apache-spark - aws 错误请求（400）火花

问题描述

我正在尝试从 s3 读取 orc 文件。我可以从 spark-shell 中读取它，如下所示。

scala> val df = spark.read.format("orc").load("s3a://bucketname/testorc/people/")
df: org.apache.spark.sql.DataFrame = [name: string, age: int ... 1 more field]

并使用以下配置运行 spark-shell。

--master spark://ipaddress \
--packages datastax:spark-cassandra-connector:2.0.7-s_2.11,org.apache.hadoop:hadoop-aws:2.7.4,org.apache.hadoop:hadoop-client:2.7.4,com.typesafe:config:1.2.1 \
--conf "spark.driver.memory=4g" \
--conf spark.hadoop.fs.s3a.endpoint=s3.ap-south-1.amazonaws.com \
--conf spark.hadoop.fs.s3a.impl=org.apache.hadoop.fs.s3a.S3AFileSystem \
--conf spark.executor.extraJavaOptions=-Dcom.amazonaws.services.s3.enableV4=true \
--conf spark.driver.extraJavaOptions=-Dcom.amazonaws.services.s3.enableV4=true \
--conf spark.hadoop.mapreduce.fileoutputcommitter.algorithm.version=2 \
--conf spark.speculation=false \
--conf "spark.executor.memory=3g" \

但是当我尝试使用带有水圈雾的火花从 s3 读取相同的文件时。我收到以下错误：

Status Code: 400, AWS Service: Amazon S3, AWS Request ID: 123456ABDGS, AWS Error Code: null, AWS Error Message: Bad Request,

下面是我的带雾的火花配置。

mist.context-defaults.spark-conf = {
      spark.master = "spark://ipaddress"
      spark.default.parallelism = 3
      spark.cores.max = 4
      spark.executor.cores = 1
      spark.driver.memory = "1g"
      spark.executor.memory = "1g"
      spark.cassandra.connection.host = "cassandrahost"
      spark.eventLog.enabled = false
      spark.sql.crossJoin.enabled = true
      spark.sql.shuffle.partitions = 50
      spark.hadoop.fs.s3a.endpoint=s3.ap-south-1.amazonaws.com
      spark.hadoop.fs.s3a.impl=org.apache.hadoop.fs.s3a.S3AFileSystem
      spark.executor.extraJavaOptions="-Dcom.amazonaws.services.s3.enableV4=true"
      spark.driver.extraJavaOptions="-Dcom.amazonaws.services.s3.enableV4=true"
      spark.hadoop.mapreduce.fileoutputcommitter.algorithm.version=2
      spark.speculation=false
    }

scala代码读取文件：

val df = spark.read.format("orc").load("s3a://bucketname/testorc/people/")

我在这里缺少什么？请帮忙。

编辑过的问题

通过上下文运行选项传递外部依赖。

mist.context.abc.run-options = "--packages org.apache.hadoop:hadoop-aws:2.7.4,org.apache.hadoop:hadoop-client:2.7.4,com.typesafe:config:1.2.1"

标签： apache-sparkhadoop

apache-spark - aws 错误请求（400）火花

问题描述

解决方案

推荐阅读