使用java中的Spark阅读Avro
有人能分享一下在spark中使用java阅读avro的例子吗? 找到了scala示例,但对java来说运气不佳。 下面是代码片段,它是代码的一部分,但使用方法使用java中的Spark阅读Avro,java,apache-spark,avro,Java,Apache Spark,Avro,有人能分享一下在spark中使用java阅读avro的例子吗? 找到了scala示例,但对java来说运气不佳。 下面是代码片段,它是代码的一部分,但使用方法ctx.newAPIHadoopFile会遇到编译问题 JavaSparkContext ctx = new JavaSparkContext(sparkConf); Configuration hadoopConf = new Configuration(); JavaRDD<SampleAvro> lines = ctx.n
ctx.newAPIHadoopFile
会遇到编译问题
JavaSparkContext ctx = new JavaSparkContext(sparkConf);
Configuration hadoopConf = new Configuration();
JavaRDD<SampleAvro> lines = ctx.newAPIHadoopFile(path, AvroInputFormat.class, AvroKey.class, NullWritable.class, new Configuration());
JavaSparkContext ctx=新的JavaSparkContext(sparkConf);
Configuration hadoopConf=new Configuration();
JavaRDD lines=ctx.newAPIHadoopFile(路径,AvroInputFormat.class,AvroKey.class,NullWritable.class,新配置());
关于您可以通过Databricks使用spark avro连接器库。从Spark SQL读取或写入Avro数据的推荐方法是使用Spark的DataFrame API 连接器支持从Spark SQL读取和写入Avro数据:
import org.apache.spark.sql.*;
SQLContext sqlContext = new SQLContext(sc);
// Creates a DataFrame from a specified file
DataFrame df = sqlContext.read().format("com.databricks.spark.avro")
.load("src/test/resources/episodes.avro");
// Saves the subset of the Avro records read in
df.filter($"age > 5").write()
.format("com.databricks.spark.avro")
.save("/tmp/output");
请注意,对于Spark 1.2、1.3和1.4+,此连接器有不同的版本:
火花塞连接器1.2 0.2.0
1.3 1.0.0
1.4+ 2.0.1
使用Maven:
<dependency>
<groupId>com.databricks</groupId>
<artifactId>spark-avro_2.10</artifactId>
<version>{AVRO_CONNECTOR_VERSION}</version>
</dependency>
com.databricks
这里,假设K是您的键,V是您的值:
....
val job = new Job();
job.setInputFormatClass(AvroKeyValueInputFormat<K, V>.class);
FileInputFormat.addInputPaths(job, <inputPaths>);
AvroJob.setInputKeySchema(job, <keySchema>);
AvroJob.setInputValueSchema(job, <valueSchema>);
RDD<AvroKey<K>, AvroValue<V>> avroRDD =
sc.newAPIHadoopRDD(job.getConfiguration,
AvroKeyValueInputFormat<<K>, <V>>,
AvroKey<K>.class,
AvroValue<V>.class);
。。。。
val job=新作业();
setInputFormatClass(AvroKeyValueInputFormat.class);
addInputPaths(作业,);
setInputKeySchema(作业,);
setInputValueSchema(作业,);
RDD avroRDD=
sc.newAPIHadoopRDD(job.getConfiguration,
AvroKeyValueInputFormat,
AvroKey.class,
AvroValue.class);
您能否分享更多有关您遇到的编译问题的信息?错误、堆栈跟踪等。它给出的编译错误表明,预期的java.lang.class实际值是AvroInputFormat.class,对于除path、hadoopConf之外的其他参数也是一样的。我哪里出错了,有什么帮助吗?谢谢你知道如何通过Hadoop InputFormat API在Java中实现吗?@Jordan-试试这个:@Jordan-我想:@leet_Falcon,谢谢,我已经用Avro尝试过Spark SQL,但目前为止运气不好。下面的错误消息是我在线程“main”java.lang.NoSuchMethodError中遇到的异常:org.apache.spark.sql.SQLContext.read()Lorg/apache/spark/sql/DataFrameReader;请访问org.opencb.hpg.bigdata.tools.sparkanalytics.SaprkSQLAvro.main(SaprkSQLAvro.java:19)。@kre-您是否使用Spark 1.4+?