一、背景
公司使用s3的路径去关联hive的分区，现在接入spark on k8s引入了3.0以上的hadoop版本，高版本的hadoop版本开始支持s3a配置。
二、配置
spark想要支持访问s3的数据，有两个条件
1、加入hadoop-aws和aws-sdk的jar包到spark/jar目录，hadoop3以上的aws-sdk jar是aws-jdk-java-bundle，注意两个jar包的版本一定要对上，不然大概率会报错，hadoop-aws的版本也尽量和spark带hadoop版本一致。例如hadoop-aws-3.3.1对应aws-java-sdk-bundle:1.11.901。不知道对应版本，可以把hadoop-aws依赖导入idea，然后maven工具那里可以看到。
2、添加配置
代码语言：javascript复制spark.hadoop.fs.s3a.access.key *******
spark.hadoop.fs.s3a.secret.key *******
spark.hadoop.fs.s3a.impl org.apache.hadoop.fs.s3a.S3AFileSystem三、问题
上诉配置，如果在spark中使用了s3的路径，会以下问题
上图是我试图去在spark上创建hive表指定路径为s3导致，如果是查询hive也会遇到一样的问题 No FileSystem for scheme "s3"
代码语言：javascript复制CREATE TABLE `tmp`.`tmp_watch_base_user` (
`uid` STRING COMMENT '用户id',
`game_key` STRING COMMENT 'game_key',
`host_id` STRING COMMENT 'host_id',
`platform` STRING COMMENT 'platform',
`day` BIGINT COMMENT 'day',
`watch_time` INT COMMENT '时间',
`first_watch_hour` STRING COMMENT 'first_watch_hour')
USING orc
LOCATION 's3://mybucket/hive/tmp.db/tmp_watch_base_user';四、思考方向
找遍网上所有的帖子，都没说解决s3和s3a的兼容问题，考虑到如果有问题，需要回滚的原因，不能轻易修改元数据，自己想了两个方向
1、从hive-metadata模块获取元数据的时候，将拿到的location中的s3替换成s3a。
2、修改hadoop-common包下的Path，原因是所有访问文件系统的路径都会封装到Path中，Path调用getFileSystem方法去获取文件系统，可以在uri进入Path后，手动把s3替换成s3a。
五、最终解决方法
上诉两种方法改起源码来考虑的东西太多，试了一整天后没啥进展，怀着侥幸的心理，再去看一下hadoop的源码，看看有没有什么漏掉的配置，果不其然，在FileSystem的类下，看到加载文件系统的方法getFileSystemClass，通过加载java class的方式
代码语言：javascript复制public static Class<? extends FileSystem> getFileSystemClass(String scheme,
Configuration conf) throws IOException {
if (!FILE_SYSTEMS_LOADED) {
loadFileSystems();
}
LOGGER.debug("Looking for FS supporting {}", scheme);
Class<? extends FileSystem> clazz = null;
if (conf != null) {
String property = "fs." scheme ".impl";
LOGGER.debug("looking for configuration option {}", property);
clazz = (Class<? extends FileSystem>) conf.getClass(
property, null);
} else {
LOGGER.debug("No configuration: skipping check for fs.{}.impl", scheme);
}
if (clazz == null) {
LOGGER.debug("Looking in service filesystems for implementation class");
clazz = SERVICE_FILE_SYSTEMS.get(scheme);
} else {
LOGGER.debug("Filesystem {} defined in configuration option", scheme);
}
if (clazz == null) {
throw new UnsupportedFileSystemException("No FileSystem for scheme "
""" scheme """);
}
LOGGER.debug("FS for {} is {}", scheme, clazz);
return clazz;
}使用可以配置去加载指定的文件系统，也就是上面我们配置的 spark.hadoop.fs.s3a.impl=org.apache.hadoop.fs.s3a.S3AFileSystem
代码语言：javascript复制String property = "fs." scheme ".impl";想了想，scheme是从路径上获取，那s3路径的配置应该是spark.hadoop.fs.s3.impl，对应的文件系统应该是
org.apache.hadoop.fs.s3.S3FileSystem，但是很遗憾这个类在hadoop3后就删除了，后来又想s3a是s3的升级版，说不定s3a的文件系统可以适合s3，就使用下述配置，结果是可行的。
代码语言：javascript复制spark.hadoop.fs.s3.impl=org.apache.hadoop.fs.s3a.S3AFileSystem六、总结
问题不复杂，但是在做的过程中，找不到相关有用的帖子，导致心情浮躁，以为这个问题很不常见，其实如果静下心来从头看一下源码，或许这个问题2分钟就搞定了。
