5.2　文件格式

Spark支持的一些常见格式

格式名称结构化备注
文本文件否普通的文本文件，每行一条记录
JSON半结构化常见的基于文本的格式，半结构化；大多数库都要求每行一条记录
CSV是非常常见的基于文本的格式，通常在电子表格应用中使用
SequenceFiles是一种用于键值对数据的常见 Hadoop 文件格式
Protocol buffers是一种快速、节约空间的跨语言格式
对象文件是用来将Spark作业中的数据存储下来以让共享的代码读取。改变类的时候它会失效，因为它依赖于Java序列化

除了 Spark 中直接支持的输出机制，还可以对键数据（或成对数据）使用 Hadoop 的新旧文件 API。
由于 Hadoop 接口要求使用键值对数据，所以也只能这样用，即使有些格式事实上忽略了键。
对于那些会忽视键的格式，通常使用假的键（比如 null ）。