Shell 用于检查HDFS文件是否已压缩的命令
在linux中使用命令“Shell 用于检查HDFS文件是否已压缩的命令,shell,unix,hadoop,hdfs,gzip,Shell,Unix,Hadoop,Hdfs,Gzip,在linux中使用命令“file”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
file
”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
#/bin/bash
HDFS_IN_PATH=$1;
IS_COMPRESS_FILE=true;
“ARCHIVE1”“ARCHIVE2”中的archiveDir;
做
HDFS_OUT_PATH=${HDFS_IN_PATH}/$archiveDir;
对于$中的ls_条目(hdfs dfs-ls-C“$hdfs_in_PATH”/$archiveDir);
做
fileAbsPath=$ls\u条目;
jobName=$(basename“${fileAbsPath}”);
if(hadoop fs-test-f“$fileAbsPath”);然后
echo“它不是目录${fileAbsPath}”
继续;
fi
对于$(hdfs dfs-ls-C“$fileAbsPath”)中的文件;
做
filename=$(basename“${file}”);
如果[“$IS_COMPRESS_FILE”=true];然后
if();然后
echo“文件名:${File}已被压缩..”
继续;
fi
hadoop fs-cat“${file}”gzip | hadoop fs-put-“${file}”.gz;
echo“已成功压缩文件…”;
fi
完成
hadoop归档文件-archiveName“${jobName}”.har-p“${HDFS\u OUT\u PATH}”${jobName}”${HDFS\u OUT\u PATH}”;
完成
完成
在Linux中没有类似于文件的命令。相反,读取扩展可能会起作用:if[“$file”==“*.gz”]
其他需要用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似乎有一个选项,可以以
zipfile.zipfile(内存中的数据,“r”)
的形式使用
这可能会有所帮助:Hadoop中没有这样的命令,但我想通过使用此链接,您可以自己实现它。仅读取一些字节并确定其是否已压缩