在AWS EMR Jupyter Notebook中，如何将用户从livy更改为hadoop

Question

我已创建一个AWS EMR集群并上传，

sparkify_log_small.json

并使用以下代码创建了一个EMR Jupyter笔记本，认为它可以从用户（hadoop）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)

但是提交代码时，出现以下错误。

'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;'

从谷歌搜索了解到YARN的默认用户是livy。如何将Jupyter Notebook中的用户从livy更改为hadoop（或）指向正确的目录。

我已经尝试创建如下所示的文件夹并将文件从/home/hadoop/sparkify_log_small.json复制到/home/livy/sparkify_log_small.json

但是没有用。

基本上，我在这里尝试从笔记本读取ec2-master的文件。

Answer 1

以下步骤已解决，

已检查的hadoop文件

hadoop fs -ls

hadoop文件系统中的已创建文件夹

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

复制到该位置的文件

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

然后在jupyter单元中运行python代码。有效。