HDFS小文件合并时遇到的几个小问题

1. 如何“非正则”地遍历一个目录下某些特定的文件?

在spark中newHadoopAPI()或者FSShell其实都是支持正则话输入路径的,不要怕输入的路径太长,一定要正则化输入路径;

2. 在读取->repartition->重新再写入的过程中,遇到序列化失败该如何处理?

尽量使用kyro序列化,兼容性还是比较好;
同时注意null值的处理;

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容