首页
学习
活动
专区
工具
TVP
发布
社区首页 >问答首页 >如何在hadoop中使用python保存文件

如何在hadoop中使用python保存文件
EN

Stack Overflow用户
提问于 2014-10-28 18:36:11
回答 3查看 33.5K关注 0票数 9

问题:

我开始学习hadoop,然而,我需要用python保存很多文件。我似乎找不出我做错了什么。有人能帮我吗?

下面是我的代码。我认为HDFS_PATH是正确的,因为我在安装时没有在设置中更改它。pythonfile.txt在我的桌面上(通过命令行运行的python代码也是如此)。

代码:

代码语言:javascript
复制
import hadoopy
import os
hdfs_path ='hdfs://localhost:9000/python' 

def main():
    hadoopy.writetb(hdfs_path, [('pythonfile.txt',open('pythonfile.txt').read())])

main()

输出当我运行上面的代码时,我得到的只是python本身中的一个目录。

代码语言:javascript
复制
iMac-van-Brian:desktop Brian$ $HADOOP_HOME/bin/hadoop dfs -ls /python

DEPRECATED: Use of this script to execute hdfs command is deprecated.
Instead use the hdfs command for it.

14/10/28 11:30:05 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
-rw-r--r--   1 Brian supergroup        236 2014-10-28 11:30 /python
EN

回答 3

Stack Overflow用户

发布于 2018-06-22 07:50:08

对于subprocess模块来说,这是一个非常典型的任务。解决方案看起来像这样:

代码语言:javascript
复制
put = Popen(["hadoop", "fs", "-put", <path/to/file>, <path/to/hdfs/file], stdin=PIPE, bufsize=-1)
put.communicate()

完整示例

让我们假设你在一个服务器上,并且有一个经过验证的hdfs连接(例如,你已经调用了一个.keytab)。

您刚刚从pandas.DataFrame创建了一个csv,并希望将其放入hdfs。

然后,您可以将文件上传到hdfs,如下所示:

代码语言:javascript
复制
import os 

import pandas as pd

from subprocess import PIPE, Popen


# define path to saved file
file_name = "saved_file.csv"

# create a pandas.DataFrame
sales = {'account': ['Jones LLC', 'Alpha Co', 'Blue Inc'], 'Jan': [150, 200, 50]}
df = pd.DataFrame.from_dict(sales)

# save your pandas.DataFrame to csv (this could be anything, not necessarily a pandas.DataFrame)
df.to_csv(file_name)

# create path to your username on hdfs
hdfs_path = os.path.join(os.sep, 'user', '<your-user-name>', file_name)

# put csv into hdfs
put = Popen(["hadoop", "fs", "-put", file_name, hdfs_path], stdin=PIPE, bufsize=-1)
put.communicate()

csv文件将存在于/user/<your-user-name/saved_file.csv中。

注意-如果您从Hadoop中名为的python脚本创建此文件,则中间csv文件可能存储在一些随机节点上。由于(可能)不再需要此文件,因此最佳实践是删除它,以免每次调用脚本时都污染节点。您只需添加os.remove(file_name)作为上述脚本的最后一行即可解决此问题。

票数 7
EN

Stack Overflow用户

发布于 2014-10-28 22:16:17

我感觉您正在写入一个名为'/python‘的文件,而您打算将其作为存储该文件的目录

什么是

代码语言:javascript
复制
hdfs dfs -cat /python

给你看?

如果它显示了文件内容,您所需要做的就是编辑您的hdfs_path以包含文件名(您应该首先使用-rm删除/python ),否则,使用pydoop (pip install pydoop)并执行以下操作:

代码语言:javascript
复制
import pydoop.hdfs as hdfs

from_path = '/tmp/infile.txt'
to_path ='hdfs://localhost:9000/python/outfile.txt'
hdfs.put(from_path, to_path)
票数 1
EN

Stack Overflow用户

发布于 2018-01-17 22:04:56

我找到了这个答案here

代码语言:javascript
复制
import subprocess

def run_cmd(args_list):
        """
        run linux commands
        """
        # import subprocess
        print('Running system command: {0}'.format(' '.join(args_list)))
        proc = subprocess.Popen(args_list, stdout=subprocess.PIPE, stderr=subprocess.PIPE)
        s_output, s_err = proc.communicate()
        s_return =  proc.returncode
        return s_return, s_output, s_err 

#Run Hadoop ls command in Python
(ret, out, err)= run_cmd(['hdfs', 'dfs', '-ls', 'hdfs_file_path'])
lines = out.split('\n')


#Run Hadoop get command in Python
(ret, out, err)= run_cmd(['hdfs', 'dfs', '-get', 'hdfs_file_path', 'local_path'])


#Run Hadoop put command in Python
(ret, out, err)= run_cmd(['hdfs', 'dfs', '-put', 'local_file', 'hdfs_file_path'])


#Run Hadoop copyFromLocal command in Python
(ret, out, err)= run_cmd(['hdfs', 'dfs', '-copyFromLocal', 'local_file', 'hdfs_file_path'])

#Run Hadoop copyToLocal command in Python
(ret, out, err)= run_cmd(['hdfs', 'dfs', '-copyToLocal', 'hdfs_file_path', 'local_file'])


hdfs dfs -rm -skipTrash /path/to/file/you/want/to/remove/permanently
#Run Hadoop remove file command in Python
(ret, out, err)= run_cmd(['hdfs', 'dfs', '-rm', 'hdfs_file_path'])
(ret, out, err)= run_cmd(['hdfs', 'dfs', '-rm', '-skipTrash', 'hdfs_file_path'])


#rm -r
#HDFS Command to remove the entire directory and all of its content from #HDFS.
#Usage: hdfs dfs -rm -r <path>

(ret, out, err)= run_cmd(['hdfs', 'dfs', '-rm', '-r', 'hdfs_file_path'])
(ret, out, err)= run_cmd(['hdfs', 'dfs', '-rm', '-r', '-skipTrash', 'hdfs_file_path'])




#Check if a file exist in HDFS
#Usage: hadoop fs -test -[defsz] URI


#Options:
#-d: f the path is a directory, return 0.
#-e: if the path exists, return 0.
#-f: if the path is a file, return 0.
#-s: if the path is not empty, return 0.
#-z: if the file is zero length, return 0.
#Example:

#hadoop fs -test -e filename

hdfs_file_path = '/tmpo'
cmd = ['hdfs', 'dfs', '-test', '-e', hdfs_file_path]
ret, out, err = run_cmd(cmd)
print(ret, out, err)
if ret:
    print('file does not exist')
票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/26606128

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档