我正在尝试从s3读取orc文件。我可以从spark-shell中读取它,如下所示。
scala> val df = spark.read.format("orc").load("s3a://bucketname/testorc/people/")
df: org.apache.spark.sql.DataFrame = [name: string, age: int ... 1 more field]
并使用以下配置运行spark-shell。
--master spark://ipaddress \
--packages datastax:spark-cassandra-connector:2.0.7-s_2.11,org.apache.hadoop:hadoop-aws:2.7.4,org.apache.hadoop:hadoop-client:2.7.4,com.typesafe:config:1.2.1 \
--conf "spark.driver.memory=4g" \
--conf spark.hadoop.fs.s3a.endpoint=s3.ap-south-1.amazonaws.com \
--conf spark.hadoop.fs.s3a.impl=org.apache.hadoop.fs.s3a.S3AFileSystem \
--conf spark.executor.extraJavaOptions=-Dcom.amazonaws.services.s3.enableV4=true \
--conf spark.driver.extraJavaOptions=-Dcom.amazonaws.services.s3.enableV4=true \
--conf spark.hadoop.mapreduce.fileoutputcommitter.algorithm.version=2 \
--conf spark.speculation=false \
--conf "spark.executor.memory=3g" \
但是当我尝试使用带有hydrosphere mist的spark从s3读取相同的文件时。我得到以下错误:
Status Code: 400, AWS Service: Amazon S3, AWS Request ID: 123456ABDGS, AWS Error Code: null, AWS Error Message: Bad Request,
以下是我的spark配置与 mist。
mist.context-defaults.spark-conf = {
spark.master = "spark://ipaddress"
spark.default.parallelism = 3
spark.cores.max = 4
spark.executor.cores = 1
spark.driver.memory = "1g"
spark.executor.memory = "1g"
spark.cassandra.connection.host = "cassandrahost"
spark.eventLog.enabled = false
spark.sql.crossJoin.enabled = true
spark.sql.shuffle.partitions = 50
spark.hadoop.fs.s3a.endpoint=s3.ap-south-1.amazonaws.com
spark.hadoop.fs.s3a.impl=org.apache.hadoop.fs.s3a.S3AFileSystem
spark.executor.extraJavaOptions="-Dcom.amazonaws.services.s3.enableV4=true"
spark.driver.extraJavaOptions="-Dcom.amazonaws.services.s3.enableV4=true"
spark.hadoop.mapreduce.fileoutputcommitter.algorithm.version=2
spark.speculation=false
}
用于读取文件的scala代码:
val df = spark.read.format("orc").load("s3a://bucketname/testorc/people/")
我在这里缺少什么?请帮忙。
编辑的问题
通过上下文运行选项传递外部依赖关系。
mist.context.abc.run-options = "--packages org.apache.hadoop:hadoop-aws:2.7.4,org.apache.hadoop:hadoop-client:2.7.4,com.typesafe:config:1.2.1"
您需要--packages在第一个示例中提到的上下文中添加相同的设置spark-shell。
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。