我正在使用MAPI工具(其microsoft和.NET),然后使用apache 库从exchange服务器处理和提取pst,这是不可伸缩的。
我如何使用way先生处理/提取pst .是否有我可以在我的jobs中使用的java工具,库?任何帮助都会非常充分。
Jpst内部用途:PstFile pstFile = new PstFile(java.io.File)
问题在于,对于Hadoop ,我们没有任何与java.io.File相近的东西。
以下选项始终存在,但效率不高:
File tempFile = File.createTempFile("myfile", ".tmp");
fs.moveToLocalFile(new Path (<HDFS pst path>) , new Path(tempFile.getAbsolutePath()) );
PstFile pstFile = new PstFile(tempFile);发布于 2012-05-07 18:46:18
看看庞然大物(http://digitalpebble.blogspot.com/2011/05/processing-enron-dataset-using-behemoth.html)。它结合了Tika和Hadoop。
我也写过自己的Hadoop + Tika作业。其模式是:
中。
希望能帮上忙
发布于 2012-06-14 11:19:45
不可能在映射器中处理PST文件。经过长时间的分析和调试,发现API暴露不正确,这些API需要本地文件系统来存储提取的pst内容。它不能直接存储在HDFS上。这是瓶颈。所有这些API(提取和处理的libs)都不是免费的。
我们所能做的是在hdfs之外提取,然后我们可以在jobs中进行处理。
https://stackoverflow.com/questions/10415213
复制相似问题