“使用命令” file <filename>
在linux中显示文件是否被压缩。对于驻留在hdfs文件系统中的文件,如何实现这一点?
file 620591952596020.gz
620591952596020.gz: gzip compressed data, from FAT filesystem (MS-DOS, OS/2, NT)
file 269146229598756
269146229598756: ASCII text, with very long lines
这将帮助我避免压缩文件(gzip),该文件已经作为通过apacheoozie调用的shell脚本的一部分进行了压缩。
# !/bin/bash
HDFS_IN_PATH=$1;
IS_COMPRESS_FILE=true;
for archiveDir in 'ARCHIVE1' 'ARCHIVE2' ;
do
HDFS_OUT_PATH=${HDFS_IN_PATH}/$archiveDir;
for ls_entry in $(hdfs dfs -ls -C "$HDFS_IN_PATH"/$archiveDir);
do
fileAbsPath=$ls_entry;
jobName=$(basename "${fileAbsPath}");
if (hadoop fs -test -f "$fileAbsPath") ; then
echo "Its not a directory ${fileAbsPath}"
continue;
fi
for file in $(hdfs dfs -ls -C "$fileAbsPath");
do
filename=$(basename "${file}");
if [ "$IS_COMPRESS_FILE" = true ]; then
if(<<***COMMAND TO CHECK HDFS FILE ${file} IS COMPRESSED***>>); then
echo "File Name: ${file} is already compressed.."
continue;
fi
hadoop fs -cat "${file}" | gzip | hadoop fs -put - "${file}".gz;
echo "Successfully compressed file..!";
fi
done
hadoop archive -archiveName "${jobName}".har -p "${HDFS_OUT_PATH}" "${jobName}" "${HDFS_OUT_PATH}";
done
done
1条答案
按热度按时间nimxete21#
hdfs没有这样的命令
file
在linux中。相反,阅读extensión可能起作用:if [ "$file" == "*.gz" ]
其他需要python或java编码的选项有:管理
ZipFileInputFormat
以确保zip文件是真正的压缩内容。pyspark似乎有一个可以在表单中使用的选项
zipfile.ZipFile(in_memory_data, "r")
.两者都在这个链接中添加了地址。