我正在尝试将HDFS中的文件读入Spark并对其执行一些数据处理。最初,我使用Sqoop将文件从MySQL数据库传输到Spark。 SQL数据库表有三列 - movieid,title和genres。我想知道如何格式化sc.textFile来正确拉动文件。
运行hdfs dfs -ls,我看到了:
drwxr-xr-x - hduser1 supergroup 0 2017-03-20 23:51 movies
运行hdfs dfs -ls电影,我看到了:
-rw-r--r-- 1 hduser1 supergroup 0 2017-03-20 23:51 movies/_SUCCESS
-rw-r--r-- 1 hduser1 supergroup 1290474 2017-03-20 23:51 movies/part-m-0000
我想弄清楚的是下面的功能:
case class Movie(movieid: String, title: String, genres: String)
val movieRdd: RDD[Movie] = sc.textFile(***WHAT GOES HERE***).map(-formatting-)
答案 0 :(得分:2)
您可以采用以下格式编码:
sc.textFile(hdfs://NamenodeIPAddress:Port/DirectoryLocation)
example: sc.textFile(hdfs://127.0.0.1:8020/user/movies)
请根据您的位置更改您的名称节点IP地址和路径的IP地址。
希望这有助于!!! ...