hadoop - bigdata：如何分析 pst/email 数据？

Question

我在 hdfs 中有 pst 或电子邮件文件。现在，我想通过 hadoop 中最适合的组件进行文本分析。我该如何开始。

我是否必须首先从这些文件中提取实际内容并将其存储在某处（例如在文本文件中），然后对文本文件运行分析？

请建议我。

ps：我开始在谷歌搜索时遇到了这个。这是唯一的选择还是任何其他可用的解决方案。