java hdfs 2.0_java.io.IOException：不完整的HDFS URI，没有主机：在AWS上运行pyspark

我是第一次使用AWS，并且已将我的文件存储在AWS上 . 到目前为止，这是我尝试用来读取文件的内容 .

artist_data = sc.textFile('hdfs:///:/home/ubuntu/artist_stuff/_artist_data')

还尝试过：

artist_data = sc.textFile('hdfs:home/ubuntu/artist_stuff/_artist_data')

然后我就做了我的RDD：

artist_data = artist_data.map(lambda line:line.encode("ascii", "ignore").strip().split()).filter(lambda line: len(line) > 1)

每次运行artist_data.collect()时都会出现此错误 .

当我刚尝试 sc.textFile("file:///home/ubuntu/artist_stuff/_artist_data") 时，我得到一个不同的错误：InvalidInputException：输入路径不存在：file：/ home / ubuntu / Assignment_2 / _artist_data我猜是由于分区或其他东西而导致的错误 . 因此我选择将其编码为 hdfs:///

这是完整的错误 - 日志：

()最近的Py4JJavaError Traceback(最近一次调用)

----> 1 artist_data.collect()

/home/ubuntu/spark-2.0.0-bin-hadoop2.7/python/pyspark/rdd.py in collect(sel