亚马逊EMR蜂巢执行错误

Question

我正在尝试使用亚马逊EMR控制台运行一个简单的配置单元作业。每次我收到错误，指出“错误缺少参数基本路径”并且hive作业失败。任何人都可以建议我如何解决它。

我已将输入文件插入s3：// bucket / inputs位置，脚本位于s3：// bucket / script中，我的hive查询如下：

create external table table_name(        
 string var 1, 
 string var 2....) 
Row format delimited 
fields terminated by '/t' 
location 's3://bucket/outputs' 
load data inpath 's3://bucket/inputs/data.txt' into table table_name )

在亚马逊EMR工作流程中，我遵循了亚马逊文档提供的所有说明。我是这个领域的初学者。是否需要在hive作业创建的参数列表部分中传递任何参数。

提前致谢

Answer 1

试试这个：

-- start
SET mapred.input.dir.recursive=true;
CREATE EXTERNAL TABLE table_name (string line)
LOCATION 's3n://bucket/inputs/';

要么

LOCATION 's3n://bucket/*/*';

我认为它有效。

• Apache Pig需要协议s3：//，但是hive需要s3n：//。我不知道为什么。

看到这个网站：S3 Support in Apache Hadoop，有三种类型的s3文件前缀。

• S3A（URI方案：s3a：//） - Hadoop 2.7+
• S3N FileSystem（URI方案：s3n：//）
• S3 Block FileSystem（URI方案：s3：//）

Answer 2

ASF文档明确声明在EMR上，您必须使用s3，而不是其他任何一个。亚马逊发布了自己的S3客户端库。如果Hive需要S3n，这意味着它的类路径出现问题，并且它没有拿起AWS专有客户端 - 这不仅令人困惑，而且可能带来麻烦。

对于好奇，这里是the history of Hadoop S3 support