代码之家 › 专栏 › 技术社区 › Rahul Shaw

如何在azure hdinsight spark群集上使用自定义元数据文件

azure-blob-storage azure-hdinsight pyspark apache-spark azure

Rahul Shaw · 技术社区 · 7 年前

我有一个从加载数据的用例。在azure HDinsight spark群集上运行作业时的dat文件(存储在azure blob存储中)。我通过了 this doc加载它,在python(pyspark)中如下所示:

file='wasb:///<container_name>/<path>/CITYIP.dat'
with open(file) as f:
    print f.read()

它抛出 IOError: No such file or directory .我觉得我做错了什么。

有人能告诉我使用pyspark在azure HDinsight spark集群中加载文件的正确方向吗?

1 回复 | 直到 7 年前

koiralo 7 年前

要读取文件并加载spark,请确保 hadoop-azure 已添加依赖项 "org.apache.hadoop" % "hadoop-azure" % "2.7.3"

然后定义要在底层Hadoop配置中使用的文件系统。

val spark = SparkSession.builder().appName("read azure storage").master("local[*]").getOrCreate()

spark.sparkContext.hadoopConfiguration.set("fs.azure", "org.apache.hadoop.fs.azure.NativeAzureFileSystem")
spark.sparkContext.hadoopConfiguration.set("fs.azure.account.key.yourAccount.blob.core.windows.net", "yourKey ")

val baseDir = "wasb[s]://BlobStorageContainer@yourUser.blob.core.windows.net/"

现在将文本文件读取为

val file = spark.read.textFile(baseDir + "pathToTextFile")

注: 上面的代码是scala的,希望您可以在 pyspark

Here 是我测试的完整程序

推荐文章

Rahul Shaw · 如何在azure hdinsight spark群集上使用自定义元数据文件

7 年前

Gabriel · 使用io从azure存储读取图像。拜特西奥?

7 年前

Leandro Nunes · 如何使用Drone将文件上载到Azure Blob存储。io

7 年前

alan samuel · 使用Javascript上载到Azure blob存储失败?

7 年前

user3587624 · 在Azure Web应用程序上使用Azure存储来运行exe命令行应用程序

7 年前

Tom · 获取azure blob存储的最佳方法是什么

7 年前

conjenks · 。NET Core 2 MVC-从Azure Blob存储下载文件在Google Chrome中有效,但在Internet Explorer中无效

7 年前

Michel Fernandes · 部署EmberJS前端应用程序[已关闭]

7 年前

joanlofe · 使用fluent API在c#中创建blob存储容器

7 年前

JetS79 · Intellij上的Scala

7 年前