在amazon-s3中包含从spark读取的~25个以上的文件时出错
在amazon-s3中包含从spark读取的~25个以上的文件时出错
提问于 2021-01-16 06:28:20
我刚刚升级到使用spark 3而不是spark 2.4。
以下代码在spark 2.4中运行良好
df = spark.read.parquet('s3a://bucket/path/{'+
'file1,'+
'file2,'+
'file3,'+
'file4,'+
'file5,'+
'file6,'+
'file7,'+
'file8,'+
'file9,'+
'file10,'+
'file11,'+
'file12,'+
'file13,'+
'file14,'+
'file15,'+
'file16,'+
'file17,'+
'file18,'+
'file19,'+
'file20,'+
'file21,'+
'file22,'+
'file23,'+
'file24,'+
'file25'+
'}')但在spark 3中，我得到了这个错误：
Py4JJavaError: An error occurred while calling o944.parquet.
: org.apache.hadoop.fs.s3a.AWSS3IOException: getFileStatus on s3a://
...
com.amazonaws.services.s3.model.AmazonS3Exception: Bad Request (Service: Amazon S3; Status Code: 400; Error Code: 400 Bad Request; Request ID: aaa), S3 Extended Request ID:如果我将文件数量减少到小于24个，那么查询将在spark 3中成功完成。
在s3中，我找不到任何关于像这样的括号扩展中的文件数量限制的参考。可能出了什么问题？如何修复呢？
回答 2
Stack Overflow用户
发布于 2021-01-19 23:31:36
为什么不让spark处理整个目录，让它扫描文件呢？
df = spark.read.parquet('s3a://bucket/path/')Stack Overflow用户
发布于 2021-01-21 09:49:09
aws查询不能超过1024个字符。不知何故，这在spark 2中不是问题。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/65744364
复制相关文章
相似问题
腾讯云开发者
