Question

我想从我的udf调用中访问一个文件。这是我的剧本：

files = LOAD '$docs_in' USING PigStorage(';') AS (id, stopwords, id2, file);
buzz = FOREACH files GENERATE pigbuzz.Buzz(file, id) as file:bag{(year:chararray, word:chararray, count:long)};

罐子已注册。该路径对我的hdfs是实际的，文件确实存在。打电话。但似乎没有发现该文件。也许是因为我正在尝试访问hdfs上的文件。

如何从我的UDF java调用中访问hdfs中的文件？

Answer 1

在EvalFunc内，您可以通过以下方式从HDFS获取文件：

FileSystem fs = FileSystem.get(UDFContext.getUDFContext().getJobConf());
in = fs.open(new Path(fileName));
BufferedReader br = new BufferedReader(new InputStreamReader(in));
....

您也可以考虑将文件放入分布式缓存中，在这种情况下，您必须覆盖EvalFunc类中的getCacheFiles()。

E.g：

@Override
public List<String> getCacheFiles() {
  List<String> list = new ArrayList<String>(2);
  list.add("/cache/pig/wordlist1.txt#w1");
  list.add("/cache/pig/wordlist2.txt#w2");
  return list;
}

然后你可以传递文件的符号链接（ w1 和 w2 ）以便从中获取它们每个工作节点的本地文件系统：

BufferedReader br = new BufferedReader(new FileReader(fileName));

从udf访问hdfs文件

1 个答案: