spark与hdfs怎么加载本地文件啊？

[jack_leiwin]

我搭建了一个spark集群，1个master，3个slaver
Spark-1.2.0, Hadoop-2.4.0
用spark包中/bin/spark-shell启动scala后输入如下命令


data.txt 为本地本目录下的文件

scala> val inFile = sc.textFile("data.txt") 

15/01/23 12:43:09 INFO MemoryStore: ensureFreeSpace(73391) called with curMem=369072, maxMem=278019440
15/01/23 12:43:09 INFO MemoryStore: Block broadcast_2 stored as values in memory (estimated size 71.7 KB, free 264.7 MB)
15/01/23 12:43:09 INFO MemoryStore: ensureFreeSpace(31711) called with curMem=442463, maxMem=278019440
15/01/23 12:43:09 INFO MemoryStore: Block broadcast_2_piece0 stored as bytes in memory (estimated size 31.0 KB, free 264.7 MB)
15/01/23 12:43:09 INFO BlockManagerInfo: Added broadcast_2_piece0 in memory on localhost:55952 (size: 31.0 KB, free: 265.1 MB)
15/01/23 12:43:09 INFO BlockManagerMaster: Updated info of block broadcast_2_piece0
15/01/23 12:43:09 INFO SparkContext: Created broadcast 2 from textFile at <console>:12
inFile: org.apache.spark.rdd.RDD[String] = data.txt MappedRDD[5] at textFile at <console>:12

scala> inFile.first()

org.apache.hadoop.mapred.InvalidInputException: Input path does not exist: hdfs://D1:9000/user/hadoop/data.txt
at org.apache.hadoop.mapred.FileInputFormat.singleThreadedListStatus(FileInputFormat.java:285)
at org.apache.hadoop.mapred.FileInputFormat.listStatus(FileInputFormat.java:228)
at org.apache.hadoop.mapred.FileInputFormat.getSplits(FileInputFormat.java:304)
at org.apache.spark.rdd.HadoopRDD.getPartitions(HadoopRDD.scala:201)
at org.apache.spark.rdd.RDD$$anonfun$partitions$2.apply(RDD.scala:205)
at org.apache.spark.rdd.RDD$$anonfun$partitions$2.apply(RDD.scala:203)
at scala.Option.getOrElse(Option.scala:120)
at org.apache.spark.rdd.RDD.partitions(RDD.scala:203)
at org.apache.spark.rdd.MappedRDD.getPartitions(MappedRDD.scala:28)
at org.apache.spark.rdd.RDD$$anonfun$partitions$2.apply(RDD.scala:205)
at org.apache.spark.rdd.RDD$$anonfun$partitions$2.apply(RDD.scala:203)
at scala.Option.getOrElse(Option.scala:120)
at org.apache.spark.rdd.RDD.partitions(RDD.scala:203)
at org.apache.spark.rdd.RDD.take(RDD.scala:1060)
at org.apache.spark.rdd.RDD.first(RDD.scala:1093)
at $iwC$$iwC$$iwC$$iwC.<init>(<console>:15)
at $iwC$$iwC$$iwC.<init>(<console>:20)
at $iwC$$iwC.<init>(<console>:22)
at $iwC.<init>(<console>:24)
at <init>(<console>:26)
at .<init>(<console>:30)
at .<clinit>(<console>)
at .<init>(<console>:7)
at .<clinit>(<console>)
at $print(<console>)
at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
at java.lang.reflect.Method.invoke(Method.java:483)
at org.apache.spark.repl.SparkIMain$ReadEvalPrint.call(SparkIMain.scala:852)
at org.apache.spark.repl.SparkIMain$Request.loadAndRun(SparkIMain.scala:1125)
at org.apache.spark.repl.SparkIMain.loadAndRunReq$1(SparkIMain.scala:674)
at org.apache.spark.repl.SparkIMain.interpret(SparkIMain.scala:705)
at org.apache.spark.repl.SparkIMain.interpret(SparkIMain.scala:669)
at org.apache.spark.repl.SparkILoop.reallyInterpret$1(SparkILoop.scala:828)
at org.apache.spark.repl.SparkILoop.interpretStartingWith(SparkILoop.scala:873)
at org.apache.spark.repl.SparkILoop.command(SparkILoop.scala:785)
at org.apache.spark.repl.SparkILoop.processLine$1(SparkILoop.scala:628)
at org.apache.spark.repl.SparkILoop.innerLoop$1(SparkILoop.scala:636)
at org.apache.spark.repl.SparkILoop.loop(SparkILoop.scala:641)
at org.apache.spark.repl.SparkILoop$$anonfun$process$1.apply$mcZ$sp(SparkILoop.scala:968)
at org.apache.spark.repl.SparkILoop$$anonfun$process$1.apply(SparkILoop.scala:916)
at org.apache.spark.repl.SparkILoop$$anonfun$process$1.apply(SparkILoop.scala:916)
at scala.tools.nsc.util.ScalaClassLoader$.savingContextLoader(ScalaClassLoader.scala:135)
at org.apache.spark.repl.SparkILoop.process(SparkILoop.scala:916)
at org.apache.spark.repl.SparkILoop.process(SparkILoop.scala:1011)
at org.apache.spark.repl.Main$.main(Main.scala:31)
at org.apache.spark.repl.Main.main(Main.scala)
at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
at java.lang.reflect.Method.invoke(Method.java:483)
at org.apache.spark.deploy.SparkSubmit$.launch(SparkSubmit.scala:358)
at org.apache.spark.deploy.SparkSubmit$.main(SparkSubmit.scala:75)
at org.apache.spark.deploy.SparkSubmit.main(SparkSubmit.scala)

我在单机下运行Spark，slaver和master都在一台机器上，输入同样的命令后，调用inFile.first()后出现下面的问题
java.net.ConnectException: Call From D1/192.168.150.82 to D1:9000 failed on connection exception: java.net.ConnectException:


Spark，HDFS不是可以加载本地文件的吗？怎么会出现上面的那个问题？

还有一个问题就是在
scala>
输入命令时，发现出错时不能按“Backspace”删除，郁闷，怎么会这样？网上怎么搜都搜不到关于这个命令行下删除字符的按键是哪个。

[jack_leiwin]

大神现身吧！！！

[furanger]

所有节点在相同位置放上这个文件

[jack_leiwin]

引用 2 楼 furanger 的回复:

所有节点在相同位置放上这个文件

我想利用Spark构建一个树索引结构。具体内容如下： （1）数据形式是20-dimension 的double向量 （2）树的结构是： 1>内部结点都保存一个数据对象和指向子树的指针，每个子树中数据对象与父节点中保留的对象的距离由远到近不同 2>叶子结点保存数据对象的列表 （3）想通过Spark加载数据，将整个数据源文件抽象为一个RDD， RDD分区存储文件的不同块，然后写一个索引构建算子作用到每个分区上，然后构建的索引写到文件中（索引文件的个数与RDD分区的个数相同） （4）查找时查找算子作用到每个索引文件 现在有一个问题就是在构建索引时一个分区中的源数据是满的，构建的索引数据大于一个分区的空间（因为空间占用方面，索引数据肯定大于源数据），索引数据会写到不同的分区中，查找过程中，查找算子是以分区为单位进行查找的，但是单个分区数据不是一个完整的索引，这样会导致在查找过程中出错？ 我不知道我理解的对不对，是不是有这个问题，还希望各路大神指点，有没有别的方法。

[jack_leiwin]

[Click_Tang]

默认是从hdfs读取文件，也可以指定sc.textFile("路径").在路径前面加上hdfs://表示从hdfs文件系统上读 本地文件读取 sc.textFile("路径").在路径前面加上file:// 表示从本地文件系统读，如file:///home/user/spark/README.md

[h999234]

楼上回答正解，二楼看错题目了。

[mengpanfei]

val inFile = sc.textFile("file:///./data.txt")

[qq_15152545]

不能backspace 是因为你的ssh软件的问题，把仿真里面那个改成Linux就好了