如何使用Java有效地读取Hadoop（HDFS）文件中的第一行？

Question

我的Hadoop集群上有一个大型CSV文件。该文件的第一行是“标题”行，由字段名称组成。我想对这个标题行进行操作，但我不想处理整个文件。此外，我的程序是用Java编写的，并使用Spark。

在Hadoop群集上只读取大型CSV文件的第一行的有效方法是什么？

Answer 1

您可以使用FileSystem班级和朋友访问hdfs个文件：

import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.net.URI;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.hdfs.DistributedFileSystem;

DistributedFileSystem fileSystem = new DistributedFileSystem();
Configuration conf = new Configuration();
fileSystem.initialize(new URI("hdfs://namenode-host:54310"), conf);
FSDataInputStream input = fileSystem.open(new Path("/path/to/file.csv"));
System.out.println((new BufferedReader(new InputStreamReader(input))).readLine());

此代码不会使用MapReduce，并且会以合理的速度运行。