准备输入数据 - Amazon EMR

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

准备输入数据

多数集群会先加载输入数据,然后再处理这些数据。为加载数据,必须定位在集群可以访问的位置,并且格式必须为集群可以处理的类型。最常见的情况是将输入数据上传至 Amazon S3。Amazon EMR 为您的集群提供了工具,用于从 Amazon S3 导入或读取数据。

Hadoop 中的默认输入格式是文本文件,然而您也可以自定义 Hadoop 从而使用工具导入以其他格式存储的数据。