使用 distcp 将数据从 cloudera 集群复制到 google cloud hdfs 集群

Question

我正在使用 cloudera quickstart 虚拟机。我昨天开始玩 google 云平台。我正在尝试将 cloudera hdfs 中的数据复制到 1. google云存储(gs://bucket_name/) 2. google云hdfs集群（使用hdfs://google_cluster_namenode:8020/）

我按照this post
中的说明设置了服务帐户身份验证并配置了我的cloudera core-site.xml
```
hadoop fs -cp hdfs://quickstart.cloudera:8020/path_to_copy/ gs://bucket_name/
```

工作正常。但是，我无法使用 distcp 复制到 google 云存储。我收到以下错误。我知道这不是 URI 问题。还有什么我想念的吗？

Error: java.io.IOException: File copy failed: hdfs://quickstart.cloudera:8020/path_to_copy/file --> gs://bucket_name/file
at org.apache.hadoop.tools.mapred.CopyMapper.copyFileWithRetry(CopyMapper.java:284)
at org.apache.hadoop.tools.mapred.CopyMapper.map(CopyMapper.java:252)
at org.apache.hadoop.tools.mapred.CopyMapper.map(CopyMapper.java:50)
at org.apache.hadoop.mapreduce.Mapper.run(Mapper.java:145)
at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:787)
at org.apache.hadoop.mapred.MapTask.run(MapTask.java:341)
at org.apache.hadoop.mapred.YarnChild.run(YarnChild.java:163)
at java.security.AccessController.doPrivileged(Native Method)
at javax.security.auth.Subject.doAs(Subject.java:415)
at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1671)
at org.apache.hadoop.mapred.YarnChild.main(YarnChild.java:158) 
Caused by: java.io.IOException: Couldn't run retriable-command: Copying hdfs://quickstart.cloudera:8020/path_to_copy/file to gs://bucket_name/file
at org.apache.hadoop.tools.util.RetriableCommand.execute(RetriableCommand.java:101)
at org.apache.hadoop.tools.mapred.CopyMapper.copyFileWithRetry(CopyMapper.java:280)
... 10 more 
Caused by: java.lang.IllegalArgumentException: java.net.URISyntaxException: Relative path in absolute URI: gs://bucket_name.distcp.tmp.attempt_1461777569169_0002_m_000001_2
at org.apache.hadoop.fs.Path.initialize(Path.java:206)
at org.apache.hadoop.fs.Path.<init>(Path.java:116)
at org.apache.hadoop.fs.Path.<init>(Path.java:94)
at org.apache.hadoop.tools.mapred.RetriableFileCopyCommand.getTmpFile(RetriableFileCopyCommand.java:233)
at org.apache.hadoop.tools.mapred.RetriableFileCopyCommand.doCopy(RetriableFileCopyCommand.java:107)
at org.apache.hadoop.tools.mapred.RetriableFileCopyCommand.doExecute(RetriableFileCopyCommand.java:100)
at org.apache.hadoop.tools.util.RetriableCommand.execute(RetriableCommand.java:87)
... 11 more

我无法让 distcp 连接到 google cloud hdfs namenode；我得到 "Retrying connect to server"。我找不到任何文档来配置 cloudera hdfs 集群和 google cloud hdfs 集群之间的连接。我假设服务帐户 auth 也应该与 google hdfs 一起使用。是否有我可以用来在集群之间设置副本的参考文档？我是否缺少任何其他身份验证设置？

Answer 1

事实证明，我必须修改防火墙规则以允许 tcp/http 来自我运行 distcp 所在的 ip。检查 GCP 计算实例上的网络防火墙。

使用 distcp 将数据从 cloudera 集群复制到 google cloud hdfs 集群

Copying data from cloudera cluster to google cloud hdfs cluster using distcp

hadoop

google-cloud-storage

google-cloud-platform

cloudera-cdh

cloudera-quickstart-vm