1
我正在尝试使用数据管道来运行Spark应用程序。我如何在我的Spark应用程序中访问我为EmrActivity指定的输入/输出(S3DataNode)?EmrActivity的输入/输出 - AWS数据管道
我的问题是与此类似 - https://forums.aws.amazon.com/message.jspa?messageID=507877
早些时候,我用来传递输入和输出参数的步骤星火应用。
谢谢
我正在尝试使用数据管道来运行Spark应用程序。我如何在我的Spark应用程序中访问我为EmrActivity指定的输入/输出(S3DataNode)?EmrActivity的输入/输出 - AWS数据管道
我的问题是与此类似 - https://forums.aws.amazon.com/message.jspa?messageID=507877
早些时候,我用来传递输入和输出参数的步骤星火应用。
谢谢
我跑过同一个问题。这方面的文档非常有限。这是我的理解:
您指定EmrActivity的input
和output
。这将创建数据节点和活动之间的依赖关系。
在EmrActivity,可以参考输入源是这样的:#{input.directoryPath},#{output.directoryPath}
实施例:
...
{
"name": "Input Data Node",
"id": "inputDataNode",
"type": "S3DataNode",
"directoryPath": "s3://my/raw/data/path"
},
{
"name": "transform",
"id": "transform",
"type": "EmrActivity",
"step": [
"s3://us-east-1.elasticmapreduce/libs/script-runner/script-runner.jar,s3://my/transform/script.sh,#{input.directoryPath},#{output.directoryPath}"
],
"runsOn": {
"ref": "emrcluster"
},
"input": {
"ref": "inputDataNode"
},
"output": {
"ref": "outputDataNode"
}
},
{
"name": "Output Data Node",
"id": "outputDataNode",
"type": "S3DataNode",
"directoryPath": "s3://path/to/output/"
},
...