使用Amazon S3存储桶输入和输出在Amazon EMR上运行自定义JAR给出错误（文件系统错误）

Question

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

当群集运行此自定义JAR时，会发生以下异常。

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)

如何更正此错误？ 如何在Amazon EMR中将s3n存储桶用作文件系统？ 另外，我认为将默认文件系统更改为s3存储桶会很好，但是我不确定如何做到这一点。

Answer 1

我建议您检查一下jar是否使用了如下所示的处理参数的相同方法： http : //java.dzone.com/articles/running-elastic-mapreduce-job

特别，

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

另外，我已经成功添加了自定义脚本运行程序步骤，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传输步骤，则将内容保留在hdfs上会很有帮助。 您应该能够使用以下内容制作一个简单的bash脚本

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

和

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

然后将您的流传输步骤设置为介于两者之间，以在hdfs：/// ldas / in和hdfs：/// ldas / out之间进行操作