在 pig 中创建 udf 以进行图像处理答案

【问题标题】：To Create udf in pig for image processing在 pig 中创建 udf 以进行图像处理
【发布时间】：2014-11-20 10:52:29
【问题描述】：

我想在 pig 中创建 UDF，使用 tika 来处理 HDFS 中的图像。

下面是我的代码，但我得到 ClassNotFound 异常

        public String exec(Tuple input) throws ExecException, IOException  {
        try {
            if (input == null || input.size() == 0 || input.get(0) == null)
            {
                return null;
            }
        } catch (ExecException ex) {
            Logger.getLogger(Check.class.getName()).log(Level.SEVERE, null, ex);
        }
       String s="";
        ByteArrayInputStream b = (ByteArrayInputStream)input.get(0);
        ContentHandler contenthandler = new BodyContentHandler();
        Metadata metadata = new Metadata();
        Parser parser = new AutoDetectParser();
        ParseContext parseCtx = new ParseContext();
        try { 
            parser.parse(b, contenthandler, metadata,parseCtx);
        } catch (SAXException ex) {
            Logger.getLogger(Check.class.getName()).log(Level.SEVERE, null, ex);
        } catch (TikaException ex) {
            Logger.getLogger(Check.class.getName()).log(Level.SEVERE, null, ex);
        }


        System.out.println("Mime: " + metadata.get(Metadata.CONTENT_TYPE));
        return metadata.get(Metadata.CONTENT_TYPE);

    }

输入是图像文件，以未知格式存储在hdfs中。

输出我需要输出作为文件的类型。但我正在获取 TikaException 和 java Class not found 上述代码的异常。

错误

2014-11-21 12:00:56,417 [main] INFO  org.apache.pig.backend.hadoop.executionengi
ne.mapReduceLayer.MapReduceLauncher - Failed!
2014-11-21 12:00:56,483 [main] ERROR org.apache.pig.tools.grunt.Grunt - ERROR 10
66: Unable to open iterator for alias f. Backend error : java.lang.ClassNotFound
Exception: org.apache.tika.exception.TikaException

PigScript

a= load '/image.jpeg' as x;
b= group a all;
f= foreach b generate package.check(a)

如果有人知道上述问题的解决方案。请尽快指导我。

【问题讨论】：

请指定您传递的输入值和接收到的带有完整堆栈跟踪的输出..
我已经编辑了内容，请在上面找到。
堆栈跟踪呢？
我已经为我的源代码添加了错误信息，请帮我解决这个问题，
请尝试从一个完全简单的 UDF 开始，看看是否可行。之后逐渐构建到您的实际 UDF 以找出问题所在。 -- 对于在寻找ERROR 1066: Unable to open iterator for alias 时发现此帖子的人，这里是generic solution。

标签： java hadoop apache-pig apache-tika

【解决方案1】：

请检查 Apache Tika jar 是否已在您的 Pig 脚本中注册。确保它在执行 Pig 脚本期间可用。

例如：

REGISTER '/home/user/pig/udfrepository/projectUDF.jar'
REGISTER '/home/user/thridpartyjars/xyz.jar';

【讨论】：

嗨，我在执行 pig 脚本之前已经注册了 jar，但是收到了错误。