私はEMRクラスタをスピンアップしています。指定したバケットを作成しました。in the EMR docsですが、データをアップロードして読み込む方法はありますか？私のスパーク送信ステップでは、s3://myclusterbucket/scripts/script.pyを使ってスクリプト名を言うと、出力は自動的にs3にアップロードされませんか？依存関係はどのように処理されますか？私はs3バケット内の依存性ジップを指し示すpyfilesを使用しようとしましたが、 'ファイルが見つかりません'というメッセージが戻ってきますEMRは入出力用のs3バケットをどのように扱いますか？
EMRのMapReduceまたはTezジョブは、EMRFSのためにS3に直接アクセスできます（AWS独自のHadoopファイルシステムS3に基づいて）、例えばApache Pigで行うことができます loaded_data = LOAD 's3://mybucket/myfile.txt' USING PigStorage();
PythonベースのSparkジョブについてはわかりません。しかし、1つの解決策は、最初にオブジェクトをS3からEMR HDFSにコピーしてそこで処理することです。
使用例EMR HDFS（およびその逆）にS3からオブジェクトをコピーするためのコマンドhadoop fs、
使用hadoop fs -cp s3://mybucket/myobject hdfs://mypath_on_emr_hdfs S3-distの：
コピーを行うための複数の方法があります。 -cp EMR HDFSにS3からオブジェクト（およびその逆）をコピーするhttp://docs.aws.amazon.com/emr/latest/ReleaseGuide/UsingEMR_s3distcp.html
またawscli使用することができる（または）を使用してS3からEMRマスターインスタンスのローカルディスクにオブジェクトをコピーします（逆も同様）。たとえば、aws s3 cp s3://mybucket/myobject .
あなたの質問は非常に一般的です。データを読み取る最善の方法は、データの大きさとデータで何をしたいのかによって異なります。また、それはどのような形式です。 S3からデータを移動する最も一般的な方法は、awsコマンドラインツール（https://aws.amazon.com/cli/）です。これで 'aws s3 cp myfile.txt s3：// mybucket/myfile.txt'のようなものでデータをコピーすることができます。出力に関しては、スクリプトがどこに書き込むかによって異なります。 –