如何从Hdfs中读取CSV文件

Question

我有我的数据在一个CSV文件。我想读取HDFS中的CSV文件。

谁能帮我写代码??我是hadoop的新手。

Answer 1

所需的类是FileSystem, FSDataInputStream和Path。客户端应该是这样的:

public static void main(String[] args) throws IOException {
        // TODO Auto-generated method stub
        Configuration conf = new Configuration();
        conf.addResource(new Path("/hadoop/projects/hadoop-1.0.4/conf/core-site.xml"));
        conf.addResource(new Path("/hadoop/projects/hadoop-1.0.4/conf/hdfs-site.xml"));
        FileSystem fs = FileSystem.get(conf);
        FSDataInputStream inputStream = fs.open(new Path("/path/to/input/file"));
        System.out.println(inputStream.readChar());         
    }

FSDataInputStream有几个read方法。选择一个适合你需要的。

如果是MR，那就更容易了:

        public static class YourMapper extends
                    Mapper<LongWritable, Text, Your_Wish, Your_Wish> {
                public void map(LongWritable key, Text value, Context context)
                        throws IOException, InterruptedException {
                    //Framework does the reading for you...
                    String line = value.toString();      //line contains one line of your csv file.
                    //do your processing here
                    ....................
                    ....................
                    context.write(Your_Wish, Your_Wish);
                    }
                }
            }

Answer 2

如果您想使用mapreduce，您可以使用TextInputFormat逐行读取并解析mapper的map函数中的每行。

另一种选择是开发(或找到已开发的)CSV输入格式，用于从文件中读取数据。

这里有一个旧的教程http://hadoop.apache.org/docs/r0.18.3/mapred_tutorial.html，但逻辑在新版本中是相同的

如果您使用单个进程从文件读取数据，它与从任何其他文件系统读取文件相同。这里有一个很好的例子https://sites.google.com/site/hadoopandhive/home/hadoop-how-to-read-a-file-from-hdfs

HTH