Hadoop S3A 文件系统，中止对象上传？

Question

我有类似的代码

ParquetWriter<Record> writer = getParquetWriter("s3a://my_bucket/my_object_path.snappy.parquet");
for (Record r : someIterable) {
   validate(r);
   writer.write()
}
writer.close();

如果validate 抛出异常，我想释放与作者相关的所有资源。但在这种情况下，我不想在 S3 中创建任何对象。这可以实现吗？

如果我关闭编写器，它将结束 s3 分段上传并在云中创建一个对象。如果我不关闭它，到目前为止写入的部分将保留在磁盘缓冲区中，从而阻塞工作。

Answer 1

是的，这是一个问题。它已在HADOOP-16906 中讨论过为流等添加一些 Abortable.abort() 接口，这些接口可以终止

这里的问题是添加到 S3ABlockOutputStream 类是不够的，我们需要通过 FSDataOutputStream 等传递它，在 FS API 中指定它，如果传递不起作用，定义语义，承诺维护它等等。很多努力。如果您确实想这样做，欢迎使用补丁...

关注HDFS-13934，分段上传 API。这将让您进行上传，然后提交/中止它。不太适合您的工作流程。

担心您将不得不进行上传。请记住为存储桶设置生命周期规则以删除旧上传，并查看hadoop s3guard uploads 命令来列出/中止它们。