Question

我正在尝试使用bdutil脚本从部署在Google Cloud中的Hadoop群集访问Google Storage存储桶。如果存储桶访问是只读的，则会失败。

我在做什么：

使用
部署群集
```
bdutil deploy -e datastore_env.sh
```

在主人身上：

vgorelik@vgorelik-hadoop-m:~$ hadoop fs -ls gs://pgp-harvard-data-public 2>&1 | head -10
14/08/14 14:34:21 INFO gcs.GoogleHadoopFileSystemBase: GHFS version: 1.2.8-hadoop1
14/08/14 14:34:25 WARN gcsio.GoogleCloudStorage: Repairing batch of 174 missing directories.
14/08/14 14:34:26 ERROR gcsio.GoogleCloudStorage: Failed to repair some missing directories.
java.io.IOException: Multiple IOExceptions.
java.io.IOException: Multiple IOExceptions.
    at com.google.cloud.hadoop.gcsio.GoogleCloudStorageExceptions.createCompositeException(GoogleCloudStorageExceptions.java:61)
    at com.google.cloud.hadoop.gcsio.GoogleCloudStorageImpl.createEmptyObjects(GoogleCloudStorageImpl.java:361)
    at com.google.cloud.hadoop.gcsio.GoogleCloudStorageImpl.createEmptyObjects(GoogleCloudStorageImpl.java:372)
    at com.google.cloud.hadoop.gcsio.GoogleCloudStorageImpl.listObjectInfo(GoogleCloudStorageImpl.java:914)
    at com.google.cloud.hadoop.gcsio.CacheSupplementedGoogleCloudStorage.listObjectInfo(CacheSupplementedGoogleCloudStorage.java:455)

查看GCS Java source code，似乎Google云端存储连接器for Hadoop需要空的“目录”对象，如果存储桶可写，它可以自行创建;否则就失败了。设置fs.gs.implicit.dir.repair.enable=false会导致“检索对象时出错”错误。

是否有可能以某种方式使用只读桶作为MR作业输入？

我使用gsutil进行文件上传。是否可以强制在文件上传时创建这些空对象？

Answer 1

是的，您可以使用只读Google云端存储分区作为Hadoop作业的输入。

例如，我多次运行这项工作：

./hadoop-install/bin/hadoop \
  jar ./hadoop-install/contrib/streaming/hadoop-streaming-1.2.1.jar \
  -input gs://pgp-harvard-data-public/hu0*/*/*/*/ASM/master* \
  -mapper cgi-mapper.py -file cgi-mapper.py --numReduceTasks 0 \
  -output gs://big-data-roadshow/output

这会访问您在上面的示例中提到的相同的只读存储桶。

我们的示例之间的区别在于我的结尾是一个glob（*），Google Cloud Storage Connector for Hadoop能够扩展而无需使用任何＆＃34;占位符＆＃34;目录对象。

我建议您使用gsutil来探索您感兴趣的只读存储桶（因为它不需要＆＃34;占位符＆＃34;对象）并且一旦有了一个glob表达式，它返回你想要处理的对象列表，在你的hadoop命令中使用该glob表达式。

第二个问题的回答（＆＃34;可以gsutil强制在文件上传时创建这些空对象＆＃34;）目前是＃34; no＆＃34;。

从Hadoop访问只读Google存储桶

1 个答案: