Question

我是Hadoop世界的新手。我已经在Windows机器中安装了spark 2.3.1，并在同一台机器的vm中安装了cloudera。我正在使用Spark Shell以数据帧的形式进行一些数据转换。现在，我想使用spark将这些数据放到cloudera中的配置单元中。我有google并执行了以下步骤。

1）复制/ ect / hive / conf中的所有文件，并粘贴到Windows的saprk / conf中。

2）在Windows spark / conf中，打开“ hive-site.xml”并按如下所示更改属性。

<configuration>
  <property>
    <name>hive.metastore.uris</name>
    <value>thrift://MyclouderaIP:9083</value>
  </property>
  <property>

3）将主机条目放入窗口系统C：\ Windows \ System32 \ drivers \ etc \ hosts

示例：MyclouderaIP quickstart.cloudera

4）在cloudera vm中，打开“ /etc/hive/conf/hdfs-site.xml”并按如下所示更改属性

<property>
    <name>dfs.client.use.datanode.hostname</name>
    <value>true</value>
  </property>

完成所有步骤后，我面临以下问题。

scala> val Main = sc.textFile("D:\\Windows\\CompanyData.txt")

scala> Main.collect

错误：

java.lang.IllegalArgumentException: Pathname /D:/Windows/CompanyData.txt from hdfs://quickstart.cloudera:8020/D:/Windows/CompanyData.txt is not a valid DFS filename.
  at org.apache.hadoop.hdfs.DistributedFileSystem.getPathName(DistributedFileSystem.java:197)
  at org.apache.hadoop.hdfs.DistributedFileSystem.access$000(DistributedFileSystem.java:106)
  at org.apache.hadoop.hdfs.DistributedFileSystem$22.doCall(DistributedFileSystem.java:1305)
  at org.apache.hadoop.hdfs.DistributedFileSystem$22.doCall(DistributedFileSystem.java:1301)
  at org.apache.hadoop.fs.FileSystemLinkResolver.resolve(FileSystemLinkResolver.java:81)
  at org.apache.hadoop.hdfs.DistributedFileSystem.getFileStatus(DistributedFileSystem.java:1317)

我从spark / conf中删除了“ core-site.xml”，它可以在Windows中读取文本文件。但是，在插入记录时，它的saprk无法与cloudera通信。

scala> import org.apache.spark.sql.hive.HiveContext
scala> val sqlContext = new org.apache.spark.sql.hive.HiveContext(sc)
scala> sqlContext.sql("insert into TestTable select 1")

错误：

org.apache.hadoop.ipc.RemoteException(java.io.IOException): 
File /user/hive/warehouse/TestTable/.hive-staging_hive_2018-10-17_00-03-48_369_2112774544260501723-1/-ext-10000/_temporary/0/_temporary/attempt_20181017000351_0000_m_000000_0/part-00000-8fcba81b-8a51-48a6-9c47-ac5f1c9dafdb-c000 
could only be replicated to 0 nodes instead of minReplication (=1).  
There are 1 datanode(s) running and 1 node(s) are excluded in this operation.

请有人帮我。

如何使用Spark远程将数据写入配置单元表？

0 个答案: