hadoop distcp使用子流程.Popen

Question

我尝试使用运行hadoop distcp命令子流程.Popen并获取错误-无效输入。如果我以Hadoop命令运行，同样的命令可以正常运行。在

Hadoop命令：

hadoop distcp -log /user/name/distcp_log -skipcrccheck -update hdfs://xxxxx:8020/sourceDir hdfs://xxxxx:8020/destDir

在python中：

^{pr2}$

日志消息：

INFO tools.OptionsParser: parseChunkSize: blocksperchunk false
INFO tools.DistCp: Input Options: DistCpOptions{atomicCommit=false, syncFolder=false, deleteMissing=false, ignoreFailures=false, overwrite=false, append=false, useDiff=false, useRdiff=false, fromSnapshot=null, toSnapshot=null, skipCRC=false, blocking=true, numListstatusThreads=0, maxMaps=20, mapBandwidth=100, sslConfigurationFile='null', copyStrategy='uniformsize', preserveStatus=[], preserveRawXattrs=false, atomicWorkPath=null, logPath=null, sourceFileListing=null, sourcePaths=[-log /user/name/distcp_log -skipcrccheck -update, hdfs://xxxxx:8020/sourceDir], targetPath=hdfs://xxxxx:8020/destDir, targetPathExists=true, filtersFile='null', blocksPerChunk=0, copyBufferSize=8192}
ERROR tools.DistCp: Invalid input:
org.apache.hadoop.tools.CopyListing$InvalidInputException: -log /user/name/distcp_log -skipcrccheck -update doesn't exist

它将选项视为源目录。 如何告诉子进程这些是选项，不应被视为源（sourcePaths=[-log/user/name/distcp_log-skipcrcheck-update，hdfs://xxxxx源目录：8020）？在

我使用的是Python2.7，无法访问pip install及其Kerberos集群。 想在集群内传输时运行这个命令，但在此之前，想在集群内尝试这个简单的命令。在

谢谢

Answer 1

将命令行的所有参数拆分为Popen first argument list的单独元素：

from subprocess import Popen, PIPE
proc1 = Popen(['hadoop','distcp','-log', '/user/name/distcp_log', '-skipcrccheck', '-update', 'hdfs://xxxxx:8020/sourceDir', 'hdfs://xxxxx:8020/destDir'], stdout=subprocess.PIPE)

Here您可以找到Popen文档，其中说args应该是一个由' '拆分所有参数而创建的列表。在