spark之用hadoopAPI读写文件

saveAsNewAPIHadoopFIle和saveAsHadoopFile的的区别

引用的outputFormat的类路径不同,saveAsNewAPIHadoopFIle用的OutputFormat是import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat,saveAsHadoopFile用的是org.apache.hadoop.mapred.TextOutputFormat

用saveAsHadoopFile保存RDD到HDFS文件系统上
scala> import org.apache.hadoop.io.{IntWritable, Text}
import org.apache.hadoop.io.{IntWritable, Text}

scala> import org.apache.hadoop.mapred.TextOutputFormat
import org.apache.hadoop.mapred.TextOutputFormat

scala> val user = sc.parallelize(Array(("jack",20),("jim",10)))
user: org.apache.spark.rdd.RDD[(String, Int)] = ParallelCollectionRDD[5] at parallelize at <console>:32

scala>     user.saveAsHadoopFile("hdfs://localhost:9000/test/hadoopkv",
     |       classOf[Text],classOf[IntWritable],classOf[TextOutputFormat[Text,IntWritable]])
saveAsNewAPIHadoopFIle保存文件
scala> import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat

scala> val user = sc.parallelize(Array(("jack",20),("jim",10)))
user: org.apache.spark.rdd.RDD[(String, Int)] = ParallelCollectionRDD[6] at parallelize at <console>:36

scala> user.saveAsNewAPIHadoopFile("hdfs://localhost:9000/test/hadoopkv1", classOf[Text],classOf[IntWritable],classOf[TextOutputFormat[Text,IntWritable]])

读取hadoop文件,用hadoopFile这种方式读取hdfs上的文件是,需要在sparkconf注册注册序列话的类,否则会包类似:java.io.NotSerializableException: org.apache.hadoop.io.Text这样的错误,造成这些错误的原因是hadoop常用的数据类型(IntWritable,Text等)未序列化,可以如下操作解决这个问题

val conf = new SparkConf().setMaster("local").setAppName("quickspark002")
conf.set("spark.serializer", "org.apache.spark.serializer.KryoSerializer")
#conf.registerKryoClasses(Array(classOf[Text],classOf[org.apache.hadoop.io.LongWritable]))
conf.set("spark.kryoserializer.classesToRegister","org.apache.hadoop.io.Text,org.apache.hadoop.io.LongWritable")
val sc = new SparkContext(conf)

hadoopFile读取文件

import org.apache.hadoop.mapred.KeyValueTextInputFormat
sc.hadoopFile("hdfs://localhost:9000/test/hadoopkv1",classOf[KeyValueTextInputFormat],classOf[Text],classOf[Text]).collect().foreach{
      case(name,age)=> {
        println(name + "======" + age)
      }
    }

jack======20
jim======10
newAPIHadoopFile读取文件
import org.apache.hadoop.mapreduce.lib.input.KeyValueTextInputFormat
sc.newAPIHadoopFile[Text,Text,KeyValueTextInputFormat]("hdfs://localhost:9000/test/hadoopkv1").foreach{case(k,v)=>{
      println(k+"-------"+v)
    }}

jack-------20
jim-------10
  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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