我如何使用Mahout的序列文件API代码？

Question

Mahout中存在一个创建序列文件的命令bin/mahout seqdirectory -c UTF-8 -i <input address> -o <output address>。我想使用此命令作为代码API。

Answer 1

您可以这样做：

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.SequenceFile;
import org.apache.hadoop.io.Text;


Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(conf);

Path outputPath = new Path("c:\\temp");

Text key = new Text(); // Example, this can be another type of class
Text value = new Text(); // Example, this can be another type of class

SequenceFile.Writer writer = new SequenceFile.Writer(fs, conf, outputPath, key.getClass(), value.getClass());

while(condition) {

    key = Some text;
    value = Some text;

    writer.append(key, value);
}

writer.close();

您可以找到更多信息here和here

此外，您可以使用org.apache.mahout.text.SequenceFilesFromDirectory

调用您在Mahout中描述的完全相同的功能

然后电话看起来像这样：

ToolRunner.run(new SequenceFilesFromDirectory(), String[] args //your parameters);

ToolRunner来自org.apache.hadoop.util.ToolRunner

希望这有帮助。