使用docker compose将spark连接到localstack s3

我一直在尝试使用docker compose连接到本地S3存储桶（localstack）。 这样：

• 其中一个容器是火花驱动器
• 其中一个容器是S3桶
• 其中一个容器是spark master
• 另外两个容器是spark workers

尽管如此，我还是很难让spark访问localstack（S3容器）

我已经尝试将“spark.hadoop.fs.s3a.endpoint”配置为“我的网络ip”，效果很好

但当我使用“”（docker compose文件中的“localstack”别名）时，会收到“名称或服务未知”错误消息：

19/10/30 20:39:49 WARN FileStreamSink: Error while looking for metadata directory.
Traceback (most recent call last):
  File "etl_job.py", line 103, in <module>
    etl_method(conf)
  File "etl_job.py", line 68, in etl_method
    df = spark.read.csv('s3a://test/data/RAW_DATA_Metro_Interstate_Traffic_Volume.csv.gz', header=True, inferSchema=True)
  File "/usr/local/lib/python3.7/site-packages/pyspark/sql/readwriter.py", line 476, in csv
    return self._df(self._jreader.csv(self._spark._sc._jvm.PythonUtils.toSeq(path)))
  File "/usr/local/lib/python3.7/site-packages/py4j/java_gateway.py", line 1257, in __call__
    answer, self.gateway_client, self.target_id, self.name)
  File "/usr/local/lib/python3.7/site-packages/pyspark/sql/utils.py", line 63, in deco
    return f(*a, **kw)
  File "/usr/local/lib/python3.7/site-packages/py4j/protocol.py", line 328, in get_return_value
    format(target_id, ".", name), value)
py4j.protocol.Py4JJavaError: An error occurred while calling o69.csv.
: com.amazonaws.AmazonClientException: Unable to execute HTTP request: test.localstack: Name or service not known
    at com.amazonaws.http.AmazonHttpClient.executeHelper(AmazonHttpClient.java:454)
    at com.amazonaws.http.AmazonHttpClient.execute(AmazonHttpClient.java:232)
    at com.amazonaws.services.s3.AmazonS3Client.invoke(AmazonS3Client.java:3528)
    at com.amazonaws.services.s3.AmazonS3Client.headBucket(AmazonS3Client.java:1031)
    at com.amazonaws.services.s3.AmazonS3Client.doesBucketExist(AmazonS3Client.java:994)
    at org.apache.hadoop.fs.s3a.S3AFileSystem.initialize(S3AFileSystem.java:297)
    at org.apache.hadoop.fs.FileSystem.createFileSystem(FileSystem.java:2669)
    at org.apache.hadoop.fs.FileSystem.access$200(FileSystem.java:94)
    at org.apache.hadoop.fs.FileSystem$Cache.getInternal(FileSystem.java:2703)
    at org.apache.hadoop.fs.FileSystem$Cache.get(FileSystem.java:2685)
    at org.apache.hadoop.fs.FileSystem.get(FileSystem.java:373)
    at org.apache.hadoop.fs.Path.getFileSystem(Path.java:295)
    at org.apache.spark.sql.execution.datasources.DataSource$$anonfun$org$apache$spark$sql$execution$datasources$DataSource$$checkAndGlobPathIfNecessary$1.apply(DataSource.scala:547)
    at org.apache.spark.sql.execution.datasources.DataSource$$anonfun$org$apache$spark$sql$execution$datasources$DataSource$$checkAndGlobPathIfNecessary$1.apply(DataSource.scala:545)
    at scala.collection.TraversableLike$$anonfun$flatMap$1.apply(TraversableLike.scala:241)
    at scala.collection.TraversableLike$$anonfun$flatMap$1.apply(TraversableLike.scala:241)
    at scala.collection.immutable.List.foreach(List.scala:392)
    at scala.collection.TraversableLike$class.flatMap(TraversableLike.scala:241)
    at scala.collection.immutable.List.flatMap(List.scala:355)
    at org.apache.spark.sql.execution.datasources.DataSource.org$apache$spark$sql$execution$datasources$DataSource$$checkAndGlobPathIfNecessary(DataSource.scala:545)
    at org.apache.spark.sql.execution.datasources.DataSource.resolveRelation(DataSource.scala:359)
    at org.apache.spark.sql.DataFrameReader.loadV1Source(DataFrameReader.scala:223)
    at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:211)
    at org.apache.spark.sql.DataFrameReader.csv(DataFrameReader.scala:618)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
    at java.lang.reflect.Method.invoke(Method.java:498)
    at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:244)
    at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:357)
    at py4j.Gateway.invoke(Gateway.java:282)
    at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:132)
    at py4j.commands.CallCommand.execute(CallCommand.java:79)
    at py4j.GatewayConnection.run(GatewayConnection.java:238)
    at java.lang.Thread.run(Thread.java:748)
Caused by: java.net.UnknownHostException: test.localstack: Name or service not known
    at java.net.Inet4AddressImpl.lookupAllHostAddr(Native Method)
    at java.net.InetAddress$2.lookupAllHostAddr(InetAddress.java:929)
    at java.net.InetAddress.getAddressesFromNameService(InetAddress.java:1324)
    at java.net.InetAddress.getAllByName0(InetAddress.java:1277)
    at java.net.InetAddress.getAllByName(InetAddress.java:1193)
    at java.net.InetAddress.getAllByName(InetAddress.java:1127)
    at org.apache.http.impl.conn.SystemDefaultDnsResolver.resolve(SystemDefaultDnsResolver.java:45)
    at org.apache.http.impl.conn.DefaultClientConnectionOperator.resolveHostname(DefaultClientConnectionOperator.java:263)
    at org.apache.http.impl.conn.DefaultClientConnectionOperator.openConnection(DefaultClientConnectionOperator.java:162)
    at org.apache.http.impl.conn.ManagedClientConnectionImpl.open(ManagedClientConnectionImpl.java:326)
    at org.apache.http.impl.client.DefaultRequestDirector.tryConnect(DefaultRequestDirector.java:610)
    at org.apache.http.impl.client.DefaultRequestDirector.execute(DefaultRequestDirector.java:445)
    at org.apache.http.impl.client.AbstractHttpClient.doExecute(AbstractHttpClient.java:835)
    at org.apache.http.impl.client.CloseableHttpClient.execute(CloseableHttpClient.java:83)
    at org.apache.http.impl.client.CloseableHttpClient.execute(CloseableHttpClient.java:56)
    at com.amazonaws.http.AmazonHttpClient.executeHelper(AmazonHttpClient.java:384)
    ... 34 more

19/10/30 20:39:49警告FileStreamSink:查找元数据目录时出错。
回溯（最近一次呼叫最后一次）：
文件“etl_job.py”，第103行，在
etl_方法（conf）
文件“etl_job.py”，第68行，在etl_方法中
df=spark.read.csv（'s3a://test/data/RAW\u data\u Metro\u Interstate\u Traffic\u Volume.csv.gz'，header=True，inferSchema=True）
csv格式的文件“/usr/local/lib/python3.7/site packages/pyspark/sql/readwriter.py”，第476行
返回self.\u df（self.\u jreader.csv（self.\u spark.\u sc.\u jvm.PythonUtils.toSeq（path）））
文件“/usr/local/lib/python3.7/site packages/py4j/java_gateway.py”，第1257行，in__调用__
回答，self.gateway\u客户端，self.target\u id，self.name）
文件“/usr/local/lib/python3.7/site-packages/pyspark/sql/utils.py”，第63行，deco格式
返回f（*a，**kw）
文件“/usr/local/lib/python3.7/site packages/py4j/protocol.py”，第328行，在get\u return\u值中
格式（目标id，“.”，名称），值）
py4j.protocol.Py4JJavaError:调用o69.csv时出错。
：com.amazonaws.AmazonClientException:无法执行HTTP请求：test.localstack:名称或服务未知
在com.amazonaws.http.AmazonHttpClient.executeHelper（AmazonHttpClient.java:454）
在com.amazonaws.http.AmazonHttpClient.execute上（AmazonHttpClient.java:232）
位于com.amazonaws.services.s3.AmazonS3Client.invoke（AmazonS3Client.java:3528）
位于com.amazonaws.services.s3.AmazonS3Client.headBucket（AmazonS3Client.java:1031）
位于com.amazonaws.services.s3.AmazonS3Client.doesBucketExist（AmazonS3Client.java:994）
位于org.apache.hadoop.fs.s3a.S3AFileSystem.initialize（S3AFileSystem.java:297）
位于org.apache.hadoop.fs.FileSystem.createFileSystem（FileSystem.java:2669）
位于org.apache.hadoop.fs.FileSystem.access$200（FileSystem.java:94）
位于org.apache.hadoop.fs.FileSystem$Cache.getInternal（FileSystem.java:2703）
位于org.apache.hadoop.fs.FileSystem$Cache.get（FileSystem.java:2685）
位于org.apache.hadoop.fs.FileSystem.get（FileSystem.java:373）
位于org.apache.hadoop.fs.Path.getFileSystem（Path.java:295）
位于org.apache.spark.sql.execution.datasources.DataSource$$anonfun$org$apache$spark$sql$execution$datasources$datasources$$checkandglobpathif-needed$1.apply（DataSource.scala:547）
在org.apache.spark.sql.execution.datasources.DataSource$$anonfun$org$apache$spark$sql$execution$datasources$datasources$$checkandglobpathif needed$1.apply（DataSource.scala:545）
位于scala.collection.TraversableLike$$anonfun$flatMap$1.apply（TraversableLike.scala:241）
位于scala.collection.TraversableLike$$anonfun$flatMap$1.apply（TraversableLike.scala:241）
位于scala.collection.immutable.List.foreach（List.scala:392）
位于scala.collection.TraversableLike$class.flatMap（TraversableLike.scala:241）
位于scala.collection.immutable.List.flatMap（List.scala:355）
在org.apache.spark.sql.execution.datasources.DataSource.org$apache$spark$sql$execution$datasources$datasources$DataSource$$checkandglobpathif needed（DataSource.scala:545）
位于org.apache.spark.sql.execution.datasources.DataSource.resolveRelation（DataSource.scala:359）
位于org.apache.spark.sql.DataFrameReader.loadV1Source（DataFrameReader.scala:223）
位于org.apache.spark.sql.DataFrameReader.load（DataFrameReader.scala:211）
位于org.apache.spark.sql.DataFrameReader.csv（DataFrameReader.scala:618）
在sun.reflect.NativeMethodAccessorImpl.invoke0（本机方法）处
位于sun.reflect.NativeMethodAccessorImpl.invoke（NativeMethodAccessorImpl.java:62）
在sun.reflect.DelegatingMethodAccessorImpl.invoke（DelegatingMethodAccessorImpl.java:43）中
位于java.lang.reflect.Method.invoke（Method.java:498）
位于py4j.reflection.MethodInvoker.invoke（MethodInvoker.java:244）
位于py4j.reflection.ReflectionEngine.invoke（ReflectionEngine.java:357）
在py4j.Gateway.invoke处（Gateway.java:282）
位于py4j.commands.AbstractCommand.invokeMethod（AbstractCommand.java:132）
在py4j.commands.CallCommand.execute（CallCommand.java:79）
在py4j.GatewayConnection.run处（GatewayConnection.java:238）
运行（Thread.java:748）
原因：java.net.UnknownHostException:test.localstack:名称或服务未知
位于java.net.Inet4AddressImpl.lookupAllHostAddr（本机方法）
位于java.net.InetAddress$2.lookupAllHostAddr（InetAddress.java:929）
位于java.net.InetAddress.getAddressesFromNameService（InetAddress.java:1324）
位于java.net.InetAddress.getAllByName0（InetAddress.java:1277）
位于java.net.InetAddress.getAllByName（InetAddress.java:1193）
位于java.net.InetAddress.getAllByName（InetAddress.java:1127）
位于org.apache.http.impl.conn.SystemDefaultDnsResolver.resolve（SystemDefaultDnsResolver.java:45）
位于org.apache.http.impl.conn.DefaultClientConnectionOperator.resolveHostname（DefaultClientConnectionOperator.java:263）
位于org.apache.http.impl.conn.DefaultClientConnectionOperator.openConnection（DefaultClientConnectionOperator.java:162）
位于org.apache.http.impl.conn.ManagedClientConnectionImpl.open（ManagedClientConnectionImpl.java:326）
位于org.apache.http.impl.client.DefaultRequestDirector.tryConnect（DefaultRequestDirector.java:610）
位于org.apache.http.impl.client.DefaultRequestDirector.execute（DefaultRequestDirector.java:445）
位于org.apache.http.impl.client.AbstractHttpClient.doExecute（AbstractHttpClient.java:835）
在org.apache.http.impl.client上