如果我没看错您的问题，您可以让集群在出现故障时继续执行基于ruby的emr命令行工具中的elasticmapreduce调用中定义的下一步

--jar s3://elasticmapreduce/libs/script-runner/script-runner.jar --args "s3://bucket/scripts/script.sh" --step-name "do something using bash" --step-action CONTINUE  \

你可能会抓到 Exception 在mapper和reducer中以及catch块内部都有如下计数器：

catch (Exception ex){
    context.getCounter("CUSTOM_COUNTER", ex.getMessage()).increment(1);
    System.err.println(GENERIC_INPUT_ERROR_MESSAGE + key + "," + value); // also log the payoad which resulted in the exception
    ex.printStackTrace();
}

如果异常消息是您所期望的，并且计数器的值是可接受的，那么您可以继续处理结果，或者调查日志。我知道接球 Exception 不建议这样做，但是如果你想“继续出错”，那就差不多了。既然集群的成本岌岌可危，我认为我们最好抓捕 Excpetion 而不是特定的例外。
不过，它可能会有副作用，例如您的代码可能在完全错误的输入上运行，如果不是catch，它可能会更早失败。但发生这种事情的可能性非常小。
编辑：
对于第2点，您可以使用以下方法设置每个跟踪器允许的最大故障数：

conf.setMaxTaskFailuresPerTracker(noFailures);

或
必须设置的配置是 mapred.max.tracker.failures . 如您所知，默认值为4。对于所有其他Map配置，请参见此处。