用于Excel的Hadoop InputFormat

Question

我需要创建一个地图缩减程序，从HDFS读取Excel文件并对其进行一些分析。从那里以excel文件的格式存储输出。我知道TextInputFormat用于从HDFS读取.txt文件，但我应该使用哪种方法或哪种输入格式？

Answer 1

通常情况下，hadoop对于这种情况来说是过度的，但是一些相关的解决方案

1. 从外部解析文件并转换为hadoop兼容格式

2. 将整个文件作为单个记录see this answer

阅读

3. 使用两个链式作业。像2中的第1个，批量读取文件，并将每个记录作为下一个作业的输入发出。