spark集群使用hanlp进行分布式分词操作说明

By hadoop小学生 at 2019-01-21 • 0人收藏 • 170人看过


本篇分享一个使用hanlp分词的操作小案例,即在spark集群中使用hanlp完成分布式分词的操作,文章整理自【qq_33872191】的博客,感谢分享!以下为全文:

 

分两步:

第一步:实现hankcs.hanlp/corpus.io.IIOAdapter

图1.jpg 

 

 

1.  public class HadoopFileIoAdapter implements IIOAdapter {

2. 

3.   @Override

4.    public InputStream open(String path) throws IOException {

5.        Configuration conf = new Configuration();

6.       FileSystem fs = FileSystem.get(URI.create(path), conf);

7.        return fs.open(new Path(path));

8.    }

9. 

10.    @Override

11.   public OutputStream create(String path) throws IOException {

12.        Configuration conf = new Configuration();

13.        FileSystem fs = FileSystem.get(URI.create(path), conf);

14.        OutputStream out = fs.create(new Path(path));

15.        return out;

16.    }

17.  }

 

第二步:修改配置文件。roothdfs上的数据包,把IOAdapter改为咱们上面实现的类

 

 图2.jpg 

 图3.jpg

 

ok,这样你就能在分布式集群上使用hanlp进行分词了。

 

整个步骤比较简单,欢迎各位大神交流探讨!

 


登录后方可回帖

登 录
信息栏

Carbon Forum是一个基于话题的高性能轻型PHP论坛

下载地址:Carbon Forum v5.9.0
QQ群:12607708(QQ我不常上)

donate

手机支付宝扫描上方二维码可向本项目捐款

粤ICP备17135490号-1

Loading...