【文件属性】：
文件名称：devsearch-concat:并行连接来自 devmine 的 repos
文件大小：27KB
文件格式：ZIP
更新时间：2021-06-05 22:37:00
Scala
devsearch-concat
连接来自 DevMine 源存储库的源文件。
hdfs 上的块大小至少为 64MB。 出于这个原因，如果我们想使用 spark 或 hadoop 的 MapReduce 运行一些大型计算，我们需要将小文件连接成更适合 hdfs 的大文件。
devsearch-concat 将遍历由 DevMine 的 crawld ( ) 提供的 GitHub 数据，并过滤掉所有不是文本或太大而无法成为人类可读代码的文件。 然后它将使用这些文件创建大小至少为 128MB 的 tarball。
devsearch-concat 假定目录结构如下：
REPO_ROOT
└── Language Folder
└── Github User
└── Repository
存储库可以是普通目录或 tar 档案。
生成的 tar 存档中的所有
【文件预览】：
devsearch-concat-master
----.travis.yml(326B)
----update_scaladoc.sh(1KB)
----LICENSE(34KB)
----src()
--------test()
--------main()
----build.sbt(2KB)
----.gitignore(203B)
----scalastyle-config.xml(6KB)
----project()
--------plugins.sbt(252B)
--------build.properties(132B)
----README.md(1KB)