如何在Solr中索引HDFS pdf文件？

Question

hadoop jar jobjar / hadoop / hadoop-lws-job-1.2.0-0-0.jar com.lucidworks.hadoop.ingest.IngestJob -Dlww.commit.on.close = true -DcsvFieldMapping = 0 = id，1 = text -cls com.lucidworks.hadoop.ingest.CSVIngestMapper -c hdp1 -i /user/solr/data/csv/mydata.csv -of com.lucidworks.hadoop.io.LWMapRedOutputFormat -s http：// localhost：8983 / solr

我已经尝试在命令中使用上面的代码来执行PDF文件，但是我得到了不希望的输出！

com.lucidworks.hadoop.ingest.CSVIngestMapper用于独家CSV文件，因此“ PDF文件”是否与此类似？ 期待您的协助。

Answer 1

您应该使用DirectoryIngestMapper：

hadoop jar jobjar/hadoop/hadoop-lws-job-1.2.0-0-0.jar 
com.lucidworks.hadoop.ingest.IngestJob -Dlww.commit.on.close=true    
com.lucidworks.hadoop.ingest.DirectoryIngestMapper -c hdp1 -i 
/user/solr/data/pdf/*.pdf -of com.lucidworks.hadoop.io.LWMapRedOutputFormat -s 
http://localhost:8983/solr

假设/user/solr/data/pdf/*.pdf是您的pdf文件所在的位置。