在Amazon EMR-4上的Tez上运行Pig

Question

我正尝试在amazon emr 4.5.0的tez上运行pig。配置在没有tez的情况下工作，我只是想让它在Tez上工作。

为了创建集群(从命令行)，我们使用(TEZ_VERSION被定义为0.5.2)：

--bootstrap-actions Path=s3://support.elasticmapreduce/tez/bigtop/install-tez.rb,Args=[-v,$TEZ_VERSION,--tez-site,tez.lib.uris=s3://support.elasticmapreduce/tez/$TEZ_VERSION/tez-$TEZ_VERSION-minimal.tar.gz]

此外，我还覆盖了PIG_CLASSPATH：

--configurations file://pig_tez_classification.json

包含：

[
  {
    "Classification": "hadoop-env",
    "Properties": {

    },
    "Configurations": [
      {
        "Classification": "export",
        "Properties": {
          "PIG_CLASSPATH": "/etc/tez/conf"
        },
        "Configurations": [

        ]
      }
    ]
  }
]

需要PIG_CLASSPATH来防止此错误：

ERROR org.apache.pig.backend.hadoop.executionengine.tez.TezJob  - Cannot submit DAG
org.apache.tez.dag.api.TezUncheckedException: Invalid configuration of tez jars, tez.lib.uris is not defined in the configuration

为了防止此错误，需要覆盖tez.lib.uris：

ERROR org.apache.pig.backend.hadoop.executionengine.tez.TezJob (PigTezLauncher-0): Cannot submit DAG
java.io.FileNotFoundException: File does not exist: hdfs://ip-172-31-3-207.eu-west-1.compute.internal:8020/apps/tez/0.5.2/tez-0.5.2-minimal.tar.gz

看起来安装脚本将tar.gz文件写入到hdfs中的正确位置，但是当我稍后通过ssh登录时，该文件不在那里。我认为在EMR-4中，引导操作是在不同的时间运行的，那么在hdfs可用之前呢？

在所有这些之后，我仍然得到这个错误：

WARN  org.apache.pig.backend.hadoop.executionengine.tez.TezJob  - Exception while gathering stats
java.lang.NullPointerException
    at org.apache.pig.tools.pigstats.tez.TezDAGStats.accumulateStats(TezDAGStats.java:191)
    at org.apache.pig.tools.pigstats.tez.TezPigScriptStats.accumulateStats(TezPigScriptStats.java:180)
    at org.apache.pig.backend.hadoop.executionengine.tez.TezJob.run(TezJob.java:194)
    at org.apache.pig.backend.hadoop.executionengine.tez.TezLauncher$1.run(TezLauncher.java:167)

尝试使用tez版本0.8.2会产生以下结果：

ERROR org.apache.pig.backend.hadoop.executionengine.tez.TezJob  - Cannot submit DAG
org.apache.tez.dag.api.SessionNotRunning: TezSession has already shutdown

这似乎是由于使用的tez版本的不同，因为它仍然打印出来：

INFO  org.apache.pig.tools.pigstats.tez.TezPigScriptStats  - Script Statistics:

       HadoopVersion: 2.7.2-amzn-0                                                                                        
          PigVersion: 0.14.0-amzn-0                                                                                       
          TezVersion: 0.5.2                                                                                               
              UserId: hadoop

那么，有人知道如何让pig on tez on amazon emr (无论是什么版本)运行吗？

Answer 1

我用emr-4.4.0成功地运行了它。然而，我无法让pig与上传到HDFS的tar.gz正常工作。相反，我必须解压tarball并上传所有单独的文件，然后将tez.lib.uris设置为hdfs:/apps/tez-0.8.2，hdfs:/apps/tez-0.8.2/lib