Amazon EMR: работает пользовательский Jar с вводом и выводом S3

Question

Я пытаюсь запустить кластер EMR, у которого есть пользовательский шаг jar. Программа принимает входные данные от S3 и выводит их на S3 (или, по крайней мере, это то, что я хочу выполнить). В конфигурации шага, у меня есть следующий данные в поле аргументов:

v3.MaxTemperatureDriver 
s3n://hadoopbook/ncdc/all 
s3n://hadoop-szhu/max-temp 

, где hadoopbook/ncdc/all является путем к ведру, содержащему входные данные (как примечание стороны, пример я бег от этого book) , и hadoop-szhu - это мое собственное ведро, где я хочу сохранить выход. После этого post, мой водитель MapReduce выглядит следующим образом:

package v3; 

import org.apache.hadoop.conf.Configured; 
import org.apache.hadoop.fs.Path; 
import org.apache.hadoop.io.IntWritable; 
import org.apache.hadoop.io.Text; 
import org.apache.hadoop.mapreduce.Job; 
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; 
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; 
import org.apache.hadoop.util.Tool; 
import org.apache.hadoop.util.ToolRunner; 

import v1.MaxTemperatureReducer; 

public class MaxTemperatureDriver extends Configured implements Tool { 

    @Override 
    public int run(String[] args) throws Exception { 
    if (args.length != 2) { 
     System.err.printf("Usage: %s [generic options] <input> <output>\n", 
      getClass().getSimpleName()); 
     ToolRunner.printGenericCommandUsage(System.err); 
     return -1; 
    } 

    Job job = new Job(getConf(), "Max temperature"); 
    job.setJarByClass(getClass()); 

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

    job.setMapperClass(MaxTemperatureMapper.class); 
    job.setCombinerClass(MaxTemperatureReducer.class); 
    job.setReducerClass(MaxTemperatureReducer.class); 

    job.setOutputKeyClass(Text.class); 
    job.setOutputValueClass(IntWritable.class); 

    return job.waitForCompletion(true) ? 0 : 1; 
    } 

    public static void main(String[] args) throws Exception { 
    int exitCode = ToolRunner.run(new MaxTemperatureDriver(), args); 
    System.exit(exitCode); 
    } 
} 

Однако, когда я пытаюсь запустить это, я получаю следующее сообщение об ошибке:

Exception in thread "main" java.io.IOException: No FileSystem for scheme: s3n 

Я также попытался скопировать данные из s3 к кластеру, используя следующие (после запуска sshing в мастер-узел):

hadoop distcp \ 
    -Dfs.s3n.awsAccessKeyId='...' \ 
    -Dfs.s3n.awsSecretAccessKey='...' \ 
    s3n://hadoopbook/ncdc/all input/ncdc/all 

Но я получаю кучу ошибок, я включил отрывок ниже:

2016-09-03 07:07:11,858 FATAL [IPC Server handler 6 on 43495] org.apache.hadoop.mapred.TaskAttemptListenerImpl: Task: attempt_1472884232220_0001_m_000000_0 - exited : java.io.IOException: org.apache.hadoop.tools.mapred.RetriableFileCopyCommand$CopyReadException: java.io.FileNotFoundException: No such file or directory 's3n://hadoopbook/ncdc/all/1901.gz' 
    at org.apache.hadoop.tools.mapred.CopyMapper.map(CopyMapper.java:224) 
    at org.apache.hadoop.tools.mapred.CopyMapper.map(CopyMapper.java:50) 
    at org.apache.hadoop.mapreduce.Mapper.run(Mapper.java:146) 
    at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:796) 
    at org.apache.hadoop.mapred.MapTask.run(MapTask.java:342) 
    at org.apache.hadoop.mapred.YarnChild$2.run(YarnChild.java:164) 
    at java.security.AccessController.doPrivileged(Native Method) 
    at javax.security.auth.Subject.doAs(Subject.java:422) 
    at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1657) 
    at org.apache.hadoop.mapred.YarnChild.main(YarnChild.java:158) 
Caused by: org.apache.hadoop.tools.mapred.RetriableFileCopyCommand$CopyReadException: java.io.FileNotFoundException: No such file or directory 's3n://hadoopbook/ncdc/all/1901.gz' 
    ... 10 more 
Caused by: java.io.FileNotFoundException: No such file or directory 's3n://hadoopbook/ncdc/all/1901.gz' 
    at com.amazon.ws.emr.hadoop.fs.s3n.S3NativeFileSystem.getFileStatus(S3NativeFileSystem.java:818) 
    at com.amazon.ws.emr.hadoop.fs.EmrFileSystem.getFileStatus(EmrFileSystem.java:511) 
    at org.apache.hadoop.tools.mapred.CopyMapper.map(CopyMapper.java:219) 
    ... 9 more 

Я не уверен, где проблема, но я был бы рад включить более подробную информацию (пожалуйста, прокомментируйте ниже). Благодаря!

Answer 1

s3n:// это старый протокол, вы должны вместо этого использовать s3://

Ссылка: http://docs.aws.amazon.com//ElasticMapReduce/latest/ManagementGuide/emr-plan-file-systems.html