是否有一个输入类可以根据 Hadoop 中的树结构处理[多个]大型 XML 文件?我有一组具有相同架构的 XML 文件,但我需要将它们拆分为数据部分,而不是分解这些部分。
例如,XML 文件为:
<root>
<parent> data </parent>
<parent> more data</parent>
<parent> even more data</parent>
</root>
我将每个部分定义为:
/根/父级。
我要问的是:Hadoop 是否已经包含一个记录输入读取器来执行此操作?
我觉得UMD 的 Cloud9 项目可能会帮助你。
该图书馆提供了一个XMLInputFormat 类这可能有用。
同样有趣的是 Cloud9 文档中的此页面,它介绍了如何处理MapReduce 中维基百科的 XML 转储.
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)