我使用MAPI工具（其微軟lib和.NET中），然後阿帕奇TIKA庫來處理和從Exchange Server，提取PST這不可擴展。如何處理/提取的.pst USIG的Hadoop地圖降低
如何使用MR方式處理/提取pst ...是否有任何工具可用於Java，我可以在MR作業中使用它。任何幫助都會很棒。
Jpst庫內部使用：PstFile pstFile = new PstFile(java.io.File)
而且問題是Hadoop的API的我們沒有任何接近java.io.File。
以下選項是永遠存在的，但效率不高：
看看巨獸（http://digitalpebble.blogspot.com/2011/05/processing-enron-dataset-using-behemoth。 HTML）。它結合了Tika和Hadoop。
我也寫過自己的Hadoop + Tika作業。模式是：
。希望help.s
個人映射器如何將輸入格式識別爲pst文件？然後它將如何提取這些？ – Yogesh
@Yogesh當你把文件放到一個seuqnce文件中時，它包含了一些數據結構，我實際上使用Avro，並簡單地添加一個帶有mime類型（我從Tika獲得）的標題字段作爲包裝過程的一部分。由於Hadoop中的小文件問題，第一步不是MR作業。強烈推薦你看看Behemoth代碼，這是一個很好的例子。 –
它不可能處理中映射的PST文件。經過長時間的分析和調試，發現API沒有正確公開，這些API需要本地文件系統來存儲提取的pst內容。它直接不能存儲在HDFS上。那是瓶頸。所有這些API（提取和處理的庫）都不是免費的。
什麼我們能做的就是提取外HDFS，然後我們就可以在MR作業處理
可能不是... –
要做到這一點在的Map/Reduce的方式，你需要能夠分裂PST文件分成小塊，所以單個節點可以處理它們的部分。我不確定PST文件格式是否支持？ – Gagravarr