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！