xml - XmlInputFormat的拆分是否始终包含元素的开始和结束标签？

Question

我想知道如何处理具有多个拆分的Xml文件。
谁负责将Xml元素的开始和结束标记放在同一拆分中？
是XmlInputFormat的责任还是在HDFS上创建Xml文件的程序的责任？

最好，
泡菜

Answer 1

XMLInputFormat要求您分别使用xmlinput.start和xmlinput.end指定开始标签和结束标签。一旦指定了xml的开始和结束标记，则XMLInputForamt的RecordReader将能够确定记录边界。

作为引用，请看XMLInputFormat的代码。

因此，在HDFS中创建XML文件的程序无需执行任何操作。