我有一些问题,配置带有sparkR的hadoop,以便从amazon S3读取/写入数据。 例如,这些是在pyspark中工作的命令(解决相同的问题):
sc._jsc.hadoopConfiguration().set("fs.s3n.impl","org.apache.hadoop.fs.s3native.NativeS3FileSystem")
sc._jsc.hadoopConfiguration().set("fs.s3n.awsAccessKeyId", "myaccesskey")
sc._jsc.hadoopConfiguration().set("fs.s3n.awsSecretAccessKey", "mysecretaccesskey")
sc._jsc.hadoopConfiguration().set("fs.s3n.endpoint", "myentrypoint")
有人可以帮我解决这个问题吗?
通过使用callJMethod
(https://github.com/apache/spark/blob/master/R/pkg/R/backend.R#L31)可以实现更接近PySpark所做的解决方案
> hConf = SparkR:::callJMethod(sc, "hadoopConfiguration")
> SparkR:::callJMethod(hConf, "set", "a", "b")
NULL
> SparkR:::callJMethod(hConf, "get", "a")
[1] "b"
更新:
hadoopConfiguration
不适合我:conf
虽然工作 - 可能它在某些时候发生了变化。
你可以设置
<property>
<name>fs.s3n.impl</name>
<value>org.apache.hadoop.fs.s3native.NativeS3FileSystem</value>
</property>
在您的core-site.xml(纱线配置)