我的数据格式使用\0而不是新行。所以默认的hadooptextLine阅读器不起作用。如何将其配置为读取由特殊字符分隔的行？
如果无法配置LineReader，也许可以应用特定的流处理器（tr"\0"\n"），但不知道如何做到这一点。
有一个"textinputformat.record.delimiter"配置属性用于此目的。您可以通过将此属性值更改为"\0"来更改默认EOL（"\n"）分隔符。
有关更多信息，请访问此处：http://amalgjose.wordpress.com/2013/05/27/custom-text-input-format-record-delimiter-for-hadoop
关于更改spark中的默认分隔符，也有一个类似的问题，这可能也很有用：在spark 中设置textinputformat.record.delimiter
您可以编写自己的InputFormat类，在 而不是n上拆分数据。有关如何执行此操作的演练，请查看此处：http://developer.yahoo.com/hadoop/tutorial/module5.html#fileformat
它的要点是，您需要将默认的InputFormat类或其任何子类划分为子类，并使用自定义规则定义自己的RecordReader。有关详细信息，可以参阅InputFormat文档。
使用TextDelimited方案如何？http://docs.cascading.org/cascading/1.2/javadoc/cascading/scheme/TextDelimited.html
这样可以避免编写自己的InputFormat等
以文本分隔的示例如下https://github.com/Cascading/Impatient/wiki/Part-2