AWS EMR 是 Amazon 提供的一项云计算服务，用于在云端快速和轻松地处理和分析大规模数据集。EMR 支持多种数据处理框架，包括 Apache Spark。

要在 AWS EMR 上构建高可用（HA）的 Spark 直接流应用程序，可以按照以下步骤进行操作：

1. 创建一个 EMR 集群，确保集群具有高可用性。可以使用以下 AWS CLI 命令创建一个 EMR 集群：

aws emr create-cluster --name "MySparkCluster" --release-label emr-6.3.0 --instance-type m5.xlarge --instance-count 3 --applications Name=Spark --use-default-roles --ec2-attributes KeyName=myKey

这个命令将创建一个由 3 个 m5.xlarge 实例组成的 EMR 集群，并安装 Spark。

2. 配置 Spark 作业以进行直接流处理。可以使用以下 Spark 代码示例作为参考：

import org.apache.spark.streaming.{StreamingContext, Seconds}
import org.apache.spark.streaming.kafka.KafkaUtils

val ssc = new StreamingContext(sparkConf, Seconds(5))

val kafkaParams = Map("metadata.broker.list" -> "kafka-broker1:9092,kafka-broker2:9092,kafka-broker3:9092")
val topics = Set("my-topic")

val stream = KafkaUtils.createDirectStream[String, String, StringDecoder, StringDecoder](ssc, kafkaParams, topics)

stream.map(_._2).flatMap(_.split(" ")).map(word => (word, 1)).reduceByKey(_ + _).print()

ssc.start()
ssc.awaitTermination()

这个示例代码使用 Spark Streaming 从 Kafka 主题中读取数据，并对数据进行单词计数。

3. 提交 Spark 应用程序到 EMR 集群中。可以使用以下 AWS CLI 命令将 Spark 应用程序提交到 EMR 集群：

aws emr add-steps --cluster-id  --steps Type=spark,Name="MySparkJob",ActionOnFailure=CONTINUE,Args=[--class,org.apache.spark.examples.SparkPi,/usr/lib/spark/examples/jars/spark-examples.jar,10]

这个命令将提交一个 Spark 作业到 EMR 集群中。

4. 监控和管理 Spark 应用程序。可以使用 EMR 控制台或 AWS CLI 命令来监控和管理 Spark 应用程序的运行状态。

以上是在 AWS EMR 上构建高可用的 Spark 直接流应用程序的解决方法，其中包含了代码示例。请替换示例代码中的 Kafka 主题、Kafka 代理列表等参数，以适应你的实际情况。