Java Spark RDD读取GBK格式的文件

青鸟飞云

于 2018-04-20 17:17:43 发布

阅读量1.1k

点赞数

CC 4.0 BY-SA版权

分类专栏： RDD SPARK

本文链接：https://blog.youkuaiyun.com/yeqingyun2012/article/details/80021567

RDD SPARK 专栏收录该内容

8 篇文章

订阅专栏

本文介绍了如何在Java Spark环境中，通过自定义处理方式读取GBK格式的文件。首先，创建SparkConf并设置运行模式，然后创建JavaSparkContext。接着，使用hadoopFile方法读取GBK文件，并指定输入格式。通过mapValues转换每个Text对象为GBK编码的字符串，最后打印输出处理后的文本内容。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、由于jsc.textFile(path)默认读取UTF-8编码格式的文件，因此读取GBK格式的文件需要做一些特殊的处理。

2、程序如下：

SparkConf conf = new SparkConf()
.setMaster("local[*]")//本地运行需要加这句话，若放在集群上注释掉即可
.setAppName("GBK READ");//这个名字可以随意命名
JavaSparkContext jsc = new JavaSparkContext(conf);
JavaPairRDD<LongWritable,Text> pair = jsc.hadoopFile("d:\\AA.txt", TextInputFormat.class, LongWritable.class, Text.class, 1);//这里的1可以改为线程数，例如如果执行的num-executors为16，则可以改为16
JavaPairRDD<LongWritable, String> mapValues = pair.mapValues(new Function<Text, String>(){
@Override
public String call(Text v1) throws Exception {
return new String(v1.getBytes(),0,v1.getLength(),"GBK");
}
});
mapValues.values().foreach(new VoidFunction<String>() {

@Override
public void call(String t) throws Exception {
System.out.println(t);

}
});