Question

有人可以在spark中分享使用java阅读avro的例子吗？找到scala示例但没有运气的java。以下是代码片段，它是代码的一部分，但使用方法ctx.newAPIHadoopFile遇到编译问题。

JavaSparkContext ctx = new JavaSparkContext(sparkConf);
Configuration hadoopConf = new Configuration();
JavaRDD<SampleAvro> lines = ctx.newAPIHadoopFile(path, AvroInputFormat.class, AvroKey.class, NullWritable.class, new Configuration());

此致

Answer 1

您可以使用Databricks的 spark-avro连接器库 从Spark SQL读取或编写Avro数据的推荐方法是使用Spark的DataFrame API。

连接器支持从Spark SQL读取和写入Avro数据：

import org.apache.spark.sql.*;

SQLContext sqlContext = new SQLContext(sc);

// Creates a DataFrame from a specified file
DataFrame df = sqlContext.read().format("com.databricks.spark.avro")
    .load("src/test/resources/episodes.avro");

// Saves the subset of the Avro records read in
df.filter($"age > 5").write()
    .format("com.databricks.spark.avro")
    .save("/tmp/output");

请注意，此连接器具有适用于Spark 1.2,1.3和1.4+的不同版本：

Spark ver connector
1.2 0.2.0
1.3 1.0.0
1.4+ 2.0.1

使用Maven：

<dependency>
    <groupId>com.databricks</groupId>
    <artifactId>spark-avro_2.10</artifactId>
    <version>{AVRO_CONNECTOR_VERSION}</version>
</dependency>

请参阅：Spark SQL Avro Library

了解更多信息

Answer 2

在这里，假设K是你的钥匙而V是你的价值：

....

val job = new Job();

job.setInputFormatClass(AvroKeyValueInputFormat<K, V>.class);

FileInputFormat.addInputPaths(job, <inputPaths>);
AvroJob.setInputKeySchema(job, <keySchema>);
AvroJob.setInputValueSchema(job, <valueSchema>);

RDD<AvroKey<K>, AvroValue<V>> avroRDD = 
  sc.newAPIHadoopRDD(job.getConfiguration,
  AvroKeyValueInputFormat<<K>, <V>>,
  AvroKey<K>.class,
  AvroValue<V>.class);

在java中阅读Avro with Spark

2 个答案: