Java Amazon ML应用程序中的AmazonClientException

我参考以下资源创建一个应用程序，使用我已经使用AmazonML训练过的模型进行实时预测

我已经用模型的名称替换了该值，并且已经在AWS ML控制台中创建了一个端点。但是当我执行main函数时，我得到以下异常：

Exception in thread "main" com.amazonaws.AmazonClientException: Unable to load AWS credentials from any provider in the chain
    at com.amazonaws.auth.AWSCredentialsProviderChain.getCredentials(AWSCredentialsProviderChain.java:117)
    at com.amazonaws.services.machinelearning.AmazonMachineLearningClient.invoke(AmazonMachineLearningClient.java:1983)
    at com.amazonaws.services.machinelearning.AmazonMachineLearningClient.getMLModel(AmazonMachineLearningClient.java:1585)
    at ML.RealtimePredict.lookupEndpoint(RealtimePredict.java:58)
    at ML.RealtimePredict.predict(RealtimePredict.java:45)
    at ML.RealtimePredict.main(RealtimePredict.java:21)

这是我正在使用的程序（Java）：

ML包；
导入java.util.HashMap；
导入java.util.Map；
导入com.amazonaws.services.machinelearning.amazonMachinelearning客户端；
导入com.amazonaws.services.machinelearning.model.*；
公共类实时预测{
公共静态void main（字符串[]args）{
字符串mlModelId=“ModelID——我提供了这个”；
RealtimePredict rtp=新的RealtimePredict（mlModelId）；
//元数据和元数据示例
字符串元数据=“X1，X2”；
字符串数据=“20,25”；
映射记录=rtp.parseArgs(
metaData.trim（）.split（“，”），data.trim（）.split（“，”）；
PredictResult响应=rtp.predict（记录）；
System.out.println（响应）；
}
私有AmazonMachineLearning客户端；
私有字符串mlModelId；
私有字符串端点；
公共实时预测（字符串mlModelId）{
client=新AmazonMachineLearningClient（）；
this.mlModelId=mlModelId；
}
私有映射解析参数（字符串[]元数据，字符串[]数据）{
映射记录=新的HashMap（）；
对于（int i=0；i<(
metaData.length

---

有人能帮我修一下吗。我想我需要提供访问密钥和安全密钥。但我找不到多少帮助，我如何才能做到这一点。谢谢。

Java代码必须具有能够调用AWS服务的凭据。它正在几个位置搜索这些凭证，直到它放弃并打印出上述异常

请阅读有关不同位置的文档以设置这些凭据：

最佳实践是在本地开发中使用默认凭据配置文件，在云中运行实例/容器/Lambda时使用IAM角色

    package ML;

import java.util.HashMap;
import java.util.Map;

import com.amazonaws.services.machinelearning.AmazonMachineLearningClient;
import com.amazonaws.services.machinelearning.model.*;

public class RealtimePredict {
    public static void main(String[] args) {
        String mlModelId = "ModelID--I provided this";

        RealtimePredict rtp = new RealtimePredict(mlModelId);

        // Example meta-data and data
        String metaData = "X1,X2";

        String data = "20,25";
        Map<String, String> record = rtp.parseArgs(
                metaData.trim().split(","), data.trim().split(","));
        PredictResult response = rtp.predict(record);
        System.out.println(response);
    }

    private AmazonMachineLearningClient client;
    private String mlModelId;
    private String predictEndpoint;

    public RealtimePredict(String mlModelId) {
        client = new AmazonMachineLearningClient();
        this.mlModelId = mlModelId;
    }

    private Map<String, String> parseArgs(String[] metaData, String[] data) {
        Map<String, String> record = new HashMap<>();

        for (int i = 0; i < (
                metaData.length < data.length ? metaData.length : data.length); i++) {
            record.put(metaData[i].trim(), data[i].trim());
        }
        return record;
    }

    private PredictResult predict(Map<String, String> record) {
        lookupEndpoint();
        PredictRequest request = new PredictRequest()
                .withMLModelId(mlModelId)
                .withPredictEndpoint(predictEndpoint)
                .withRecord(record);
        return client.predict(request);
    }

    /**
     * finds the realtime endpoint for this ML Model
     */
    private void lookupEndpoint() {
        GetMLModelRequest request = new GetMLModelRequest().withMLModelId(mlModelId);
        GetMLModelResult model = client.getMLModel(request);
        predictEndpoint = model.getEndpointInfo().getEndpointUrl();
    }
}