Java+Spark wordCount与电子病历

Question

我一直在尝试运行Pi估计& wordCount示例在Java和EMR中的https://spark.apache.org/examples.html中找到

Pi估计工作得很好，所以我假设一切都是正确的。但是我在wordCount中得到了这个错误：

Exception in thread "main" org.apache.hadoop.mapred.InvalidInputException: Input path does not exist: hdfs://XXX/user/hadoop/input.txt

在运行以下命令之前，我已经从s3下载了我的s3& jar：

spark-submit --class "wordCount" --master local[4] Spark05-1.1.jar input.txt

这是我的wordCount代码：

import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaPairRDD;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import scala.Tuple2;

import java.util.Arrays;

public final class wordCount {

    public static void main(String[] args) {

        SparkConf sparkConf = new SparkConf().setMaster("local").setAppName("JD Word Counter");

        JavaSparkContext sparkContext = new JavaSparkContext(sparkConf);



        JavaRDD<String> textFile = sparkContext.textFile(args[0]);
        JavaPairRDD<String, Integer> counts = textFile
                .flatMap(s -> Arrays.asList(s.split(" ")).iterator())
                .mapToPair(word -> new Tuple2<>(word, 1))
                .reduceByKey((a, b) -> a + b);
        counts.saveAsTextFile("result.txt");


    }
}

我做错什么了吗？

Answer 1

如果没有在hdfs上加载input.txt，请在将其放入hdfs之后尝试。

或者，尝试使用带前缀'file‘(例如) file://{YOUR_FILE_PATH}.的完整路径

我相信这是因为火花配置中的'fs.defaultFS‘是'hdfs’。