如何将文件保存在Hadoop中使用Python

我开始学习Hadoop的，但是，我需要使用Python了很多文件保存到它。我似乎无法弄清楚我做错了什么。谁能帮我这个？

以下是我的代码。我认为HDFS_PATH是正确的，因为我没有在安装时在设置中更改它。 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：

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我得到的是在Python本身的目录。

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

来源

2014-10-28 user3671459

我有你写到一个名为“/蟒蛇”，而你想让它在该文件所在的目录文件的感觉

什么呢

hdfs dfs -cat /python

显示你？

如果它显示该文件的内容，所有你需要做的是编辑hdfs_path包含文件名（你应该删除/蟒蛇先用-rm）否则，使用pydoop（PIP安装pydoop），并做到这一点：

import pydoop.hdfs as hdfs 

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

来源

2014-10-28 14:16:16 Legato

HDFS DFS -cat /蟒蛇显示：'14/10/28 21点38分29秒WARN util.NativeCodeLoader：无法加载原生的Hadoop库你的平台...在适用的地方使用内建的java类 SEQ/org.apache.hado op.typedbytes.TypedBytesWritable/org.apache.hadoop.typedbytes.TypedBytesWritable * org.apache.hadoop.io.compress.DefaultCodecOS ?? Z 4-1'？Nc7R ?? pythonfile.txtx？c''？cɒ·ΔT ?? T ??̒ ？?? ?? <。?? \t？' – user3671459 2014-10-28 20:38:59

确实如我所说，你已经将数据写入根目录中名为“python”的*文件*。当你'猫'它时，你会看到你写入的sequenceFile的内容（writeetb写一个sequenceFile，它是二进制的 - 不像文本文件）。我在hadoopy文档中没有看到写入文本文件的方式，因此请使用pydoop，或者继续写入（并读取sequenceFiles）。无论如何，您需要将文件名添加到路径中，如上面的答案中所述。 – Legato 2014-10-29 05:43:53

我发现这个答案here：

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')

来源

2018-01-17 14:04:55

如何将文件保存在Hadoop中使用Python

回答

相关问题