我正在尝试使用自定义jar在Elastic MapReduce(EMR)上运行作业。我正在尝试在一个目录中处理大约1000个文件。当我使用参数s3n://bucketname/compressed/*.xml.gz
提交作业时,出现“匹配的0个文件”错误。如果我只传递一个文件的绝对路径(例如s3n://bucketname/compressed/00001.xml.gz
),它运行正常,但只处理一个文件。我尝试使用目录的名称(s3n://bucketname/compressed/
),希望将处理其中的文件,但只是将目录传递给作业。
与此同时,我有一个较小的本地hadoop安装。在那里,当我通过通配符(/path/to/dir/on/hdfs/*.xml.gz
)传递我的工作时,它工作正常,所有1000个文件都被正确列出。
如何让EMR列出我的所有文件?
答案 0 :(得分:2)
我不知道EMR如何列出所有文件,但这里有一段对我有用的代码:
FileSystem fs = FileSystem.get(URI.create(args[0]), job.getConfiguration());
FileStatus[] files = fs.listStatus(new Path(args[0]));
for(FileStatus sfs:files){
FileInputFormat.addInputPath(job, sfs.getPath());
}
它将列出输入目录中的所有文件,你可以做任何你想做的事情