Spark读文本将多行合并为一行

Spark读文本并将多行合并为一行

 

数据格式

六月 15, 2015 4:28:02 下午

INFO:

六月 15, 2015 4:28:03 下午

INFO:

六月 15, 2015 4:28:04 下午

INFO:

 

GitHub地址: https://github.com/dankfir/spark-multi-line

 

import org.apache.log4j.{Level,Logger}

import org.apache.spark.sql.SQLContext

import org.apache.spark.{SparkConf, SparkContext}

import scala.collection.mutable.ArrayBuffer

 

/**

  * Created by Dank on 2017/8/25.

  */

 

object logAnalysis_catalina{

 Logger.getLogger("org").setLevel(Level.ERROR)

 

 

  def main(args: Array[String]): Unit = {

    val root =this.getClass.getResource("/")

    val conf = newSparkConf().setAppName("logAnalysis").setMaster("local[*]")

    val sc = new SparkContext(conf)

    val sqlContext = new SQLContext(sc)

    val sourceRdd = sc.textFile(root +"catalina/catalina*.log")

    var log = new ArrayBuffer[String]()//用于临时保存要合并的行

 

    val preprocessRDD = sourceRdd

      .map(line => {

        var tlog = " "

        if (log.length < 2) {//合并两行

          log += line

          if (log.length == 2) {

            if (log(0).contains(":")) tlog = log(1) + " " + log(0)

            //由于spark读数据并行的,故需将两行排序,带:的行排在后面

            else tlog = log(0) + " "+ log(1)

            log = new ArrayBuffer[String]()

          }

        }

        tlog//合并后的行

      })

      .filter(!_.equals(" "))

    import sqlContext.implicits._

    val logDF = preprocessRDD.toDF()

    logDF.show()

 

    import com.databricks.spark.csv._

    logDF.repartition(1).saveAsCsvFile(root +"catalina.csv")

 

  }

}

 

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值