如何在Apache Spark中使用Hadoop InputFormats？

Question

我ImageInputFormat在Hadoop中有一个类从HDFS读取图像.如何在Spark中使用我的InputFormat？

这是我的ImageInputFormat:

public class ImageInputFormat extends FileInputFormat<Text, ImageWritable> {

    @Override
    public ImageRecordReader createRecordReader(InputSplit split, 
                  TaskAttemptContext context) throws IOException, InterruptedException {
        return new ImageRecordReader();
    }

    @Override
    protected boolean isSplitable(JobContext context, Path filename) {
        return false;
    }
}  

Answer 1

该SparkContext有一个名为方法hadoopFile.它接受实现接口的类org.apache.hadoop.mapred.InputFormat

它的描述是"使用任意InputFormat为Hadoop文件获取RDD".

另请参阅Spark文档.