Python读写HDFS上的文本文件

1. 目标

1. 通过hadoop hive或spark等数据计算框架完成数据清洗后的数据在HDFS上
2. 爬虫和机器学习在Python中容易实现
3. 在Linux环境下编写Python没有pyCharm便利
4. 需要建立Python与HDFS的读写通道

2. 实现

1. 安装Python模块pyhdfs
2. 版本:Python3.6, hadoop 2.9

读文件代码如下

from pyhdfs import HdfsClient
client=HdfsClient(hosts='ghym:50070')#hdfs地址
res=client.open('/sy.txt')#hdfs文件路径,根目录/
for r in res:
    line=str(r,encoding='utf8')#open后是二进制,str()转换为字符串并转码
    print(line)

写文件代码如下

from pyhdfs import HdfsClient
client=HdfsClient(hosts='ghym:50070',user_name='hadoop')#只有hadoop用户拥有写权限
str='hello world'
client.create('/py.txt',str)#创建新文件并写入字符串

上传本地文件到HDFS

from pyhdfs import HdfsClient
client = HdfsClient(hosts='ghym:50070', user_name='hadoop')
client.copy_from_local('d:/pydemo.txt', '/pydemo')#本地文件绝对路径,HDFS目录必须不存在