为什么 Zeppelin 笔记本无法连接到 S3答案

【问题标题】：Why Zeppelin notebook is not able to connect to S3为什么 Zeppelin 笔记本无法连接到 S3
【发布时间】：2015-09-02 06:43:04
【问题描述】：

我已经在我的 aws EC2 机器上安装了 Zeppelin 以连接到我的 spark 集群。

Spark 版本： 独立：spark-1.2.1-bin-hadoop1.tgz

在我的用例中尝试访问 S3 中的文件时，我能够连接到 Spark 集群，但出现以下错误。

代码：

    sc.hadoopConfiguration.set("fs.s3n.awsAccessKeyId", "YOUR_KEY_ID")
    sc.hadoopConfiguration.set("fs.s3n.awsSecretAccessKey","YOUR_SEC_KEY")
    val file = "s3n://<bucket>/<key>"
    val data = sc.textFile(file)
    data.count


file: String = s3n://<bucket>/<key>
data: org.apache.spark.rdd.RDD[String] = s3n://<bucket>/<key> MappedRDD[1] at textFile at <console>:21
ava.lang.NoSuchMethodError: org.jets3t.service.impl.rest.httpclient.RestS3Service.<init>(Lorg/jets3t/service/security/AWSCredentials;)V
    at org.apache.hadoop.fs.s3native.Jets3tNativeFileSystemStore.initialize(Jets3tNativeFileSystemStore.java:55)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:57)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
    at java.lang.reflect.Method.invoke(Method.java:606)
    at org.apache.hadoop.io.retry.RetryInvocationHandler.invokeMethod(RetryInvocationHandler.java:85)

我已经通过以下命令构建了 Zeppelin：

mvn clean package -Pspark-1.2.1 -Dhadoop.version=1.0.4 -DskipTests

当我尝试使用 hadoop 配置文件“-Phadoop-1.0.4”构建时，它会发出警告说它不存在。

我也尝试过this spark 网站中提到的-Phadoop-1。但得到了同样的错误。 1.x 到 2.1.x hadoop-1

请让我知道我在这里缺少什么。

【问题讨论】：

标签： apache-spark apache-zeppelin

【解决方案1】：

以下安装对我有用（也花了很多天来解决这个问题）：

在 EC2 集群上设置 Hadoop 2.3 的 Spark 1.3.1 预构建
git clone https://github.com/apache/incubator-zeppelin.git（日期：25.07.2015）
通过以下命令安装了zeppelin（属于https://github.com/apache/incubator-zeppelin上的说明）：

mvn clean package -Pspark-1.3 -Dhadoop.version=2.3.0 -Phadoop-2.3 -DskipTests
端口通过“conf/zeppelin-site.xml”更改为 8082（Spark 使用端口 8080）

在这个安装步骤之后，我的笔记本使用了 S3 文件：

sc.hadoopConfiguration.set("fs.s3n.awsAccessKeyId", "xxx")
sc.hadoopConfiguration.set("fs.s3n.awsSecretAccessKey","xxx")
val file = "s3n://<<bucket>>/<<file>>"
val data = sc.textFile(file)
data.first

我认为 Zeppelin 版本 0.5.0 中的 S3 问题并没有完全解决，所以克隆了实际的 git-repo 为我做了。

重要信息：这项工作仅适用于我使用 zeppelin spark-interpreter 设置 master=local[*]（而不是使用 spark://master:7777）

【讨论】：

【解决方案2】：

对我来说，它分两步完成-

1. creating sqlContext -
val sqlContext = new org.apache.spark.sql.SQLContext(sc)
2. reading s3 files like this. - 
val performanceFactor = sqlContext.
      read.  parquet("s3n://<accessKey>:<secretKey>@mybucket/myfile/")

您需要在哪里提供访问密钥和密钥。在 #2 中，我在路径本身中使用 s3n 协议和访问密钥和密钥。

【讨论】：