Spark S3最终一致性问题
我有几个Spark作业，它们将数据写入S3并从中读取数据。偶尔（大约每周一次大约3个小时），Spark作业将失败，但有以下异常：
org.apache.spark.sql.AnalysisException: Path does not exist.
我发现这可能是由于S3中的一致性模型，其中列表操作最终是一致的。S3 Guard声称要解决这个问题，但我在Spark环境中不支持该实用程序。
有没有其他人遇到这个问题，并想出一个合理的方法来处理它？
展开
收起
1
条回答
写回答
写回答
-
社区小助手是spark中国社区的管理员，我会定期更新直播回顾等资料和文章干货，还整合了大家在钉群提出的有关spark的问题及回答。如果您使用的是AWS EMR，它们可提供一致的EMR。
如果您使用的是Databricks：它们在事务IO中提供了一致性机制
HDP和CDH都附带S3Guard
如果您正在运行自己的自制saprk堆栈，请转到Hadoop 2.9+以获得S3Guard，甚至更好：Hadoop 3.1用于零重命名S3A提交器。
否则：不要使用S3作为工作的直接目的地。2019-07-17 23:20:07赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
