6

我正在尝试使用自定义 jar 在 Elastic MapReduce (EMR) 上运行作业。我正在尝试在单个目录中处理大约 1000 个文件。当我使用参数提交作业时s3n://bucketname/compressed/*.xml.gz，我收到“匹配 0 个文件”错误。如果我只传递一个文件的绝对路径（例如s3n://bucketname/compressed/00001.xml.gz），它运行良好，但只有一个文件得到处理。我尝试使用目录的名称 ( s3n://bucketname/compressed/)，希望其中的文件将被处理，但这只是将目录传递给作业。

同时，我有一个较小的本地 hadoop 安装。在那里，当我使用通配符 ( /path/to/dir/on/hdfs/*.xml.gz) 通过我的工作时，它工作正常并且所有 1000 个文件都正确列出。

如何让 EMR 列出我的所有文件？

4

1 回答 1

2

我不知道 EMR 如何列出所有文件，但这里有一段代码对我有用：

        FileSystem fs = FileSystem.get(URI.create(args[0]), job.getConfiguration());
        FileStatus[] files = fs.listStatus(new Path(args[0]));
        for(FileStatus sfs:files){
            FileInputFormat.addInputPath(job, sfs.getPath());
        }

它将列出输入目录中的所有文件，您可以对这些文件执行任何操作

于 2011-09-28T21:42:10.773 回答