- 博客(2)
- 收藏
- 关注
原创 Pyspark获取hdfs上多个文件
(作者:陈玓玏)这个需求可以一分为二:我想直接读取所有文件并合并结果;我想获取文件路径,然后再一个一个获取结果。第一种,可以用sc.textFile(path),直接批量读取文件第二种,我暂时没找到pyspark里的好方法,所以我直接用命令行+解析命令行结果的操作进行的。命令行获取文件路径:d = os.popen("hadoop fs -ls /user/log/ctm_api_logs | awk ‘{print $8}’ ").read().split(’\n’)解析命令
2020-11-17 14:30:21 4381
原创 Python读取snappy后缀文件
(作者:陈玓玏)需要读取个hbase表调用的日志文件,是snappy后缀的。snappy是压缩文件,如果要读取其中内容,我们需要先进行解压操作。#不是这个包pip3.6 install snappy --user#是这个包pip3.6 install python-snappy --user安装好之后,python3.6进入python,读文件的时候最好加上’rb‘,否则可能报编码问题import snappycompressed = open('logs.snappy','rb').r
2020-11-17 14:25:08 4953 4
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人