Question

我正在尝试在我存储在Amazon s3上的存储桶中的文本文件上运行Map reduce WordCount作业。我已经为map reduce框架设置了所有必需的身份验证以与Amazon通信，但我继续运行此错误。知道为什么会这样吗？

13/01/20 13:22:15 ERROR security.UserGroupInformation:
PriviledgedActionException as:root
cause:org.apache.hadoop.mapred.InvalidInputException: Input path does
not exist: s3://name-bucket/test.txt
Exception in thread "main"
org.apache.hadoop.mapred.InvalidInputException: Input path does not
exist: s3://name-bucket/test.txt
    at org.apache.hadoop.mapred.FileInputFormat.listStatus(FileInputFormat.java:197)
    at org.apache.hadoop.mapred.FileInputFormat.getSplits(FileInputFormat.java:208)
    at org.apache.hadoop.mapred.JobClient.writeOldSplits(JobClient.java:989)
    at org.apache.hadoop.mapred.JobClient.writeSplits(JobClient.java:981)
    at org.apache.hadoop.mapred.JobClient.access$600(JobClient.java:174)
    at org.apache.hadoop.mapred.JobClient$2.run(JobClient.java:897)
    at org.apache.hadoop.mapred.JobClient$2.run(JobClient.java:850)
    at java.security.AccessController.doPrivileged(Native Method)
    at javax.security.auth.Subject.doAs(Subject.java:416)
    at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1121)
    at org.apache.hadoop.mapred.JobClient.submitJobInternal(JobClient.java:850)
    at org.apache.hadoop.mapred.JobClient.submitJob(JobClient.java:824)
    at org.apache.hadoop.mapred.JobClient.runJob(JobClient.java:1261)
    at org.myorg.WordCount.main(WordCount.java:55)
    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:616)
    at org.apache.hadoop.util.RunJar.main(RunJar.java:156)

Answer 1

您实际上必须用s3替换协议s3n。这些是具有不同属性的2个不同文件系统：

s3n是s3本机文件系统：用于在S3上读取和写入常规文件的本机文件系统。此文件系统的优点是您可以访问使用其他工具编写的S3上的文件。相反，其他工具可以访问使用Hadoop编写的文件。缺点是S3强加的文件大小限制为5GB。因此，它不适合替代HDFS（它支持非常大的文件）。
s3是阻止文件系统：由S3支持的基于块的文件系统。文件存储为块，就像它们在HDFS中一样。这允许有效地实现重命名。此文件系统要求您为文件系统专用存储桶 - 不应使用包含文件的现有存储桶，也不应将其他文件写入同一存储桶。此文件系统存储的文件可能大于5GB，但它们不能与其他S3工具互操作。

（source）

在您的情况下，您的存储桶可能正在使用s3n文件系统，我相信这是默认设置，我使用的大多数存储桶也是s3n。所以你应该使用s3n://name-bucket/test.txt

需要有关使用存储在amazon s3上的数据运行Map reduce WordCount作业的帮助

1 个答案: