如何使用 LZO 以外的压缩处理 Hadoop Map/Reduce 中的协议缓冲区文件?
Posted
技术标签:
【中文标题】如何使用 LZO 以外的压缩处理 Hadoop Map/Reduce 中的协议缓冲区文件?【英文标题】:How do I process Protocol Buffer files in Hadoop Map/Reduce using compression other than LZO? 【发布时间】:2013-02-22 00:22:30 【问题描述】:我想使用 Hadoop Map/Reduce 处理 delimited 协议缓冲区文件,这些文件使用 LZO 以外的其他东西压缩,例如xz
或 gzip
。 Twitter 的大象鸟库似乎主要支持读取 LZO 压缩的 protobuf 文件,因此似乎不能满足我的需求。是否有现有的库或标准方法来执行此操作?
(注意:从我选择的压缩算法可以看出,解决方案没有必要使 protobuf 文件可拆分。您的答案甚至不需要指定特定的压缩算法,但至少应该允许我提到的其中一个。)
【问题讨论】:
【参考方案1】:您可能需要查看 Hadoop 的 RAgzip 补丁,以处理大型 gzip 文件的多个地图任务:RAgzip
【讨论】:
以上是关于如何使用 LZO 以外的压缩处理 Hadoop Map/Reduce 中的协议缓冲区文件?的主要内容,如果未能解决你的问题,请参考以下文章