Java 使用mapreduce在hadoop中处理压缩的xml文件

我有一个这样的文件结构

a、 zip包含a1.zip、a2.zip、a3.zip，然后这些压缩文件中的每个压缩文件都有一个xml文件

我需要处理这些xml文件。目前，我正在从a.zip中提取压缩文件，将它们存储在hdfs中，并运行一个MR作业来处理a1.zip、a2.zip。。。。。使用自定义输入格式和记录读取器

---

有人能帮我找到一个更好的解决方案吗？我不必解压a.zip文件，并且仍然并行处理文件。

为什么不编写一个普通的java预处理器类，可以从主程序调用它呢。这些步骤将是：

1预处理器类将以编程方式将a.zip文件提取到临时位置

2以编程方式将子zip类添加到hdfs

3以您现在的方式启动XML处理

4如果愿意，可以扩展预处理器类以直接放置XML，这样可以使XML处理程序更简单

---

如果这里有不清楚的地方，请告诉我。

在输入格式类中提到{codec}类如何。。{FileInputFormat.setInputCompressorClassjob，gzip代码.class}