在EMR中添加S3同步步骤

Question

执行完所有步骤后，我想执行最后一步将S3数据复制到另一个存储桶。

我没有找到任何支持的运行shell命令的脚本

https://docs.aws.amazon.com/emr/latest/ReleaseGuide/emr-commandrunner.html

支持s3-dist-cp，如果允许我覆盖目标目录数据，我可以使用它。

我需要这样的东西：

{
  action_on_failure   = "CONTINUE"
  name                = "copy s3 data"
  hadoop_jar_step     = [{
     args    = ["bash" , "  aws s3 sync s3://bucket1/data s3://bucket2/data"]
     jar = "command-runner.jar"
    }]
}

Answer 1

看看this link。

在CLI中，您可以使用此配置位执行以下步骤：

Type=CUSTOM_JAR,Name="Copy s3 data",ActionOnFailure=CONTINUE,Jar="command-runner.jar",Args=["aws","s3","sync","s3://bucket1/data","s3://bucket2/data"]