java - 从 HDFS 读取一个简单的 Avro 文件

Question

我正在尝试简单读取存储在 HDFS 中的 Avro 文件。当它在本地文件系统上时，我发现了如何读取它....

FileReader reader = DataFileReader.openReader(new File(filename), new GenericDatumReader());

for (GenericRecord datum : fileReader) {
   String value = datum.get(1).toString();
   System.out.println("value = " value);
}

reader.close();

但是，我的文件在 HDFS 中。我无法为 openReader 提供路径或 FSDataInputStream。我怎样才能简单地读取 HDFS 中的 Avro 文件？

编辑:我通过创建一个实现 SeekableInput 的自定义类 (SeekableHadoopInput) 使其工作。我从 github 上的“Ganglion”“偷”了这个。不过，似乎会有一个 Hadoop/Avro 集成路径。

谢谢

Answer 1

FsInput类(在 avro-mapred 子模块中，因为它依赖于 Hadoop)可以做到这一点。它提供 Avro 数据文件所需的可搜索输入流。

Path path = new Path("/path/on/hdfs");
Configuration config = new Configuration(); // make this your Hadoop env config
SeekableInput input = new FsInput(path, config);
DatumReader<GenericRecord> reader = new GenericDatumReader<GenericRecord>();
FileReader<GenericRecord> fileReader = DataFileReader.openReader(input, reader);

for (GenericRecord datum : fileReader) {
    System.out.println("value = " + datum);
}

fileReader.close(); // also closes underlying FsInput