3
我現在遇到一個問題,我試圖從多個文件中使用燙傷讀取並使用單個文件創建輸出。我的代碼是這樣的:使用燙傷法讀取多個文件並輸出一個SINGLE文件
def getFilesSource (paths: Seq[String]) = {
new MultipleTextLineFiles(paths: _*) {
override protected def createHdfsReadTap(hdfsMode: Hdfs): Tap[JobConf, _, _] = {
val taps = goodHdfsPaths(hdfsMode).toList.map {
path => CastHfsTap (new Hfs (hdfsScheme, path, sinkMode))
}
taps.size match {
case 0 => {
CastHfsTap (new Hfs(hdfsScheme, hdfsPaths.head, sinkMode))
}
case 1 => taps.head
case _ => new ScaldingMultiSourceTap(taps)
}
}
}
}
但是當我運行這段代碼,它分裂我的輸出到許多文件,但是裏面的數據非常少:短短K.相反,我希望能夠聚集所有輸出文件成一個單一的。
我燙碼是:
val source = getFilesSource(mapped) // where mapped is a Sequence of valid HDFS paths (Seq [String])
TypedPipe.from(source).map(a => Try{
val json = JSON.parseObject(a)
(json.getInteger("prop1"), json.getInteger("prop2"), json.getBoolean("prop3"))
}.toOption).filter(a => a.nonEmpty)
.map(a => a.get)
.filter(a => !a._3)
.map (that => MyScaldingType (that._1, that._2))
.write(MyScaldingType.typedSink(typedArgs))
我想我必須重寫型ScaldingMultiSourceTap的「sourceConfInit」的方法,但我不知道怎麼寫裏面...
嗨@karthikcru,謝謝你的回答,聽起來很有希望。今天早上我會試試這個。我希望,因爲我在映射階段執行過濾器(使用聲明:.filter(a =>!a._3)),對於我的商業案例,將會有大量數據不會通過該過濾條件。剩餘的東西將被髮送到單個減速器。 –