从 udf 访问 hdfs 文件

【问题标题】：Access hdfs file from udf从 udf 访问 hdfs 文件
【发布时间】：2013-07-07 16:36:10
【问题描述】：

我想从我的 udf 调用中访问一个文件。这是我的脚本：

files = LOAD '$docs_in' USING PigStorage(';') AS (id, stopwords, id2, file);
buzz = FOREACH files GENERATE pigbuzz.Buzz(file, id) as file:bag{(year:chararray, word:chararray, count:long)};

jar 已注册。该路径对我的 hdfs 是真实的，文件确实存在于其中。呼叫完成。但似乎没有发现该文件。也许是因为我正在尝试访问 hdfs 上的文件。

如何通过我的 UDF java 调用访问 hdfs 中的文件？

【问题讨论】：

请分享您的UDF代码。

标签： hadoop apache-pig hdfs

【解决方案1】：

在EvalFunc 中，您可以通过以下方式从 HDFS 获取文件：

FileSystem fs = FileSystem.get(UDFContext.getUDFContext().getJobConf());
in = fs.open(new Path(fileName));
BufferedReader br = new BufferedReader(new InputStreamReader(in));
....

您也可以考虑将文件放入分布式缓存中，在这种情况下，您必须在 EvalFunc 类中覆盖 getCacheFiles()。

例如：

@Override
public List<String> getCacheFiles() {
  List<String> list = new ArrayList<String>(2);
  list.add("/cache/pig/wordlist1.txt#w1");
  list.add("/cache/pig/wordlist2.txt#w2");
  return list;
}

那么您可以只传递文件的符号链接（w1 和 w2）以便从中获取它们每个工作节点的本地文件系统：

BufferedReader br = new BufferedReader(new FileReader(fileName));

【讨论】：