spark集群使用hanlp进行分布式分词操作说明

阅读更多

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

 

 

 

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。root为hdfs上的数据包，把IOAdapter改为咱们上面实现的类

    

    
   
    
   
    

     

   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！

    

   转载自：https://blog.csdn.net/qq_33872191/article/details/84963310

 

• 
• 大小: 72.2 KB

• 
• 大小: 79.8 KB

• 
• 大小: 35.4 KB

• 查看图片附件