项目需要利用python访问hdfs,查到可以利用hdfs包实现这一点,总结了下使用方法。
1.安装
我在Linux环境下安装
pip install hdfs
2.连接hdfs
from hdfs.client import Client
# 50070: NameNode web管理端口
client = Client("http://localhost:50070")
client.list("/") #列出所有hdfs目录
其他参数说明:
classhdfs.client.Client(url, root=None, proxy=None, timeout=None, session=None)
url:ip:端口
root:制定的hdfs根目录
proxy:制定登陆的用户身份
timeout:设置的超时时间
seesion:requests.Session instance, used to emit all requests.(不是太懂,应该四用户发出请求)
3.dir —查看支持的方法
dir(client)
4. status —获取路径的具体信息
其他参数:status(hdfs_path, strict=True)
hdfs_path:就是hdfs路径
strict:设置为True时,如果hdfs_path路径不存在就会抛出异常,如果设置为False,如果路径为不存在,则返回None
5. list —获取指定路径的子目录信息
其他参数:list(hdfs_path, status=False)
status:为True时,也返回子目录的状态信息,默认为Flase
6. makedirs —创建目录
client.makedirs("/test")
其他参数:makedirs(hdfs_path, permission=None)
permission:设置权限
client.makedirs("/test",permission=777)
7. rename —重命名
格式说明:rename(hdfs_path, local_path)
8. delete —删除
其他参数:delete(hdfs_path, recursive=False)
recursive:删除文件和其子目录,设置为False如果不存在,则会抛出异常,默认为False
9. upload —上传数据
client.upload("/test","/opt/bigdata/hadoop/NOTICE.txt")
其他参数:upload(hdfs_path, local_path, overwrite=False, n_threads=1, temp_dir=None,
chunk_size=65536,progress=None, cleanup=True, **kwargs)
overwrite:是否是覆盖性上传文件
n_threads:启动的线程数目
temp_dir:当overwrite=true时,远程文件一旦存在,则会在上传完之后进行交换
chunk_size:文件上传的大小区间
progress:回调函数来跟踪进度,为每一chunk_size字节。它将传递两个参数,文件上传的路径和传输的字节数。一旦完成,-1将作为第二个参数
cleanup:如果在上传任何文件时发生错误,则删除该文件
10. download —下载
其他参数:download(hdfs_path, local_path, overwrite=False, n_threads=1, temp_dir=None, **kwargs)
参考上传 upload
11. read—读取文件
with client.read("/test/NOTICE.txt") as reader:
print reader.read()
其他参数:read(*args, **kwds)
hdfs_path:hdfs路径
offset:设置开始的字节位置
length:读取的长度(字节为单位)
buffer_size:用于传输数据的字节的缓冲区的大小。默认值设置在HDFS配置。
encoding:制定编码
chunk_size:如果设置为正数,上下文管理器将返回一个发生器产生的每一chunk_size字节而不是一个类似文件的对象
delimiter:如果设置,上下文管理器将返回一个发生器产生每次遇到分隔符。此参数要求指定的编码。
progress:回调函数来跟踪进度,为每一chunk_size字节(不可用,如果块大小不是指定)。它将传递两个参数,文件上传的路径和传输的字节数。称为一次与- 1作为第二个参数。
附:在对文件操作时,可能会提示错误
hdfs.util.HdfsError: Permission denied: user=dr.who, access=WRITE, inode="/test":root:supergroup:drwxr-xr-x
解决办法是:在配置文件hdfs-site.xml中加入
<property>
<name>dfs.permissions</name>
<value>false</value>
</property>
重启集群即可
基本常用的功能也就这些了,如果需要一些特殊的功能,可以自己执行help(client.method)进行查看
12. write –写入
client.write(filepath, data=data_str, encoding='utf-8')
参数:
data_str 我测试的时候,英文没问题,但中文的话,需要首先将str转换为Unicode。利用unicode(data_str)