关于 hadoop：使用 Amazon S3 Bucket 输入和输出在 Amazon EMR 上运行自定义 JAR 给出错误(文件系统错误)


Running Custom JAR on Amazon EMR giving error ( Filesystem Error ) using Amazon S3 Bucket input and output

我正在尝试使用自定义 JAR 的输入和输出参数作为 S3 存储桶 (-input s3n://s3_bucket_name/ldas/in -output s3n://s3_bucket_name/ldas/out)

在 Amazon EMR 集群上运行自定义 JAR

当集群运行这个自定义 JAR 时，会出现以下异常。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Exception in thread"main" java.lang.IllegalArgumentException: **Wrong FS: s3n://s3_bucket_name/ldas/out, expected: hdfs://10.214.245.187:9000**
    at org.apache.hadoop.fs.FileSystem.checkPath(FileSystem.java:644)
    at org.apache.hadoop.hdfs.DistributedFileSystem.getPathName(DistributedFileSystem.java:181)
    at org.apache.hadoop.hdfs.DistributedFileSystem.access$000(DistributedFileSystem.java:92)
    at org.apache.hadoop.hdfs.DistributedFileSystem$11.doCall(DistributedFileSystem.java:585)
    at org.apache.hadoop.hdfs.DistributedFileSystem$11.doCall(DistributedFileSystem.java:581)
    at org.apache.hadoop.fs.FileSystemLinkResolver.resolve(FileSystemLinkResolver.java:81)
    at org.apache.hadoop.hdfs.DistributedFileSystem.delete(DistributedFileSystem.java:581)
    at cc.mrlda.ParseCorpus.run(ParseCorpus.java:101)
    at cc.mrlda.ParseCorpus.run(ParseCorpus.java:77)
    at org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:70)
    at cc.mrlda.ParseCorpus.main(ParseCorpus.java:727)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:57)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
    at java.lang.reflect.Method.invoke(Method.java:606)
    at org.apache.hadoop.util.RunJar.main(RunJar.java:212)

如何纠正这个错误？如何在 Amazon EMR 中使用 s3n 存储桶作为文件系统？
另外，我认为将默认文件系统更改为 s3 存储桶会很好，但我不知道该怎么做。

我建议检查您的 jar 是否使用与此处所示相同的处理参数的方法：http://java.dzone.com/articles/running-elastic-mapreduce-job

具体来说，

1
2
FileInputFormat.addInputPath(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));

或者，我已经成功添加了自定义脚本运行器步骤，以将文件从 s3 复制到 hadoop，反之亦然。特别是如果您连续执行几个流式传输步骤，则将内容保存在 hdfs 上会很有帮助。您应该能够使用

之类的东西制作一个简单的 bash 脚本

1
hadoop fs -cp s3://s3_bucket_name/ldas/in hdfs:///ldas/in

和

1
hadoop fs -cp hdfs:///ldas/out s3://s3_bucket_name/ldas/out

然后在 hdfs:///ldas/in 和 hdfs:///ldas/out 之间设置流式传输步骤