apache-spark - 为什么 Zeppelin notebook 无法连接到 S3

Question

我已安装 Zeppelin ，在我的 aws EC2 机器上连接到我的 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”进行构建时，它警告说它不存在。

我也试过this中提到的-Phadoop-1 Spark 网站。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。

Answer 1

以下安装对我有用(也花了很多天来解决问题):

在 EC2 集群上为 Hadoop 2.3 设置预构建 Spark 1.3.1

git 克隆 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

通过“conf/zeppelin-site.xml”将端口更改为 8082(Spark 使用端口 8080)

在此安装步骤之后，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

我认为在 Zeppelin 0.5.0 版中没有完全解决 S3 问题，所以克隆实际的 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 主=本地[*] (而不是使用 spark://master:7777)