用Aspose在Hadoop上处理Binary文件格式

Apache Hadoop有通过其灵活的分布式文件系统（HDFS）跨节点奖大数据归档的强大能力。这个大数据解决方案还有着MapReduce Framework的技术支持，使开发人员能通过其APIs分析已归档的大数据。大数据可能是结构化或者非结构化的，并且可能以任意文件格式呈现。请记住， for Hadoop project的第一个版本已经发布，它让开发人员能够处理若干文件格式。以下就是初始版本所支持的文件格式：

• Microsoft Word (DOC)
• WordprocessingML (DOCX, XML)
• Rich Text Format (RTF)
• HTML, XHTML and MHTML
• OpenDocument (ODT)
• Microsoft Excel (XLS)
• SpreadsheetML (XLSX, XML)
• OpenDocument Spreadsheet (ODS)
• PresentationML (PPTX, XML)
• Outlook Emails (MSG)

使用Aspose for Hadoop project，Hadoop开发人员能够任意上述格式中解析文本，接下来文本可以被用于MapReduce分析算法或者取决于用户事件的任意目的。

• com.aspose.hadoop.core——提供Aspose for Java wrapper类来从上述格式中解析文本。包裹包含几个类来覆盖Hadoop输入格式，从而使二进制序列文件可以被创建。
• com.aspose.hadoop.examples——为创建和转换二进制序列文件提供映射实例。