Question

当我使用Amazon Elastic Mapreduce时，我想使用hadoop-streaming-0.20.205.0.jar来进行hadoop流式传输而不是Elastic Mapreduce的流式传输。我需要设计自定义分区器，输入格式，输出格式等。

所以我尝试创建一个新的Custom JAR作业

JAR Location: stt.streaming/hadoop-streaming-0.20.205.0.jar
JAR Arguments: 
    -input s3n://stt.streaming/test_input 
    -output s3n://stt.streaming/test_output 
    -mapper s3n://stt.streaming/mapper.py 
    -reducer s3n://stt.streaming/reducer.py

使用EMR的流作业执行python脚本mapper.py和reducer.py没有任何问题。

但是，我收到以下错误消息

java.io.IOException: Cannot run program "s3n://stt.streaming/mapper.py": java.io.IOException: error=2, No such file or directory
    at java.lang.ProcessBuilder.start(ProcessBuilder.java:460)
    at org.apache.hadoop.streaming.PipeMapRed.configure(PipeMapRed.java:166)
    at org.apache.hadoop.streaming.PipeMapper.configure(PipeMapper.java:63)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:39)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:25)
    at java.lang.reflect.Method.invoke(Method.java:597)
    at org.apache.hadoop.util.ReflectionUtils.setJobConf(ReflectionUtils.java:88)
    at org.apache.hadoop.util.ReflectionUtils.setConf(ReflectionUtils.java:64)
    at org.apache.hadoop.util.ReflectionUtils.newInstance(ReflectionUtils.java:117)
    at org.apache.hadoop.mapred.MapRunner.configure(MapRunner.java:34)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    ...
    ...
    ...

我的问题是

我的工作有潜在问题吗？我不知道哪些问题仍然存在，因为我的工作在访问mapper.py和reducer.py。
如何访问我的mapper.py和reducer.py？
EMR的流媒体工作似乎使用/home/hadoop/contrib/streaming/hadoop-streaming.jar。我可以得到这个来源吗？如果我得到这个来源，我的问题就可以解决了。感谢。

使用hadoop-streaming-0.20.205.0.jar作为Custom JAR，Amazon Elastic Mapreduce

0 个答案: