spark读取集群Hadoop上.dat文件数据,乱码处理和字符分割

spark读取集群Hadoop上.dat文件数据,乱码处理和字符分割

  • 先看代码
package xx.gg

import org.apache.hadoop.io.{LongWritable, Text}
import org.apache.hadoop.mapred.TextInputFormat
import org.apache.spark.SparkConf
import org.apache.spark.rdd.RDD
import org.apache.spark.sql.SparkSession

object ReadHDFS {
  def main(args: Array[String]): Unit = {
    val conf: SparkConf = new SparkConf().setMaster("local[*]")
    val spark: SparkSession = SparkSession.builder().config(conf).getOrCreate()
    val sc = spark.sparkContext
    val data_path = "hdfs://192.168.10.100:9000/data_row/f_dep.dat"
//    val rowDF: Dataset[String] = spark.read.textFile(data_path)
    var inputRdd: RDD[String] = sc.hadoopFile(data_path, classOf[TextInputFormat],
      classOf[LongWritable], classOf[Text]).map(
      pair => new String(pair._2.getBytes, 0, pair._2.getLength, "GBK"))
    val value: RDD[String] = inputRdd.map(x => x.split("\\x01").mkString(","))
    value.foreach(println)

  }
}

运行结果对比:
直接读取

  • 乱码
    在这里插入图片描述
  • 未分割的字符串
    在这里插入图片描述
  • 处理完后的数据
    在这里插入图片描述
评论
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