hadoop - Mahout の sequencefile API コードを使用するにはどうすればよいですか?

Question

Mahout には、create sequence file as のコマンドが存在しますbin/mahout seqdirectory -c UTF-8 -i <input address> -o <output address>。このコマンドをコード API として使用したい。

Answer 1

次のようなことができます。

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.SequenceFile;
import org.apache.hadoop.io.Text;


Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(conf);

Path outputPath = new Path("c:\\temp");

Text key = new Text(); // Example, this can be another type of class
Text value = new Text(); // Example, this can be another type of class

SequenceFile.Writer writer = new SequenceFile.Writer(fs, conf, outputPath, key.getClass(), value.getClass());

while(condition) {

    key = Some text;
    value = Some text;

    writer.append(key, value);
}

writer.close();

詳細については、こちらとこちらをご覧ください

さらに、説明したのとまったく同じ機能を Mahout から呼び出すことができます。org.apache.mahout.text.SequenceFilesFromDirectory

次に、呼び出しは次のようになります。

ToolRunner.run(new SequenceFilesFromDirectory(), String[] args //your parameters);

ToolRunnerから来るorg.apache.hadoop.util.ToolRunner

これがお役に立てば幸いです。