Question

我在Google云端平台上运行Hadoop群集，使用Google云端存储作为持久数据的后端。我能够从远程机器ssh到主节点并运行hadoop fs命令。无论如何，当我尝试执行以下代码时，我收到超时错误。

代码

FileSystem hdfs =FileSystem.get(new URI("hdfs://mymasternodeip:8020"),new Configuration());
Path homeDir=hdfs.getHomeDirectory();
//Print the home directory
System.out.println("Home folder: " +homeDir); 

// Create a directory
Path workingDir=hdfs.getWorkingDirectory();
Path newFolderPath= new Path("/DemoFolder");

newFolderPath=Path.mergePaths(workingDir, newFolderPath);
if(hdfs.exists(newFolderPath))
    {
        hdfs.delete(newFolderPath, true); //Delete existing Directory
    }
//Create new Directory
hdfs.mkdirs(newFolderPath);

执行hdfs.exists（）命令时，出现超时错误。

错误

org.apache.hadoop.net.ConnectTimeoutException：从套接字超时异常调用gl051-win7 / 192.xxx.1.xxx到111.222.333.444.bc.googleusercontent.com:8020失败：org.apache .hadoop.net.ConnectTimeoutException：等待通道准备连接时超时20000毫秒。 ch：java.nio.channels.SocketChannel [connection-pending remote = 111.222.333.444.bc.googleusercontent.com / 111.222.333.444：8020]

您是否了解在Google Cloud Platform上使用针对Hadoop的Java Hadoop API的任何限制？

谢谢！

Answer 1

您好像在本地计算机上运行该代码并尝试连接到Google Compute Engine VM;默认情况下，GCE具有严格的防火墙设置，以避免将外部IP地址暴露给任意入站连接。如果您使用的是默认值，那么您的Hadoop集群应该位于“默认”GCE网络上。您需要按照adding a firewall instructions允许端口8020上的传入TCP连接以及其他Hadoop端口上的连接以及本地IP地址才能使用。它看起来像这样：

gcloud compute firewall-rules create allow-http \
    --description "Inbound HDFS." \
    --allow tcp:8020 \
    --format json \
    --source-ranges your.ip.address.here/32

请注意，确实希望避免打开0.0.0.0/0源范围，因为Hadoop没有对这些传入请求进行身份验证或授权。您希望尽可能地将其限制为仅计划拨入的入站IP地址。您可能还需要打开其他几个端口，具体取决于您使用哪种功能连接到Hadoop。

更一般的建议是，只要有可能，您应该尝试在Hadoop集群本身上运行代码;在这种情况下，您将使用主主机名本身作为HDFS权限而不是外部IP：

hdfs://<master hostname>/foo/bar

这样，您可以将端口暴露限制在SSH端口22，SSH端口守护程序正确地控制传入流量，然后您的代码不必担心哪些端口是打开的，甚至不需要处理完全是IP地址。

如何通过Java API在Google Cloud Platform上的HDFS中创建目录

1 个答案: