使用Pentaho Data Integration读取AWS S3数据时遇文件系统URI错误

核心问题1：S3路径格式与密钥配置错误 #

你直接把Access Key和Secret Key硬编码到文件路径里的方式不符合PDI的规范，这是导致"Incorrect file system URI"错误的根本原因。PDI读取S3数据时，密钥不能嵌入路径，而是要通过Hadoop配置文件单独设置。

你当前用的路径格式完全错误，正确的S3路径应该用s3a协议（Hadoop推荐的S3文件系统实现，比旧的s3/s3/s3格式更稳定）：

s3a://oldsalesdata-tt/SalesforAWSandHadoop.csv

核心问题2：密钥配置方式错误 #

不要把密钥写在路径里，正确配置步骤：

• 找到PDI安装目录下的data-integration/plugins/pentaho-big-data-plugin/hadoop-configurations/<你的Hadoop版本>文件夹
• 编辑core-site.xml，添加以下配置项（替换成你的实际密钥和S3区域端点）：

<property>
  <name>fs.s3a.access.key</name>
  <value>你的Access Key</value>
</property>
<property>
  <name>fs.s3a.secret.key</name>
  <value>你的Secret Key</value>
</property>
<property>
  <name>fs.s3a.endpoint</name>
  <value>s3.amazonaws.com</value> <!-- 比如us-west-2.amazonaws.com，根据你的S3区域调整 -->
</property>

• 重启PDI让配置生效

辅助问题：repositories.xml缺失影响预览 #

RepositoriesMeta - No repositories file found这个错误是因为PDI没有找到存储库配置文件，会干扰预览功能：

• 打开PDI，点击左上角Connect按钮，选择Create new repository创建一个本地存储库
• 创建完成后，repositories.xml会自动生成，预览功能即可正常使用

关于路径修改后文件找不到的问题 #

你把路径改成s3/s3后出现文件找不到，是因为这个是旧版本Hadoop的废弃格式，PDI 9.3已经不再支持，必须用s3a协议才能正常识别S3存储。

最终解决步骤 #

1. 把Hadoop文件输入的路径改为s3a://oldsalesdata-tt/SalesforAWSandHadoop.csv
2. 按上述方法在core-site.xml中配置S3密钥和端点
3. 创建PDI本地存储库解决repositories.xml缺失问题
4. 重启PDI后重新测试预览和运行

内容的提问来源于stack exchange，提问作者Tauno