Scala 无法将Spark SQL数据帧写入S3

我已经在EC2上安装了spark 2.0，我正在使用SparkSQL使用Scala从DB2检索记录，我想写入S3，在S3中我将访问密钥传递给spark上下文。下面是我的代码：

val df = sqlContext.read.format("jdbc").options(Map( "url" -> , "user" -> usernmae, "password" -> password, "dbtable" -> tablename, "driver" -> "com.ibm.db2.jcc.DB2Driver")).option("query", "SELECT * from tablename limit 10").load()
df.write.save("s3n://data-analytics/spark-db2/data.csv")

它抛出以下异常：

org.apache.hadoop.fs.s3.S3Exception: org.jets3t.service.S3ServiceException: Service Error Message. -- ResponseCode: 403, ResponseStatus: Forbidden, XML Error Message: <?xml version="1.0" encoding="UTF-8"?><Error><Code>AccessDenied</Code><Message>Access Denied</Message><RequestId>1E77C38FA2DB34DA</RequestId><HostId>V4O9sdlbHwfXNFtoQ+Y1XYiPvIL2nTs2PIye5JBqiskMW60yDhHhnBoCHPDxLnTPFuzyKGh1gvM=</HostId></Error>
Caused by: org.jets3t.service.S3ServiceException: Service Error Message.
  at org.jets3t.service.S3Service.putObject(S3Service.java:2358)
  at org.apache.hadoop.fs.s3native.Jets3tNativeFileSystemStore.storeEmptyFile(Jets3tNativeFileSystemStore.java:162)

---

当我将访问密钥也传递给Sparkcontext时，这里发生的确切问题是什么？？在AWS上创建EC2实例或EMR群集时，您可以选择在创建过程中将IAM角色附加到该实例或群集

默认情况下，不允许EC2实例连接到S3。您需要创建一个角色，并首先将其附加到实例

附加IAM角色的目的是授予IAM角色使用各种其他AWS服务的权限，而无需在该实例上安装物理凭据。鉴于存在拒绝访问错误，我假设该实例没有附加IAM角色，并且没有写入S3所需的足够权限

以下是创建新IAM角色的方法：

• 导航到AWS身份和访问管理（IAM）页面
• 单击角色，创建一个新角色
• 在搜索栏中搜索S3，然后选择S3FullAccess（…或者类似的东西，我记不得了）
• 添加您希望该角色拥有的任何其他服务
• 保存它

对于常规的旧单个EC2实例，请单击创建新实例：

• 在实例创建步骤的页面中，选择VPC和子网，有一个IAM角色的选择框，单击该框并选择新创建的角色
• 继续并像以前一样创建实例。现在，该实例具有写入S3的权限。瞧

对于EMR群集：

• 创建您的EMR集群，然后导航到GUI页面，在那里可以看到新集群的详细信息。找到右侧显示EMR角色的区域，然后在IAM区域中查找该角色，并通过添加S3完全权限对其进行编辑
• 保存您的更改

---

拿到钥匙后，这是如何在s3n上的scala/spark2中写入s3

spark.sparkContext.hadoopConfiguration.set("fs.s3n.awsAccessKeyId", "[access key]")
spark.sparkContext.hadoopConfiguration.set("fs.s3n.awsSecretAccessKey", "[secret key]")
spark.sparkContext.hadoopConfiguration.set("fs.s3n.impl", "org.apache.hadoop.fs.s3native.NativeS3FileSystem")

df.write
.mode("overwrite")
.parquet("s3n://bucket/folder/parquet/myFile")

这是如何使用s3a实现的，s3a是首选

spark.sparkContext.hadoopConfiguration.set("fs.s3a.access.key", "[access key]")
spark.sparkContext.hadoopConfiguration.set("fs.s3a.secret.key", "[secret key]")
spark.sparkContext.hadoopConfiguration.set("fs.s3a.impl", "org.apache.hadoop.fs.s3a.S3AFileSystem")

df.write
.mode("overwrite")
.parquet("s3a://bucket/folder/parquet/myFile")

查看此内容以了解s3、s3n和s3a之间的差异。

您可以尝试此方法

df.write.mode("append").format("csv").save("path/to/s3/bucket");

---

从消息“拒绝访问”中可以看出，可能是用户在EMR上没有足够的pySpark权限，我得到

“SparkContext”对象没有属性“hadoopConfiguration”

，这是scala代码，最初的问题是scala，但它在pySpark中的概念非常相似。获取上下文对象，然后设置关键点。pyspark在这里似乎也有类似的讨论：对，我后来发现了差异。我使用的是pySpark，语法更像是

sc.\u jdc.HadoopConfiguration（）.set（）