- android - RelativeLayout 背景可绘制重叠内容
- android - 如何链接 cpufeatures lib 以获取 native android 库?
- java - OnItemClickListener 不起作用,但 OnLongItemClickListener 在自定义 ListView 中起作用
- java - Android 文件转字符串
背景
我一直在努力为自己获取一个灵活的设置,以便在 aws 上使用 spark 和 docker swarm 模式。我一直在使用的 docker 镜像配置为使用最新的 spark,当时是 2.1.0 和 Hadoop 2.7.3,可在 jupyter/pyspark-notebook 获得。 .
这是有效的,我一直在测试我计划使用的各种连接路径。我遇到的问题是与 s3 交互的正确方式的不确定性。我一直在跟踪如何使用 s3a
为 spark 提供依赖项以连接到 aws s3 上的数据。协议(protocol),对比 s3n
协议(protocol)。
我终于找到了 hadoop aws guide并认为我正在关注如何提供配置。但是,我仍然收到 400 Bad Request
错误,如 this question 中所示描述了如何通过定义端点来修复它,我已经完成了。
我在 us-east-2
上与标准配置相去甚远,让我不确定 jar 文件是否有问题。为了消除区域问题,我在常规 us-east-1
上进行了备份区域,我终于能够连接到 s3a
.因此,我已将问题缩小到该地区,但我认为我正在做在其他地区开展业务所需的一切。
问题
在 spark 中使用 hadoop 配置变量的正确方法是什么 us-east-2
?
注意:这个例子使用本地执行模式来简化事情。
import os
import pyspark
我可以在创建上下文后在笔记本的控制台中看到这些下载,添加这些使我从完全崩溃到收到错误请求错误。
os.environ['PYSPARK_SUBMIT_ARGS'] = '--packages com.amazonaws:aws-java-sdk:1.7.4,org.apache.hadoop:hadoop-aws:2.7.3 pyspark-shell'
conf = pyspark.SparkConf('local[1]')
sc = pyspark.SparkContext(conf=conf)
sql = pyspark.SQLContext(sc)
对于 aws 配置,我尝试了以下方法和仅使用上面的 conf
,并做 conf.set(spark.hadoop.fs.<config_string>, <config_value>)
模式等同于我在下面所做的,除了这样做是我在 conf
上设置值在创建 Spark 上下文之前。
hadoop_conf = sc._jsc.hadoopConfiguration()
hadoop_conf.set("fs.s3.impl", "org.apache.hadoop.fs.s3a.S3AFileSystem")
hadoop_conf.set("fs.s3a.endpoint", "s3.us-east-2.amazonaws.com")
hadoop_conf.set("fs.s3a.access.key", access_id)
hadoop_conf.set("fs.s3a.secret.key", access_key)
需要注意的一件事是,我还尝试了 us-east-2
的替代端点的 s3-us-east-2.amazonaws.com
.
然后我从 s3 读取了一些 Parquet 数据。
df = sql.read.parquet('s3a://bucket-name/parquet-data-name')
df.limit(10).toPandas()
同样,在将 EC2 实例移动到 us-east-1 并注释掉端点配置后,以上内容对我有用。对我来说,似乎由于某种原因没有使用端点配置。
最佳答案
us-east-2 是 V4 身份验证 S3 实例,因此,正如您尝试的那样,必须设置 fs.s3a.endpoint 值。
如果它没有被拾取,则假设您设置的配置不是用于访问存储桶的配置。知道 Hadoop 通过 URI 缓存文件系统实例,即使配置发生变化。第一次尝试访问文件系统修复、配置,即使它缺少身份验证详细信息也是如此。
一些策略
Filesystem.get(new URI("s3a://bucket-name/parquet-data-name", myConf) 显式加载文件系统
将返回具有该配置的存储桶(除非它已经存在)。不过我不知道如何在 .py 中进行调用。"fs.s3a.impl.disable.cache"
设置为 true 以在 get 命令之前绕过缓存添加更多关于 BadAuth 错误的诊断以及 wiki 页面,是 S3A 第三阶段列出的功能。如果您要添加它,连同测试,我可以对其进行审核并将其放入
关于hadoop - 如何在 aws us-east-2 上将 s3a 与 spark 2.1.0 一起使用?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43454117/
我们有数据(此时未分配)要转换/聚合/透视到 wazoo。 我在 www 上看了看,我问的所有答案都指向 hadoop 可扩展、运行便宜(没有 SQL 服务器机器和许可证)、快速(如果你有足够的数据)
这很明显,我们都同意我们可以将 HDFS + YARN + MapReduce 称为 Hadoop。但是,Hadoop 生态系统中的其他不同组合和其他产品会怎样? 例如,HDFS + YARN + S
如果 es-hadoop 只是连接到 HDFS 的 Hadoop 连接器,它如何支持 Hadoop 分析? 最佳答案 我假设您指的是 this project .在这种情况下,ES Hadoop 项目
看完this和 this论文,我决定我想在 MapReduce 上为大型数据集实现分布式体积渲染设置作为我的本科论文工作。 Hadoop 是一个合理的选择吗? Java 不会扼杀一些性能提升或使与 C
我一直在尝试查找有关如何通过命令行提交 hadoop 作业的信息。 我知道命令 - hadoop jar jar-file 主类输入输出 还有另一个命令,我正在尝试查找有关它的信息,但未能找到 - h
Hadoop 服务器在 Kubernetes 中。而Hadoop客户端位于外网。所以我尝试使用 kubernetes-service 来使用 Hadoop 服务器。但是 hadoop fs -put
有没有人遇到奇怪的环境问题,在调用 hadoop 命令时被迫使用 SU 而不是 SUDO? sudo su -c 'hadoop fs -ls /' hdfs Found 4 itemsdrwxr-x
在更改 mapred-site.xml 中的属性后,我给出了一个 tar.bz2 文件、.gz 和 tar.gz 文件作为输入。以上似乎都没有奏效。我假设这里发生的是 hadoop 作为输入读取的记录
如何在 Hadoop Pipes 中获取正在 hadoop 映射器 中执行的输入文件 名称? 我可以很容易地在基于 java 的 map reducer 中获取文件名,比如 FileSplit fil
我想使用 MapReduce 方法分析连续的数据流(通过 HTTP 访问),因此我一直在研究 Apache Hadoop。不幸的是,Hadoop 似乎期望以固定大小的输入文件开始作业,而不是能够在新数
名称节点可以执行任务吗?默认情况下,任务在集群的数据节点上执行。 最佳答案 假设您正在询问MapReduce ... 使用YARN,MapReduce任务在应用程序主数据库中执行,而不是在nameno
我有一个关系A包含 (zip-code). 我还有另一个关系B包含 (name:gender:zip-code) (x:m:1234) (y:f:1234) (z:m:1245) (s:f:1235)
我是hadoop地区的新手。您能帮我负责(k2,list[v2,v2,v2...])形式的输出(意味着将键及其所有关联值组合在一起)的责任是吗? 谢谢。 最佳答案 这是Hadoop的MapReduce
因此,我一直在尝试编写一个hadoop程序,该程序将输入作为一个包含许多文件的文件,并且我希望hadoop程序的输出仅是输入文件的一行。但是我还没有做到这一点。我也不想去 reducer 课。如果有人
我使用的输入文本文件的内容是 1 "Come 1 "Defects," 1 "I 1 "Information 1 "J" 2 "Plain 5 "Project 1
谁能告诉我以下grep命令的作用: $ bin/hadoop jar hadoop-*-examples.jar grep input output 'dfs[a-z.]+' 最佳答案 http:/
我不了解mapreducer的基本功能,mapreducer是否有助于将文件放入HDFS 或mapreducer仅有助于分析HDFS中现有文件中的内容 我对hadoop非常陌生,任何人都可以指导我理解
CopyFromLocal将从本地文件系统上载数据。 不要放会从任何文件上传数据,例如。本地FS,亚马逊S3 或仅来自本地fs ??? 最佳答案 请找到两个命令的用法。 put ======= Usa
我开始研究hadoop mapreduce。 我是Java和hadoop的初学者,并且了解hadoop mapreduce的编码,但是有兴趣了解它在云中的内部工作方式。 您能否分享一些很好的链接来说明
我一直在寻找Hadoop mapreduce类的类路径。我正在使用Hortonworks 2.2.4版沙箱。我需要这样的类路径来运行我的javac编译器: javac -cp (CLASS_PATH)
我是一名优秀的程序员,十分优秀!