Apache spark 如何在Databricks dbfs**中列出文件键，而不列出**dbutils

显然，由于其他要求，我必须使用spark submit样式的作业，但仍然需要列出dbfs中的文件键并对其进行迭代，以决定将哪些文件用作流程的输入

使用scala，我可以使用spark或hadoop中的哪个库来检索特定模式的

dbfs:/filekeys

列表

import org.apache.hadoop.fs.Path
import org.apache.spark.sql.SparkSession

def ls(sparkSession: SparkSession, inputDir: String): Seq[String] = {
  println(s"FileUtils.ls path: $inputDir")
  val path = new Path(inputDir)
  val fs = path.getFileSystem(sparkSession.sparkContext.hadoopConfiguration)
  val fileStatuses = fs.listStatus(path)
  fileStatuses.filter(_.isFile).map(_.getPath).map(_.getName).toSeq
}

使用上述方法，如果我传入一个部分键前缀，如

dbfs:/mnt/path/to/folder

，而所述“folder”中存在以下键：

• /mnt/path/to/folder/file1.csv

• /mnt/path/to/folder/file2.csv

我得到的

dbfs:/mnt/path/to/folder在点击时不是目录
val path=newpath（inputDir）
需要使用SparkSession来执行此操作

我们是这样做的：

import org.apache.commons.io.IOUtils
import org.apache.hadoop.fs.{FileSystem, Path}
import org.apache.spark.sql.SparkSession

def getFileSystem(sparkSession: SparkSession): FileSystem =
    FileSystem.get(sparkSession.sparkContext.hadoopConfiguration)

def listContents(sparkSession: SparkSession, dir: String): Seq[String] = {
  getFileSystem(sparkSession).listStatus(new path(dir)).toSeq.map(_.getPath).map(_.getName)
}