获取子目录的列表 [英] Get a list of subdirectories

问题描述

  data = sc.textFile（'/ hadoop_foo / a'）
 data.count（）
 240 
 data = sc.textFile（'/ hadoop_foo / *'）
 data.count（）
 168129 
  

但是，我想要计算每个/ hadoop_foo /子目录的数据大小。我能做到吗？

换句话说，我想要的是这样的：

 
 data sc.textFile（subdir）
 data.count（）
  
 
 
 
 
 
我尝试过： 
 
 <$ p $在[9]中：[x [0]为os.walk中的x（/ hadoop_foo /）] 
出[9]：[] 
  

但我认为失败了，因为它在驱动程序的本地目录（在这种情况下是网关）搜索，而/ hadoop_foo /位于 hdfs 的问题。同样的hdfs：/// hadoop_foo /。

---

阅读完如何为HDFS递归列出子目录？，我想知道是否有一种方法可以执行：

  hadoop dfs -lsr / hadoop_foo / 
  

在代码中。

---

From 正确的将两个浮点数写入普通文本文件的方法：

 在[28]中：os.getcwd（）
 Out [28]：'/ homes / gsamaras'<  - 这是我的本地目录
  

解决方案

使用python使用 hdfs 模块; 步行（）方法可以让你列出文件。

代码看起来像这样：

  from hdfs import InsecureClient 
 
 client = InsecureClient（'http：// host：port'，user ='user'）
 for client.walk（dir，0，True） b $ b ... 
  

使用Scala可以获得文件系统（ val fs = FileSystem.get（new Configuration（）））并运行 https://hadoop.apache.org/docs/r2.4.1/api/org/apache/hadoop/fs/ FileSystem.html＃listFiles（org.apache.hadoop.fs.Path ，布尔值）

您也可以使用 os.subprocess 但这绝不是推荐因为你依赖shell实用程序的文本输出。

---

最后，OP的工作原理是使用<一个href =/ hadoop_foo /> subprocess.check_output（）：
$ b

 子目录= subprocess.check_output（[ hadoop，fs， -  ls，/ hadoop_foo /]）
  

I know I can do this:

data = sc.textFile('/hadoop_foo/a')
data.count()
240
data = sc.textFile('/hadoop_foo/*')
data.count()
168129

However, I would like to count the size of the data of every subdirectory of "/hadoop_foo/". Can I do that?

In other words, what I want is something like this:

subdirectories = magicFunction()
for subdir in subdirectories:
  data sc.textFile(subdir)
  data.count()

---

I tried with:

In [9]: [x[0] for x in os.walk("/hadoop_foo/")]
Out[9]: []

but I think that fails, because it searches at the local directory of the driver (the gateway in that case), while "/hadoop_foo/" lies in the hdfs. Same for "hdfs:///hadoop_foo/".

---

After reading How can I list subdirectories recursively for HDFS?, I am wondering if there is a way to execute:

hadoop dfs -lsr /hadoop_foo/

in code..

---

From Correct way of writing two floats into a regular txt:

In [28]: os.getcwd()
Out[28]: '/homes/gsamaras'  <-- which is my local directory

解决方案

With python use hdfs module; walk() method can get you list of files.

The code sould look something like this:

from hdfs import InsecureClient

client = InsecureClient('http://host:port', user='user')
for stuff in client.walk(dir, 0, True):
...

With Scala you can get the filesystem (val fs = FileSystem.get(new Configuration())) and run https://hadoop.apache.org/docs/r2.4.1/api/org/apache/hadoop/fs/FileSystem.html#listFiles(org.apache.hadoop.fs.Path, boolean)

You can also execute a shell command from your script with os.subprocess but this is never a recommended approach since you depend on text output of a shell utility here.

---

Eventually, what worked for the OP was using subprocess.check_output():

subdirectories = subprocess.check_output(["hadoop","fs","-ls", "/hadoop_foo/"])

这篇关于获取子目录的列表的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！