Java+Spark wordCount 与 EMR

Question

我一直在尝试运行 Pi 估计和 https://spark.apache.org/examples.html 上找到的 wordCount 示例在Java中使用EMR

Pi 估计工作正常，所以我假设一切都设置正确。但我在 wordCount 中遇到了这个错误:

线程“main”org.apache.hadoop.mapred.InvalidInputException中出现异常:输入路径不存在:hdfs://XXX/user/hadoop/input.txt

在运行此命令之前，我已从 s3 下载了我的 input.txt 和 jar:

spark-submit --class "wordCount"--master local[4] Spark05-1.1.jar input.txt

这是我的字数统计代码:

import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import scala.Tuple2;

import java.util.Arrays;

public final class wordCount {

    public static void main(String[] args) {

        SparkConf sparkConf = new SparkConf().setMaster("local").setAppName("JD Word Counter");

        JavaSparkContext sparkContext = new JavaSparkContext(sparkConf);



        JavaRDD<String> textFile = sparkContext.textFile(args[0]);
        JavaPairRDD<String, Integer> counts = textFile
                .flatMap(s -> Arrays.asList(s.split(" ")).iterator())
                .mapToPair(word -> new Tuple2<>(word, 1))
                .reduceByKey((a, b) -> a + b);
        counts.saveAsTextFile("result.txt");


    }
}

我做错了什么吗？

Answer 1

如果您没有在hdfs上加载input.txt，请先将其放入hdfs后再尝试。

或者，尝试使用带有前缀“file”的完整路径，例如)file://{YOUR_FILE_PATH}。
我相信它是因为 Spark 配置中的“fs.defaultFS”是“hdfs”。