如何解决'文件只能在hadoop中复制到0个节点,而不是1'？

Question

我有一个简单的hadoop工作,它抓取网站并将它们缓存到HDFS.映射器检查HDFS中是否已存在URL,如果存在,则使用它,否则下载页面并将其保存到HDFS.

如果在下载页面时遇到网络错误(404等),则会完全跳过URL - 不会写入HDFS.每当我运行一个小的列表~1000个网站时,我似乎总是遇到这个错误,它在我的伪分布式安装中反复崩溃了.可能是什么问题呢？

我正在运行Hadoop 0.20.2-cdh3u3.

org.apache.hadoop.ipc.RemoteException: java.io.IOException: File /user/raj/cache/9b4edc6adab6f81d5bbb84fdabb82ac0 could only be replicated to 0 nodes, instead of 1
    at org.apache.hadoop.hdfs.server.namenode.FSNamesystem.getAdditionalBlock(FSNamesystem.java:1520)
    at org.apache.hadoop.hdfs.server.namenode.NameNode.addBlock(NameNode.java:665)
    at sun.reflect.GeneratedMethodAccessor7.invoke(Unknown Source)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
    at java.lang.reflect.Method.invoke(Method.java:616)
    at org.apache.hadoop.ipc.RPC$Server.call(RPC.java:557)
    at org.apache.hadoop.ipc.Server$Handler$1.run(Server.java:1434)
    at org.apache.hadoop.ipc.Server$Handler$1.run(Server.java:1430)
    at java.security.AccessController.doPrivileged(Native Method)
    at javax.security.auth.Subject.doAs(Subject.java:416)
    at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1157)
    at org.apache.hadoop.ipc.Server$Handler.run(Server.java:1428)

Answer 1

问题是映射器中用于缓存文件系统输入的未关闭的 FileSystem InputStream 实例。