Hadoop从HDFS读取JSON

Question

我正在尝试将JSON文件读取到我的hadoop mapreduce算法中。我怎样才能做到这一点？我已将文件'testinput.json'放入HDFS内存中的/ input中。

[当调用mapreduce时，我执行hadoop jar popularityMR2.jar populariy input output，输入内容指明dhfs存储器中的输入目录。

public static class PopularityMapper extends Mapper<Object, Text, Text, Text>{


    protected void map(Object key, Text value,
                       Context context)
            throws IOException, InterruptedException {

        JSONParser jsonParser = new JSONParser();
        try {
            JSONObject jsonobject = (JSONObject) jsonParser.parse(new FileReader("hdfs://input/testinput.json"));
            JSONArray jsonArray = (JSONArray) jsonobject.get("votes");

            Iterator<JSONObject> iterator = jsonArray.iterator();
            while(iterator.hasNext()) {
                JSONObject obj = iterator.next();
                String song_id_rave_id = (String) obj.get("song_ID") + "," + (String) obj.get("rave_ID")+ ",";
                String preference = (String) obj.get("preference");
                System.out.println(song_id_rave_id + "||" + preference);
                context.write(new Text(song_id_rave_id), new Text(preference));
            }
        }catch(ParseException e) {
            e.printStackTrace();
        }
    }

}

我的映射器功能现在看起来像这样。我从dhfs内存中读取了文件。但是它总是返回错误，找不到文件。

有人知道我如何将这个json读入jsonobject吗？

谢谢

Answer 1

1. FileReader无法从HDFS读取，只能从本地文件系统读取。

2. 文件路径来自Job参数-FileInputFormat.addInputPath(job, new Path(args[0]));

无论如何，您将不会在Mapper类中读取文件。

MapReduce默认读取行分隔文件，因此您的JSON对象必须是每行一个，例如

{"votes":[]}
{"votes":[]}

从映射器中，您将像这样将Text对象解析为JSONObject

 protected void map(LongWritable key, Text value, Context context)
        throws IOException, InterruptedException {

    JSONParser jsonParser = new JSONParser();
    try {
        JSONObject jsonobject = (JSONObject) jsonParser.parse(value.toString());
        JSONArray jsonArray = (JSONArray) jsonobject.get("votes");

如果文件中只有一个JSON对象，则可能不应该使用MapReduce。