spark集群使用hanlp进行分布式分词操作说明

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!

原文链接:https://blog.csdn.net/qq_33872191/article/details/84963310

编辑于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券