使用 Spark 1.5，我使用 spark-ec2 可执行文件和 --copy-aws-credentials 标志启动了一个 EC2 集群。登录到主节点后，$AWS_ACCESS_KEY_ID 和 $AWS_SECRET_ACCESS_KEY 未设置。它们都设置在启动集群的机器上。尝试通过主节点上 spark-shell 中的 sc.textFile("s3n://...) 获取文件会引发错误，要求提供凭据。

如何使用适当的 AWS 凭证启动集群？

最佳答案

我遇到了这个完全相同的问题。

通过查看 spark-ec2 安装脚本 [1]，我了解到 key 被复制到两个 hdfs 安装的 core-site.xml 文件中。你可以查看~/ephemeral-hdfs/conf/core-site.xml和~/persistent-hdfs//conf/core-site.xml。 这允许您将文件放入您配置的两个文件系统中的任何一个，而无需提供 AWS 凭证。然后，您可以从 Spark 访问 hdfs 中的文件(即 hdfs:///yourdata)。

如果您想直接从 Spark 访问 S3，有多种选择。

1. 将相同的配置放入 ~/spark/conf/core-site.xml 和 ~/mapreduce/conf/core-site.xml。每次停止和启动集群时都必须重做，这很烦人。
2. export AWS_ACCESS_KEY_ID=... 和 export AWS_SECRET_ACCESS_KEY=... 在您提交 Spark 作业之前(例如，在提交作业的同一脚本中)
3. 使用您的 s3n url (s3n://YourAccesKey:YourSecretAccessKey@yourbucket/yourdata) 提供您的凭据

[1] https://github.com/amplab/spark-ec2

关于amazon-web-services - spark-ec2 --copy-aws-credentials 不工作，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/33574008/