用boto设置hadoop参数？

Question

我试图在我的Amazon Elastic MapReduce作业上启用错误输入跳过。我下面在这里描述的奇妙配方：

http://devblog.factual.com/practical-hadoop-streaming-dealing-with-brittle-code

上面的链接说，我需要以某种方式设置的EMR任务以下配置参数：

mapred.skip.mode.enabled=true 
mapred.skip.map.max.skip.records=1 
mapred.skip.attempts.to.start.skipping=2 
mapred.map.tasks=1000 
mapred.map.max.attempts=10 

如何设置这些（和其他）使用博托在JobFlow上的mapred.XXX参数？

Answer 1

多小时的奋力，读码和实验后，这里就是答案：

您需要添加一个新的BootstrapAction，就像这样：

params = ['-s','mapred.skip.mode.enabled=true', 
      '-s', 'mapred.skip.map.max.skip.records=1', 
      '-s', 'mapred.skip.attempts.to.start.skipping=2', 
      '-s', 'mapred.map.max.attempts=5', 
      '-s', 'mapred.task.timeout=100000'] 
config_bootstrapper = BootstrapAction('Enable skip mode', 's3://elasticmapreduce/bootstrap-actions/configure-hadoop', params) 

conn = EmrConnection(AWS_ACCESS_KEY_ID, AWS_SECRET_ACCESS_KEY) 
step = StreamingStep(name='My Step', ...) 
conn.run_jobflow(..., bootstrap_actions=[config_bootstrapper], steps=[step], ...) 

当然，如果你有更多的除了一个引导程序操作，您应该将其添加到bootstrap_actions数组中。