aws emr s3-dist-cp MapReduce 作业在 CopyFilesReducer.cleanup 上失败答案

【问题标题】：aws emr s3-dist-cp The MapReduce job failed on CopyFilesReducer.cleanupaws emr s3-dist-cp MapReduce 作业在 CopyFilesReducer.cleanup 上失败
【发布时间】：2021-02-03 15:15:14
【问题描述】：

拥有（学习）AWS EMR 集群版本 emr-5.31.0

试图将文件从s3复制到hdfs，我在主节点上发出了一个命令：

s3-dist-cp --src=s3://bigdata-xxxxxxxxx/emrdata/orders.tbl.gz --dest=hdfs:/emrdata/orders.tbl.gz

它实际上执行了一系列 map/reduce 作业，其中一个 reduce 作业失败：

20/10/20 17:46:29 INFO mapreduce.Job:  map 100% reduce 50%
20/10/20 17:46:31 INFO mapreduce.Job: Task Id : attempt_1603203512239_0014_r_000005_0, Status : FAILED
Error: java.lang.RuntimeException: Reducer task failed to copy 1 files: s3://bigdata-xxxxxxxxx/emrdata/orders.tbl.gz etc
        at com.amazon.elasticmapreduce.s3distcp.CopyFilesReducer.cleanup(CopyFilesReducer.java:67)
        at org.apache.hadoop.mapreduce.Reducer.run(Reducer.java:179)
        at org.apache.hadoop.mapred.ReduceTask.runNewReducer(ReduceTask.java:635)
        at org.apache.hadoop.mapred.ReduceTask.run(ReduceTask.java:390)
        at org.apache.hadoop.mapred.YarnChild$2.run(YarnChild.java:177)
        at java.security.AccessController.doPrivileged(Native Method)
        at javax.security.auth.Subject.doAs(Subject.java:422)
        at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1893)
        at org.apache.hadoop.mapred.YarnChild.main(YarnChild.java:171)

如果有帮助，我有 a full cli output and the task syslog。

文件是比较小的存档（400MB）

我正在学习 AWS EMR 环境，所以我可能会遗漏一些可能被认为是理所当然的东西。

集群信息：

Applications:Hive 2.3.7, Pig 0.17.0, Hue 4.7.1, Spark 2.4.6, Tez 0.9.2, Flink 1.11.0, ZooKeeper 3.4.14, Oozie 5.2.0

EC2 instance profile:EMR_EC2_DefaultRole
EMR role:EMR_DefaultRole
Auto Scaling role:EMR_AutoScaling_DefaultRole

我无法确定问题的任何根本原因或如何解决。

【问题讨论】：

标签： amazon-web-services hadoop amazon-emr

【解决方案1】：

我让它工作了。使用 s3-dist-cp 的正确方法是使用存储桶和 srcPattern 参数。

s3-dist-cp --src=s3://bigdata-xxxxxxxxx/emrdata/ --dest=hdfs:///emrdata/ --srcPattern='orders\.tbl\.gz'

【讨论】：