在AWS Glue中使用纯python外部库时HDFS中的权限错误

Question

我尝试运行定制的Python脚本，在AWS Glue上导入外部纯python库（psycopg2）但失败了。 我检查了CloudWatch日志，发现失败的原因是：

Spark无法检查HDFS中的几个文件夹，其中一个包含我上传到S3的外部python库（s3：// path / to / psycopg2），它需要-x权限：

org.apache.hadoop.security.AccessControlException: Permission denied: user=root, access=READ_EXECUTE, inode="/user/root/.sparkStaging/application_1507598924170_0002/psycopg2":root:hadoop:drw-r--r--
at org.apache.hadoop.hdfs.server.namenode.FSPermissionChecker.check(FSPermissionChecker.java:320)
at org.apache.hadoop.hdfs.server.namenode.FSPermissionChecker.checkPermission(FSPermissionChecker.java:219)
at org.apache.hadoop.hdfs.server.namenode.FSPermissionChecker.checkPermission(FSPermissionChecker.java:190)
at org.apache.hadoop.hdfs.server.namenode.FSDirectory.checkPermission(FSDirectory.java:1728)
at org.apache.hadoop.hdfs.server.namenode.FSDirectory.checkPermission(FSDirectory.java:1712)
at org.apache.hadoop.hdfs.server.namenode.FSDirectory.checkPathAccess(FSDirectory.java:1686)
at org.apache.hadoop.hdfs.server.namenode.FSDirStatAndListingOp.getListingInt(FSDirStatAndListingOp.java:76)
at org.apache.hadoop.hdfs.server.namenode.FSNamesystem.getListing(FSNamesystem.java:4486)
at org.apache.hadoop.hdfs.server.namenode.NameNodeRpcServer.getListing(NameNodeRpcServer.java:999)
at org.apache.hadoop.hdfs.protocolPB.ClientNamenodeProtocolServerSideTranslatorPB.getListing(ClientNamenodeProtocolServerSideTranslatorPB.java:634)
at org.apache.hadoop.hdfs.protocol.proto.ClientNamenodeProtocolProtos$ClientNamenodeProtocol$2.callBlockingMethod(ClientNamenodeProtocolProtos.java)
at org.apache.hadoop.ipc.ProtobufRpcEngine$Server$ProtoBufRpcInvoker.call(ProtobufRpcEngine.java:616)
at org.apache.hadoop.ipc.RPC$Server.call(RPC.java:982)
at org.apache.hadoop.ipc.Server$Handler$1.run(Server.java:2049)
at org.apache.hadoop.ipc.Server$Handler$1.run(Server.java:2045)
at java.security.AccessController.doPrivileged(Native Method)
at javax.security.auth.Subject.doAs(Subject.java:422)
at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1698)
at org.apache.hadoop.ipc.Server$Handler.run(Server.java:2045)

我确保该库仅包含AWS文档中指示的.py文件。

有谁知道出了什么问题？

非常感谢！

Answer 1

您有一个没有执行权限的目录 。 在基于Unix的O / S目录中，必须设置执行位（至少对于用户而言）才能使用。

运行类似的东西

sudo chmod +x /user/root/.sparkStaging/application_1507598924170_0002/psycopg2

然后再试一次。

Answer 2

Glue仅支持仅python库，即没有任何特定的本机库绑定。

Answer 3

包psycopg2不是纯Python，所以它不适用于Glue。 从setup.py：

如果您希望避免从源代码构建psycopg2，请安装PyPI'psycopg2-binary'软件包。

来自AWS Glue文档 ：

您可以将Python扩展模块和库与AWS Glue ETL脚本一起使用，只要它们是用纯Python编写的。 目前不支持诸如pandas之类的C库，也不支持用其他语言编写的扩展。