Python操控HDFS

前言

Python中进行HDFS编程共有两种方法，库pyhdfs与hdfs，两个库都是直接pip安装即可。同时两个库的实现原理也是一样的，hdfs的web api接口。

pyhdfs

pyhdfs没有追加功能慎用。如果要是用追加功能，建议使用hdfs这个库。请查看第二部分 。

创建

import pyhdfs

fs = pyhdfs.HdfsClient(hosts="127.0.0.1,50070", user_name="fonttian")  # 这两种连接方式都可以
# fs = pyhdfs.HdfsClient(hosts="127.0.0.1,9000", user_name="root")
1
2
3
4

展示根目录/获取namenode

print("展示根目录")
print(fs.get_home_directory())

print("获取namenode")
print(fs.get_active_namenode())
1
2
3
4
5

查增删改-查

print("展示路径")
print(fs.listdir("/"))
print("展示所有路径")
print(list(fs.walk('/original_data')))
print("判断/original_data/students2文件是否存在")
print(fs.exists('/original_data/students2'))
1
2
3
4
5
6

查增删改-增删

print(fs.mkdirs("/original_data/file_folder"))
fs.copy_from_local("/home/fonttian/database/hive/job", '/original_data/job', )  # 从本地上传到hadoop上

print(fs.delete("/original_data/job2"))  # 删除文件


print(fs.mkdirs("/original_data/file_folder"))
1
2
3
4
5
6
7

查增删改-改

print(fs.mkdirs("/original_data/file_folder"))
print(fs.rename("/original_data/file_folder", destination="/original_data/file_folder_rename"))  # 删除目录
# recursive=True
print(fs.delete("/original_data/file_folder_rename", recursive=True))  # 删除目录  recursive=True
1
2
3
4

上传下载

# print("上传下载：")
fs.copy_from_local("/home/fonttian/database/hive/user.txt", '/original_data/user.txt')  # 从hadoop下载到本地
fs.copy_from_local("/home/fonttian/database/hive/job", '/original_data/job')  # 从本地上传到hadoop上
fs.copy_to_local("/original_data/user.txt", '/home/fonttian/database/hive/user_2.txt')  # 从hadoop下载到本地
1
2
3
4

hdfs

创建

from hdfs import InsecureClient

hdfs_client = InsecureClient('http://127.0.0.1:50070', user='fonttian')
1
2
3

查询

查看状态

hdfs_client.status('.')
1

查看目录

print(hdfs_client.list("/original_data/"))

1
2

创建

# 创建目录
hdfs_client.makedirs('/original_data/pyhdfs', permission=777)

1
2
3

删除

# 删除目录
# 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
hdfs_client.delete('/original_data/pyhdfs', recursive=False)

1
2
3
4
5

上传

# 上传文件
# 第一个参数，hdfs路径
# 第二个参数,本地路径
# 第三个参数,是否覆盖hdfs已有的文件

hdfs_client.upload('/original_data/pyhdfs/word.txt', '/home/fonttian/database/hive/word.txt', False)

1
2
3
4
5
6
7

下载

# 从hdfs获取文件到本地
# client.download(hdfs_path, local_path, overwrite=False)
hdfs_client.download('/original_data/pyhdfs/word.txt', '/home/fonttian/database/hive/word_download.txt', overwrite=True)

1
2
3
4

追加

#  追加数据到hdfs文件
# client.write(hdfs_path, data, overwrite=False, append=True, encoding='utf-8')
hdfs_client.write('/original_data/pyhdfs/word.txt', 'this is overwite \n', overwrite=True)
hdfs_client.write('/original_data/pyhdfs/word.txt', 'this is append ', overwrite=False, append=True, encoding='utf-8')

1
2
3
4
5

修改或移动

# 移动或者修改文件
# client.rename(hdfs_src_path, hdfs_dst_path)
hdfs_client.rename('/original_data/pyhdfs/word.txt', '/original_data/pyhdfs/word_2.txt')
1
2
3