作为Amazon-EMR的输入数据，是纯文本的唯一合法格式吗？

Question

如Amazon EMR的“开发人员指南”所述，输入目录中的文件应格式化为纯文本。这是否意味着我无法上传一些二进制文件或.png文件并通过python脚本解析它们？

Answer 1

可能不是。例如，请参阅：https://groups.google.com/a/cloudera.org/forum/?fromgroups=#!topic/cdh-user/AUUZ0DKiJGw

您可以做的是将输入数据作为文件名本身（在S3或HDFS中）。 Hadoop流式脚本将获取文件名作为输入，它可以打开并按其认为合适的方式进行处理。