在AWS EMR Jupyter笔记本中，如何将用户从livy更改为hadoop

Question

我创建了一个AWS EMR集群并上传了

sparkify_log_small.json

并创建了一个EMR Jupyter笔记本，下面的代码认为它可以从用户(hadoop(的主目录中读取。

sparkify_log_data = "sparkify_log_small.json"
df = spark.read.json(sparkify_log_data)
df.persist()
df.head(5)

但是当提交代码时，我得到了以下错误。

'Path does not exist: hdfs://ip-172-31-50-58.us-west-2.compute.internal:8020/user/livy/sparkify_log_small.json;'
Traceback (most recent call last):
File "/usr/lib/spark/python/lib/pyspark.zip/pyspark/sql/readwriter.py", line 274, in json
return self._df(self._jreader.json(self._spark._sc._jvm.PythonUtils.toSeq(path)))
File "/usr/lib/spark/python/lib/py4j-0.10.7-src.zip/py4j/java_gateway.py", line 1257, in __call__
answer, self.gateway_client, self.target_id, self.name)
File "/usr/lib/spark/python/lib/pyspark.zip/pyspark/sql/utils.py", line 69, in deco
raise AnalysisException(s.split(': ', 1)[1], stackTrace)
pyspark.sql.utils.AnalysisException: 'Path does not exist: hdfs://ip-172-31-50-58.us-west-2.compute.internal:8020/user/livy/sparkify_log_small.json;'

通过谷歌搜索了解到YARN的默认用户是livy。如何将jupyter笔记本中的用户从livy更改为hadoop(或(指向正确的目录。

我尝试创建一个如下所示的文件夹，并将文件从/home/hoop/sparkify_log_small.json复制到/home/livy/sparkify_log_ssmall.json

但没有起作用。

在这里，我基本上是在尝试从ec2主机从笔记本上读取一个文件。

Answer 1

以下程序解决了它，

已检查hadoop文件

hadoop fs -ls

在hadoop文件系统中创建文件夹

hdfs dfs -mkdir /home
hdfs dfs -mkdir /home/hadoop

将文件复制到该位置

hadoop fs -put ./sparkify_log_small.json /home/hadoop/sparkify_log_small.json

然后在jupyter细胞中运行python代码。它奏效了。