python使用hdfs3模塊對hdfs進行操作詳解

更新時間：2020年06月06日 10:20:46 作者：蝸牛!Destiny

這篇文章主要介紹了python使用hdfs3模塊對hdfs進行操作詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

之前一直使用hdfs的命令進行hdfs操作，比如：

hdfs dfs -ls /user/spark/
hdfs dfs -get /user/spark/a.txt /home/spark/a.txt #從HDFS獲取數(shù)據(jù)到本地
hdfs dfs -put -f /home/spark/a.txt /user/spark/a.txt #從本地覆蓋式上傳
hdfs dfs -mkdir -p /user/spark/home/datetime=20180817/
....

身為一個python程序員，每天操作hdfs都是在程序中寫各種cmd調(diào)用的命令，一方面不好看，另一方面身為一個Pythoner這是一個恥辱，于是乎就挑了一個hdfs3的模塊進行hdfs的操作，瞬間就感覺優(yōu)雅多了：

hdfs 官方API：https://hdfs3.readthedocs.io/en/latest/api.html

>>> from hdfs3 import HDFileSystem
#鏈接HDFS
>>> hdfs = HDFileSystem(host='localhost', port=8020)
>>> hdfs.ls('/user/data')
>>> hdfs.put('local-file.txt', '/user/data/remote-file.txt')
>>> hdfs.cp('/user/data/file.txt', '/user2/data')

#文件讀取

#txt文件全部讀取
>>> with hdfs.open('/user/data/file.txt') as f:
...  data = f.read(1000000)
#使用pandas讀取1000行數(shù)據(jù)
>>> with hdfs.open('/user/data/file.csv.gz') as f:
...  df = pandas.read_csv(f, compression='gzip', nrows=1000)

#寫入文件

>>> with hdfs.open('/tmp/myfile.txt', 'wb') as f:
... f.write(b'Hello, world!')

#多節(jié)點連接設置

host = "nameservice1"
conf = {"dfs.nameservices": "nameservice1",
  "dfs.ha.namenodes.nameservice1": "namenode113,namenode188",
  "dfs.namenode.rpc-address.nameservice1.namenode113": "hostname_of_server1:8020",
  "dfs.namenode.rpc-address.nameservice1.namenode188": "hostname_of_server2:8020",
  "dfs.namenode.http-address.nameservice1.namenode188": "hostname_of_server1:50070",
  "dfs.namenode.http-address.nameservice1.namenode188": "hostname_of_server2:50070",
  "hadoop.security.authentication": "kerberos"
}
fs = HDFileSystem(host=host, pars=conf)

#API

hdfs = HDFileSystem(host='127.0.0.1', port=8020)
hdfs.cancel_token(token=None) #未知，求大佬指點
hdfs.cat(path) #獲取指定目錄或文件的內(nèi)容
hdfs.chmod(path, mode) #修改制定目錄的操作權(quán)限
hdfs.chown(path, owner, group) #修改目錄所有者，以及用戶組
hdfs.concat(destination, paths) #將指定多個路徑paths的文件，合并成一個文件寫入到destination的路徑，并刪除源文件（The source files are deleted on successful completion.成功完成后將刪除源文件。）
hdfs.connect() #連接到名稱節(jié)點 這在啟動時自動發(fā)生。 LZ:未知作用，按字面意思，應該是第一步HDFileSystem(host='127.0.0.1', port=8020)發(fā)生的
hdfs.delegate_token(user=None)
hdfs.df() #HDFS系統(tǒng)上使用/空閑的磁盤空間
hdfs.disconnect() #跟connect()相反，斷開連接
hdfs.du(path, total=False, deep=False) #查看指定目錄的文件大小，total是否把大小加起來一個總數(shù)，deep是否遞歸到子目錄
hdfs.exists(path) #路徑是否存在
hdfs.get(hdfs_path, local_path, blocksize=65536) #將HDFS文件復制到本地,blocksize設置一次讀取的大小
hdfs.get_block_locations(path, start=0, length=0) #獲取塊的物理位置
hdfs.getmerge(path, filename, blocksize=65536) #獲取制定目錄下的所有文件，復制合并到本地文件
hdfs.glob(path) #/user/spark/abc-*.txt 獲取與這個路徑相匹配的路徑列表
hdfs.head(path, size=1024) #獲取指定路徑下的文件頭部分的數(shù)據(jù)
hdfs.info(path) #獲取指定路徑文件的信息
hdfs.isdir(path) #判斷指定路徑是否是一個文件夾
hdfs.isfile(path) #判斷指定路徑是否是一個文件
hdfs.list_encryption_zones() #獲取所有加密區(qū)域的列表
hdfs.ls(path, detail=False) #返回指定路徑下的文件路徑，detail文件詳細信息
hdfs.makedirs(path, mode=457) #創(chuàng)建文件目錄類似 mkdir -p
hdfs.mkdir(path) #創(chuàng)建文件目錄
hdfs.mv(path1, path2) #將path1移動到path2
open(path, mode='rb', replication=0, buff=0, block_size=0) #讀取文件，類似于python的文件讀取
hdfs.put(filename, path, chunk=65536, replication=0, block_size=0) #將本地的文件上傳到，HDFS指定目錄
hdfs.read_block(fn, offset, length, delimiter=None) #指定路徑文件的offset指定讀取字節(jié)的起始點，length讀取長度，delimiter確保讀取在分隔符bytestring上開始和停止
>>> hdfs.read_block('/data/file.csv', 0, 13) 
b'Alice, 100\nBo'
>>> hdfs.read_block('/data/file.csv', 0, 13, delimiter=b'\n') 
b'Alice, 100\nBob, 200'
hdfs.rm(path, recursive=True) #刪除指定路徑recursive是否遞歸刪除
hdfs.tail(path, size=1024) #獲取 文件最后一部分的數(shù)據(jù)
hdfs.touch(path) #創(chuàng)建一個空文件
hdfs.walk(path) #遍歷文件樹

補充知識：HDFS命令批量創(chuàng)建文件夾和文件

批量創(chuàng)建測試文件夾：