我有一个python脚本,需要访问和查询MaxMind(.mmdb)文件类型。我目前的想法是将MaxMind文件加载到HDFS的分布式缓存中,然后通过Pig传递给我的Python脚本。我当前的猪脚本是:
SET mapred.cache.file /path/filelocation/;
SET mapred.createsymlink YES;
SET mapred.cache.file hdfs://localserver:8020/pathtofile#filename;
REGISTER 'pythonscript' USING jython AS myudf;
logfile= LOAD 'filename' USING PigStorage(',') AS (x:int);
RESULT = FOREACH logfile GENERATE myudf.pyFunc(x,"how to pass in MaxMind file");
关于将文件加载到python脚本内部的分布式缓存后如何访问文件的任何想法?
谢谢
我认为您可以这样做:
set mapred.cache.files hdfs:///user/cody.stevens/testdat//list.txt#filename;
SET mapred.createsymlink YES;
REGISTER 'my.py' USING jython AS myudf;
a = LOAD 'hdfs:///user/cody.stevens/pig.txt' as (x:chararray);
RESULT = FOREACH a GENERATE myudf.list_files(x,'filename');
STORE RESULT into '$OUTPUT';
这是我在此示例中使用的对应的my.py
#/usr/bin/env python
import os
@outputSchema("ls:chararray}")
def list_files(x,f):
#ls = os.listdir('.')
fin = open(f,'rb')
return [x,fin.readlines()]
if __name__ == '__main__':
print "ok"
差点忘了..我这样称呼它。
pig -param OUTPUT=/user/cody.stevens/pigout -f dist.pig
它应该在您的本地目录中,以便python应该能够访问它。在该示例中,“文件名”是符号链接的名称,您将必须进行相应的更新。在您的情况下,您希望将“文件名”作为maxmind文件,并且可能需要根据“ a”中的值将其更改回“ as(x:int)”。
祝你好运!
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句