3
我正在使用Amazon EMR，並且能夠使用CLI工具創建和運行作業流程。喬布斯運行良好。但是，當我嘗試從S3和名稱節點的本地文件系統中將數據加載到EMR羣集的HDFS時，我遇到了問題。Amazon EMR：使用數據初始化羣集
我想從S3填充HDFS。我正在嘗試使用S3DistCp工具來做到這一點。我正在運行此命令：
elastic-mapreduce --jobflow $JOBFLOWID --jar s3://us-east-1.elasticmapreduce/libs/s3distcp/1.0.1/s3distcp.jar --arg --src --arg 's3n://my-bucket/src' --arg --dest --arg 'hdfs:///my-emr-hdfs/dest/'
我在日誌中收到兩個可能相關的錯誤。在MapReduce工作輸出作業完成100％，但在最後失敗：
INFO org.apache.hadoop.mapred.JobClient (main): Map output records=184
ERROR com.amazon.elasticmapreduce.s3distcp.S3DistCp (main): 21 files failed to copy
在名稱節點守護程序日誌我得到這個異常：
INFO org.apache.hadoop.ipc.Server (IPC Server handler 13 on 9000): IPC Server handler 13 on 9000, call addBlock(/mnt/var/lib/hadoop/tmp/mapred/system/jobtracker.info, DFSClient_-1580223521, null) from xx.xx.xx.xx:xxxxx: error: java.io.IOException: File /mnt/var/lib/hadoop/tmp/mapred/system/jobtracker.info could only be replicated to 0 nodes, instead of 1
java.io.IOException: File /mnt/var/lib/hadoop/tmp/mapred/system/jobtracker.info could only be replicated to 0 nodes, instead of 1 at org.apache.hadoop.hdfs.server.namenode.FSNamesystem.getAdditionalBlock(FSNamesystem.java:1531)
at org.apache.hadoop.hdfs.server.namenode.NameNode.addBlock(NameNode.java:685)
at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:39)
at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:25)
at java.lang.reflect.Method.invoke(Method.java:597)
at org.apache.hadoop.ipc.RPC$Server.call(RPC.java:563)
at org.apache.hadoop.ipc.Server$Handler$1.run(Server.java:1388)
at org.apache.hadoop.ipc.Server$Handler$1.run(Server.java:1384)
at java.security.AccessController.doPrivileged(Native Method)
at javax.security.auth.Subject.doAs(Subject.java:396)
at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1059)
at org.apache.hadoop.ipc.Server$Handler.run(Server.java:1382)
我設置DFS。創建工作流時複製= 1。我的節點是c1.mediums，我試圖推入HDFS的數據低於3GB。所以它不應該是一個磁盤外的問題。但也許我錯過了一些東西。
兩個問題： 1）任何洞察爲什麼S3DistCp失敗？ 2）第二個問題有點不相關。是否有可能創建一個作業流程，其中第一個作業是S3DistCp作業以使用數據初始化羣集？
任何洞察讚賞。謝謝。
更新：我在下面的評論測試似乎沒有工作。以下是日誌中的更多信息。
WARN org.apache.hadoop.hdfs.DFSClient (Thread-15): Error Recovery for block null bad datanode[0] nodes == null
WARN org.apache.hadoop.hdfs.DFSClient (Thread-15): Could not get block locations. Source file "/mnt/tmp/mapred/system/jobtracker.info" - Aborting...
WARN org.apache.hadoop.mapred.JobTracker (main): Writing to file hdfs://xx.xx.xx.xx:xxxx/mnt/tmp/mapred/system/jobtracker.info failed!
WARN org.apache.hadoop.mapred.JobTracker (main): FileSystem is not ready yet!
WARN org.apache.hadoop.mapred.JobTracker (main): Failed to initialize recovery manager.
EMR以不推薦使用的hadoop-site.xml文件啓動，它看起來像它可能正在使用它以及定義在其中的hadoop.tmp.dir配置，它指向/ tmp。/tmp要小得多。我將嘗試覆蓋該配置。它可能無法正常工作。 https://forums.aws.amazon.com/thread.jspa?threadID=32108 –
EMR上的名稱節點守護進程日誌幾乎總是以日誌中的這些錯誤啓動。我認爲那些是紅鯡魚。只要在Hadoop調用的jar中有一個main方法，您就可以在EMR步驟中執行任何操作。但是直接使用s3n：//（本地s3文件系統）進行地圖輸入有什麼問題？ –
感謝這個見解@JudgeMental。看起來我的所有數據文件都可以進入EMR HDFS。但是s3distcp作業每次都會進入失敗狀態，因此它看起來很糟糕。 –