Hadoop:AWS EMR作业中的输入和输出路径

Question

我正在尝试在Amazon Elastic Mapreduce中运行Hadoop作业.我的数据和jar位于aws s3中.当我设置作业流程时,我将JAR参数传递为

s3n://my-hadoop/input s3n://my-hadoop/output

下面是我的hadoop主要功能

public static void main(String[] args) throws Exception
    {
        Configuration conf = new Configuration();
        Job job = new Job(conf, "MyMR");
        job.setJarByClass(MyMR.class);
        job.setMapperClass(MyMapper.class);
        job.setReducerClass(CountryReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(Text.class);
        job.setInputFormatClass(TextInputFormat.class);
        FileInputFormat.addInputPath(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }

但是,我的作业流程失败,并在stderr中显示以下日志

Exception in thread "main" java.lang.ClassNotFoundException: s3n://my-hadoop/input
    at java.lang.Class.forName0(Native Method)
    at java.lang.Class.forName(Class.java:247)
    at org.apache.hadoop.util.RunJar.main(RunJar.java:180)

那么如何在aws emr中指定输入和输出路径？

Answer 1

所以基本上这是一个在尝试创建可执行 jar 时未定义主类的经典错误。当您不让 jar 知道主类时，第一个参数将被视为主类，因此会出现错误。

因此，请确保在创建可执行 jar 时，在清单中指定主类。

或者

分别使用 args[1] 和 args[2] 作为输入和输出，并执行 hadoop 步骤，如下所示：

ruby elastic-mapreduce -j $jobflow --jar s3:/my-jar-location/myjar.jar --arg com.somecompany.MyMainClass --arg s3:/input --arg s3:/output