从 Hadoop 中删除文件/文件夹答案

【问题标题】：Deleting file/folder from Hadoop从 Hadoop 中删除文件/文件夹
【发布时间】：2013-05-23 17:42:14
【问题描述】：

我正在分析日志文件的数据管道内运行 EMR 活动，当我的管道失败时出现以下错误：

Exception in thread "main" org.apache.hadoop.mapred.FileAlreadyExistsException: Output directory hdfs://10.208.42.127:9000/home/hadoop/temp-output-s3copy already exists
    at org.apache.hadoop.mapred.FileOutputFormat.checkOutputSpecs(FileOutputFormat.java:121)
    at org.apache.hadoop.mapred.JobClient$2.run(JobClient.java:944)
    at org.apache.hadoop.mapred.JobClient$2.run(JobClient.java:905)
    at java.security.AccessController.doPrivileged(Native Method)
    at javax.security.auth.Subject.doAs(Subject.java:396)
    at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1132)
    at org.apache.hadoop.mapred.JobClient.submitJobInternal(JobClient.java:905)
    at org.apache.hadoop.mapred.JobClient.submitJob(JobClient.java:879)
    at org.apache.hadoop.mapred.JobClient.runJob(JobClient.java:1316)
    at com.valtira.datapipeline.stream.CloudFrontStreamLogProcessors.main(CloudFrontStreamLogProcessors.java:216)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:39)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:25)
    at java.lang.reflect.Method.invoke(Method.java:597)
    at org.apache.hadoop.util.RunJar.main(RunJar.java:187)

如何从 Hadoop 中删除该文件夹？

【问题讨论】：

标签： hadoop amazon-web-services amazon-s3 elastic-map-reduce

【解决方案1】：

当您说从 Hadoop 中删除时，您实际上是指从 HDFS 中删除。

要从 HDFS 中删除某些内容，请执行以下两项操作之一

从命令行：

不推荐使用的方式：

hadoop dfs -rmr hdfs://path/to/file

新方法（使用 hadoop 2.4.1）：

hdfs dfs -rm -r hdfs://path/to/file

或者来自java：

FileSystem fs = FileSystem.get(getConf());
fs.delete(new Path("path/to/file"), true); // delete file, true for recursive

【讨论】：

路径/到/文件是“10.208.42.127:9000/home/hadoop/temp-output-s3copy”？谢谢！
我还没有测试过。我的问题是我应该使用“10.208.42.127:9000/home/hadoop/temp-output-s3copy”作为路径/到/文件吗？
通常您只需指定 hdfs://home/hadoop/temp-output-s3copy，因为 hdfs 上的文件通常会复制到多个节点。您是在单个节点上执行此操作吗？
好吧，如果这个文件夹在 HDFS 上，那么它应该可以工作。尽管您提供的路径让我认为它根本不在 HDFS 上，而只是一个本地文件夹。你是通过命令行还是 java 来做这个？
我正在通过命令行创建管道，但我的 loganalyzer 是用 Java 完成的

【解决方案2】：

要从 hdfs 中删除文件，您可以使用以下给定命令：

hadoop fs -rm -r -skipTrash /path_to_file/file_name

要从 hdfs 中删除文件夹，您可以使用以下给定命令：

hadoop fs -rm -r -skipTrash /folder_name

您需要使用 -skipTrash 选项，否则会提示错误。

【讨论】：

【解决方案3】：

使用 Scala：

val fs:FileSystem = FileSystem.get(new URI(filePath), sc.hadoopConfiguration);
fs.delete(new Path(filePath), true) // true for recursive

sc 是 SparkContext

【讨论】：

正是我想要的：包括递归标志和来自 sparkContext。

【解决方案4】：

要从 hdfs 中删除文件，请使用以下命令： hadoop fs -rm -r /FolderName

【讨论】：

【解决方案5】：

我联系了 AWS 支持，问题似乎在于我正在分析的日志文件非常大，这造成了内存问题。我在 EMRCluster 部分中添加了我的管道定义“masterInstanceType”：“m1.xlarge”，它起作用了。

【讨论】：

这是您问题的答案，但不是问题标题的答案。

【解决方案6】：

从命令行：

 hadoop fs -rm -r /folder

【讨论】：

【解决方案7】：

我使用 hadoop 2.6.0，命令行 'hadoop fs -rm -r fileName.hib' 可以很好地删除我的 hdfs 文件 sys 上的任何 hib 文件

【讨论】：