在hadoop map reduce中读取excel文件

ldioqlga  于 2021-06-03  发布在  Hadoop
关注(0)|答案(3)|浏览(809)

我正在尝试读取一个excel文件,其中包含一些数据,以便在hadoop中进行聚合。map reduce程序似乎工作正常,但输出的格式不可读。是否需要在hadoop map reduce中为excel文件使用任何特殊的inputformat读取器?我的配置如下所示

Configuration conf=getConf();
Job job=new Job(conf,"LatestWordCount");
job.setJarByClass(FlightDetailsCount.class);
Path input=new Path(args[0]);
Path output=new Path(args[1]);
FileInputFormat.setInputPaths(job, input);
FileOutputFormat.setOutputPath(job, output);
job.setMapperClass(MapClass.class);
job.setReducerClass(ReduceClass.class);
//job.setCombinerClass(ReduceClass.class);
job.setInputFormatClass(TextInputFormat.class);
job.setOutputFormatClass(TextOutputFormat.class);
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(Text.class);
//job.setOutputKeyClass(Text.class);
//job.setOutputValueClass(Text.class);
System.exit(job.waitForCompletion(true)?0:1);
return 0;

输出结果如下�千瓦��o�一��]n��ε��r3级�\n“���p�饚6瓦�jj公司���9瓦�f级=��9毫升��博士�是的/ք��7�^�我��米ք�^新西兰��我��^�)��妗j�(��博士ͱ/7�ts公司��米/7�ts公司��&�jz公司��o��tsr公司�7�@�)�o��t型ӻ��5{%��+��ۆ�第六周-��=�e�_}米�)~��ʅ��ژ���: #�j�]��u����>

dz6r00yl

dz6r00yl1#

我不知道是否有人真的为ms excel文件开发了自定义输入格式(我对此表示怀疑,快速研究也没有发现任何结果),但您肯定不能使用textinputformat读取excel文件。xsl文件是二进制的。
解决方案:将excel文件导出到csv或tsv,然后使用textinputformat加载它们。

ulydmbyx

ulydmbyx2#

您还可以使用hadoopoffice库,它允许您使用hadoop和spark读/写excel。它可以在maven central和spark软件包上使用。
https://github.com/zuinnote/hadoopoffice/wiki

f0brbegy

f0brbegy3#

我知道有点晚了,但现在有人已经创建了excel输入格式作为解决此类问题的标准解决方案。读这个-https://sreejithrpillai.wordpress.com/2014/11/06/excel-inputformat-for-hadoop-mapreduce/
那里有一个github项目和codebase。
看这里-https://github.com/sreejithpillai/excelrecordreadermapreduce/

相关问题