azure - spark-shell 错误：没有用于方案的文件系统：wasb

Question

我们在 Azure 中运行 HDInsight 集群，但它不允许在创建集群时启动边缘/网关节点。所以我通过安装来创建这个边缘/网关节点

echo 'deb http://private-repo-1.hortonworks.com/HDP/ubuntu14/2.x/updates/2.4.2.0 HDP main' >> /etc/apt/sources.list.d/HDP.list
echo 'deb http://private-repo-1.hortonworks.com/HDP-UTILS-1.1.0.20/repos/ubuntu14 HDP-UTILS main'  >> /etc/apt/sources.list.d/HDP.list
echo 'deb [arch=amd64] https://apt-mo.trafficmanager.net/repos/azurecore/ trusty main' >> /etc/apt/sources.list.d/azure-public-trusty.list
gpg --keyserver pgp.mit.edu --recv-keys B9733A7A07513CAD
gpg -a --export 07513CAD | apt-key add -
gpg --keyserver pgp.mit.edu --recv-keys B02C46DF417A0893
gpg -a --export 417A0893 | apt-key add -
apt-get -y install openjdk-7-jdk
export JAVA_HOME=/usr/lib/jvm/java-7-openjdk-amd64
apt-get -y install hadoop hadoop-hdfs hadoop-yarn hadoop-mapreduce hadoop-client openssl libhdfs0 liblzo2-2 liblzo2-dev hadoop-lzo phoenix hive hive-hcatalog tez mysql-connector-java* oozie oozie-client sqoop flume flume-agent spark spark-python spark-worker spark-yarn-shuffle

然后我复制了/usr/lib/python2.7/dist-packages/hdinsight_common/ /usr/share/java/ /usr/lib/hdinsight-datalake/ /etc/spark/conf/ /etc/hadoop/conf/

但是当我运行时出现spark-shell以下错误

java.io.IOException: No FileSystem for scheme: wasb

这是完整的堆栈https://gist.github.com/anonymous/ebb6c9d71865c9c8e125aadbbdd6a5bc

我不确定这里缺少哪个包/jar。

任何人都知道我做错了什么？

谢谢

score 8 · Accepted Answer

在 spark-shell 中设置 Azure 存储（wasb 和 wasbs 文件）的另一种方法是：

将 azure-storage 和 hadoop-azure jar 复制到 spark 安装的 ./jars 目录中。
使用参数运行 spark-shell —jars [一个逗号分隔的列表，其中包含到这些 jar 的路由] 示例：
```
$ bin/spark-shell --master "local[*]" --jars jars/hadoop-azure-2.7.0.jar,jars/azure-storage-2.0.0.jar
```

将以下行添加到 Spark 上下文中：


sc.hadoopConfiguration.set("fs.azure", "org.apache.hadoop.fs.azure.NativeAzureFileSystem")
sc.hadoopConfiguration.set("fs.azure.account.key.my_account.blob.core.windows.net", "my_key")

运行一个简单的查询：


sc.textFile("wasb://my_container@my_account_host/myfile.txt").count()

享受：）

使用此设置，您可以轻松设置 Spark 应用程序，将参数传递给当前 Spark 上下文中的“hadoopConfiguration”

score 0 · Accepted Answer

来自 Microsoft 的 Hai Ning 写了一篇关于在 apache hadoop 安装上设置 wasb 的优秀博客文章。

这是摘要：

添加hadoop-azure-*.jar和azure-storage-*.jar到 hadoop 类路径

1.1 在本地安装中找到 jars。它位于 HDInsight 群集上的 /usr/hdp/current/hadoop-client 文件夹中。

1.2HADOOP_CLASSPATH在处更新变量hadoop-env.sh。使用确切的 jar 名称，因为 java 类路径不支持部分通配符。

更新 core-site.xml

<property>         
        <name>fs.AbstractFileSystem.wasb.Impl</name>                           
        <value>org.apache.hadoop.fs.azure.Wasb</value> 
</property>

<property>
        <name>fs.azure.account.key.my_blob_account_name.blob.core.windows.net</name> 
        <value>my_blob_account_key</value> 
</property>

<!-- optionally set the default file system to a container --> 
<property>
        <name>fs.defaultFS</name>          
        <value>wasb://my_container_name@my_blob_account_name.blob.core.windows.net</value>
</property>

在此处查看确切步骤： https ://github.com/hning86/articles/blob/master/hadoopAndWasb.md

azure - spark-shell 错误：没有用于方案的文件系统：wasb

2 回答 2

Related

Reference