：
tokens=shlex.split（命令）
格式化=“”
对于令牌中的令牌：
#旗帜得到一个新的行
如果令牌.startswith（“--”）：
格式化+='\\\n'
#JSON数据
如果（'['，'{'）中的标记[0]：
json_data=json.loads（令牌）
data=json.dumps（json_数据，缩进=4）。替换（'\n'，'\n'））
格式化+=“{}”。格式（数据）
#引号标记（当它包含空格时）
elif重新匹配（'\s'，标记）：
格式化+=“{}”。格式（标记）
#剩余代币的简单打印
其他：
格式化+=标记+“”
返回格式
示例=“aws emr创建集群——应用程序名称=spark Name=ganglia Name=hadoop--tags'Project=MyProj'--ec2属性“{”KeyName:“emr密钥”，“AdditionalSlaveSecurityGroup:”[“sg-3822994c”，“sg-ccc76987”，“InstanceProfile:“emr_ec2_默认角色”，“ServiceAccessSecurityGroup:“sg-60832c2b”，“SubnetId:“subnet-3c76ee33”，“子网””EmrManagedSlaveSecurityGroup:“sg-dd832c96”，“EmrManagedMasterSecurityGroup:“sg-b4923dff”，“AdditionalMasterSecurityGroups:”[“sg-382299C”，“sg-ccc76987”]}'--服务角色EMR_默认角色--发布标签EMR-5.14.0--名称“测试群集”---实例组[{“InstanceCount”：1，“EBSCOConfiguration:{“EBSBlockDeviceConfig”：[{“卷规格化”：{”SizeInGB:32，“VolumeType”：“gp2”}，“VolumeSpeeringInstance”：1}]}，“InstanceGroupType”：“MASTER”，“InstanceType”：“m4.xlarge”，“Name”：“MASTER”}，{“InstanceCount”：1，“EBSCOConfiguration”：{“EbsBlockDeviceConfigs”：[{“VolumeSpecification”：“{”SizeInGB:32，“VolumeType”：“XL2”}，“VolumeSpeeringInstanceType”：“CORE”，“InstanceType”：“m4.arge”，“Name”：“CORE”}]'--configurations'[{“Classification”：“spark defaults”，“Properties”：{“spark.sql.avro.compression.codec”：“snappy”，“spark.eventLog.enabled”：“true”，“spark.dynamicAllocation.enabled”：“false”}，“configurations”：[]}，{“Classification”：“spark env”，“Properties”：{}，“configurations”：[{“Classification”：“导出”，“Properties”：{“spark_守护进程内存”：“4g”}，”配置“：[]}]]'--缩小行为在任务完成时终止--区域us-east-1”“”
打印（格式化_命令（示例））

输出如下所示：

aws emr create-cluster \
    --applications Name=spark Name=ganglia Name=hadoop \
    --tags Project=MyProj \
    --ec2-attributes '{
        "ServiceAccessSecurityGroup": "sg-60832c2b", 
        "InstanceProfile": "EMR_EC2_DefaultRole", 
        "EmrManagedMasterSecurityGroup": "sg-b4923dff", 
        "KeyName": "emr-key", 
        "SubnetId": "subnet-3c76ee33", 
        "AdditionalMasterSecurityGroups": [
            "sg-3822994c", 
            "sg-ccc76987"
        ], 
        "AdditionalSlaveSecurityGroups": [
            "sg-3822994c", 
            "sg-ccc76987"
        ], 
        "EmrManagedSlaveSecurityGroup": "sg-dd832c96"
    }' \
    --service-role EMR_DefaultRole \
    --release-label emr-5.14.0 \
    --name Test Cluster \
    --instance-groups '[
        {
            "EbsConfiguration": {
                "EbsBlockDeviceConfigs": [
                    {
                        "VolumeSpecification": {
                            "VolumeType": "gp2", 
                            "SizeInGB": 32
                        }, 
                        "VolumesPerInstance": 1
                    }
                ]
            }, 
            "InstanceCount": 1, 
            "Name": "Master", 
            "InstanceType": "m4.xlarge", 
            "InstanceGroupType": "MASTER"
        }, 
        {
            "EbsConfiguration": {
                "EbsBlockDeviceConfigs": [
                    {
                        "VolumeSpecification": {
                            "VolumeType": "gp2", 
                            "SizeInGB": 32
                        }, 
                        "VolumesPerInstance": 1
                    }
                ]
            }, 
            "InstanceCount": 1, 
            "Name": "CORE", 
            "InstanceType": "m4.xlarge", 
            "InstanceGroupType": "CORE"
        }
    ]' \
    --configurations '[
        {
            "Properties": {
                "spark.eventLog.enabled": "true", 
                "spark.dynamicAllocation.enabled": "false", 
                "spark.sql.avro.compression.codec": "snappy"
            }, 
            "Classification": "spark-defaults", 
            "Configurations": []
        }, 
        {
            "Properties": {}, 
            "Classification": "spark-env", 
            "Configurations": [
                {
                    "Properties": {
                        "SPARK_DAEMON_MEMORY": "4g"
                    }, 
                    "Classification": "export", 
                    "Configurations": []
                }
            ]
        }
    ]' \
    --scale-down-behavior TERMINATE_AT_TASK_COMPLETION \
    --region us-east-1 

---

这是一个完美的人，谢谢分享。对于任何使用它的人来说，它与Python2.7.14而不是Python3一起工作。我还做了一个“查找和替换”在记事本++中删除\个字符。谢谢Ryan Widmaier。我把的放进去，所以理论上如果你把它倒进一个shell中，它会运行，尽管我没有实际测试它。另外，为python3更新，这实际上只是打印调用。是有意义的，是的，我注意到这只是打印调用，只是想澄清一下，以防有人被删除使用这个不懂Python的人（愚蠢的Python 2.7-3更改…）