HDFS小文件合并时遇到的几个小问题

2017-08-24  本文已影响37人  分裂四人组

1. 如何“非正则”地遍历一个目录下某些特定的文件?

在spark中newHadoopAPI()或者FSShell其实都是支持正则话输入路径的,不要怕输入的路径太长,一定要正则化输入路径;

2. 在读取->repartition->重新再写入的过程中,遇到序列化失败该如何处理?

尽量使用kyro序列化,兼容性还是比较好;
同时注意null值的处理;

上一篇下一篇

猜你喜欢

热点阅读