Java 使用map reduce作业将Hdfs文本文件转换为拼花地板格式
我正在尝试使用java中的map reduce将hdfs文本文件转换为拼花地板格式。老实说,我是这方面的新手,无法找到任何直接的参考 转换是否应为textfile-->avro-->parquet 文本文件(无论是否为HDFS)没有固有的文件格式。使用Map/Reduce时,需要一个Avro模式和一个mapper函数来解析输入,以便创建一个映射 您的mapper类将如下所示Java 使用map reduce作业将Hdfs文本文件转换为拼花地板格式,java,mapreduce,parquet,Java,Mapreduce,Parquet,我正在尝试使用java中的map reduce将hdfs文本文件转换为拼花地板格式。老实说,我是这方面的新手,无法找到任何直接的参考 转换是否应为textfile-->avro-->parquet 文本文件(无论是否为HDFS)没有固有的文件格式。使用Map/Reduce时,需要一个Avro模式和一个mapper函数来解析输入,以便创建一个映射 您的mapper类将如下所示 public class TextToAvroParquetMapper extends Mapper&l
public class TextToAvroParquetMapper
extends Mapper<LongWritable, Text, Void, GenericRecord> {
private GenericRecord myGenericRecord = new GenericData.Record(mySchema);
@Override
protected void map(LongWritable key, Text value, Context context) {
// Parse the value yourself here,
// calling "put" on the Avro GenericRecord,
// once for each field. The GenericRecord
// object is reused for every map call.
context.write(null, myGenericRecord);
}
}
将输出格式类设置为Parquet
的AvroParquetOutputFormat
类,它将创建的Avro
Parquet
列格式。它需要知道你的想法
由于AvroParquetOutputFormat
将Avrogenericord
转换为拼花Group
对象,因此需要将输出值类设置为Group
(输出键类设置为Void
,因为所有键都是null
)
是的,转换为textfile->Avro->Parquet。您的map
方法控制从文本文件到Avro的转换,并且AvroParquetOutputFormat
处理从Avro到拼花地板的转换
job.setNumReduceTasks(0);
job.setOutputFormatClass(AvroParquetOutputFormat.class);
AvroParquetOutputFormat.setSchema(job, myAvroSchema);
job.setOutputKeyClass(Void.class);
job.setOutputValueClass(Group.class);