如何使用 Mahout 的sequencefile API 代码？

Mahout 中有一个用于创建序列文件的命令，如下所示bin/mahout seqdirectory -c UTF-8 -i <input address> -o <output address>。我想使用这个命令作为代码 API。

你可以这样做：

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.SequenceFile;
import org.apache.hadoop.io.Text;


Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(conf);

Path outputPath = new Path("c:\\temp");

Text key = new Text(); // Example, this can be another type of class
Text value = new Text(); // Example, this can be another type of class

SequenceFile.Writer writer = new SequenceFile.Writer(fs, conf, outputPath, key.getClass(), value.getClass());

while(condition) {

    key = Some text;
    value = Some text;

    writer.append(key, value);
}

writer.close();

您可以找到更多信息here and here

此外，您可以使用 Mahout 调用与您描述的完全相同的功能org.apache.mahout.text.SequenceFilesFromDirectory

然后调用看起来像这样：

ToolRunner.run(new SequenceFilesFromDirectory(), String[] args //your parameters);

The ToolRunner来自org.apache.hadoop.util.ToolRunner

希望这有帮助。