hadoop - FileInputFormat.setInputPath 中的 FTP 文件名

Question

我有一个代码可以使用 mapreduce 代码从 FTP 服务器读取数据。我们用来连接ftp服务器的代码如下`

    String inputPath = args[0];
    String outputPath = args[1];

   Configuration conf1 = new Configuration();
    String[] otherArgs = new GenericOptionsParser(conf1, args).getRemainingArgs();

    Path arg = new Path(inputPath);
    FTPFileSystem ftpfs = new FTPFileSystem();
    Path arg1 =new Path(outputPath);
    ftpfs.setConf(conf1);
    String ftpUser = URLEncoder.encode("username", "UTF-8");
    String ftpPass = URLEncoder.encode("password", "UTF-8");

    String url = String.format("ftp://%s:%s@ftpserver.com",
            ftpUser, ftpPass);
    ftpfs.initialize(new URI(url), conf1);

    JobConf conf = new JobConf(FTPIF.class);
    FileOutputFormat.setOutputPath(conf, arg1));      
    FileInputFormat.setInputPaths(conf, ftpfs.makeQualified(arg));



        conf.setOutputKeyClass(Text.class);
        conf.setOutputValueClass(NullWritable.class);
        conf.setOutputFormat(TextOutputFormat.class);

        conf.setInputFormat(CustomInputFormat.class);
        conf.setMapperClass(CustomMap.class);
        conf.setReducerClass(CustomReduce.class);


    JobClient.runJob(conf);

`

问题是这段代码在伪模式下工作得很好，但在集群上运行时出现服务器登录失败错误。错误堆栈跟踪是

错误 security.UserGroupInformation: PriviledgedActionException as:username (auth:SIMPLE) cause:java.io.IOException: Login failed on server - 0.0.0.0, port - 21
线程“main”中的异常 java.io.IOException:服务器登录失败 - 0.0.0.0，端口 - 21
在 org.apache.hadoop.fs.ftp.FTPFileSystem.connect(FTPFileSystem.java:133)
在 org.apache.hadoop.fs.ftp.FTPFileSystem.getFileStatus(FTPFileSystem.java:389)
在 org.apache.hadoop.fs.FileSystem.getFileStatus(FileSystem.java:2106)
在 org.apache.hadoop.fs.FileSystem.globStatusInternal(FileSystem.java:1566)
在 org.apache.hadoop.fs.FileSystem.globStatus(FileSystem.java:1503)
在 org.apache.hadoop.mapred.FileInputFormat.listStatus(FileInputFormat.java:174)
在 org.apache.hadoop.mapred.FileInputFormat.getSplits(FileInputFormat.java:205)
在 org.apache.hadoop.mapred.JobClient.writeOldSplits(JobClient.java:1041)
在 org.apache.hadoop.mapred.JobClient.writeSplits(JobClient.java:1033)
在 org.apache.hadoop.mapred.JobClient.access$600(JobClient.java:172)
在 org.apache.hadoop.mapred.JobClient$2.run(JobClient.java:943)
在 org.apache.hadoop.mapred.JobClient$2.run(JobClient.java:896)
在 java.security.AccessController.doPrivileged( native 方法)
在 javax.security.auth.Subject.doAs(Subject.java:396)
在 org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1332)
在 org.apache.hadoop.mapred.JobClient.submitJobInternal(JobClient.java:896)
在 org.apache.hadoop.mapred.JobClient.submitJob(JobClient.java:870)
在 org.apache.hadoop.mapred.JobClient.runJob(JobClient.java:1319)
在 FTPIF.run(FTPIF.java:164)
在 org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:70)
在 org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:84)
在 FTPIF.main(FTPIF.java:169)
在 sun.reflect.NativeMethodAccessorImpl.invoke0( native 方法)
在 sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:39)
在 sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:25)
在 java.lang.reflect.Method.invoke(Method.java:597)
在 org.apache.hadoop.util.RunJar.main(RunJar.java:208

集群连接到 ftp 。使用的凭据是正确的。代码无法连接到 ftp 的任何想法？

Answer 1

如果您的集群上有许多节点并且多个映射器正在尝试打开到您的 FTP 服务器的连接，那么您可能会超出 FTP 服务器支持的 FTP 用户限制。