如何设置 EMR 类路径

Question

我正在 AWS EMR 集群上运行作业，并且遇到杰克逊库冲突的问题。根据此处的文章，我尝试添加引导步骤以使用以下脚本设置我的类路径：

#!/bin/bash
export HADOOP_USER_CLASSPATH_FIRST=true;
echo "HADOOP_CLASSPATH=s3n://bucket/myjar.jar" > /home/hadoop/conf/hadoop-user-env.sh

我已经构建了我的 jar，以便它的所有依赖项都包含在其中。执行此操作时遇到的第一个问题是我的启用调试步骤因以下错误而死亡：

Exception in thread "main" java.lang.RuntimeException: java.lang.ClassNotFoundException: Class com.amazon.ws.emr.hadoop.fs.EmrFileSystem not found
at org.apache.hadoop.conf.Configuration.getClass(Configuration.java:1895)
at org.apache.hadoop.fs.FileSystem.getFileSystemClass(FileSystem.java:2427)
at org.apache.hadoop.fs.FileSystem.createFileSystem(FileSystem.java:2440)
at org.apache.hadoop.fs.FileSystem.access$200(FileSystem.java:88)
at org.apache.hadoop.fs.FileSystem$Cache.getInternal(FileSystem.java:2479)
at org.apache.hadoop.fs.FileSystem$Cache.get(FileSystem.java:2461)
at org.apache.hadoop.fs.FileSystem.get(FileSystem.java:372)
at com.amazon.elasticmapreduce.scriptrunner.ScriptRunner.fetchFile(ScriptRunner.java:39)
at com.amazon.elasticmapreduce.scriptrunner.ScriptRunner.main(ScriptRunner.java:56)
at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:57)
at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
at java.lang.reflect.Method.invoke(Method.java:606)
at org.apache.hadoop.util.RunJar.main(RunJar.java:212)
Caused by: java.lang.ClassNotFoundException: Class com.amazon.ws.emr.hadoop.fs.EmrFileSystem not found
at org.apache.hadoop.conf.Configuration.getClassByName(Configuration.java:1801)
at org.apache.hadoop.conf.Configuration.getClass(Configuration.java:1893)
... 13 more

所以我有两个问题，关于启用调试步骤有什么问题？将我的类路径作为 s3 位置是否有效？如果不是，应该是什么值：

/path/to/my.jar

在上面指示的页面上的示例中？

Answer 1

查看您的引导操作，看起来您的字符串中可能存在错误。该行应如下所示：

#!/bin/bash
export HADOOP_USER_CLASSPATH_FIRST=true
echo "HADOOP_CLASSPATH=/path/to/my.jar" >> /home/hadoop/conf/hadoop-user-env.sh

请注意">>>"字符。单个">>"表示您将整个文件替换为"echo"命令的输出，而双">>"表示您将该行附加到脚本的末尾。此外，Bash 脚本中不需要分号。

参考资料 ： http://docs.aws.amazon.com/ElasticMapReduce/latest/DeveloperGuide/emr-hadoop-config_hadoop-user-env.sh.html

PS：亚马逊的出色支持发现了这个问题并回复了我的电子邮件; 尽管我没有问这个问题。所以这是作者的归属 - AWS 支持工程师 Rendy O。