如何从 Azure blob 存储中将镶木地板文件读入 pandas

Question

我需要在运行 Python 3 kernel 的 Jupyter 笔记本的上下文中从 Azure blob 存储读取和写入镶木地板文件。

我看到了严格使用镶木地板文件和 python 以及其他用于抓取/写入 Azure blob 存储的代码的代码，但还没有将它们放在一起。

这是我正在玩的一些示例代码：

from azure.storage.blob import BlockBlobService block_blob_service = BlockBlobService(account_name='testdata', account_key='key-here') block_blob_service.get_blob_to_text(container_name='mycontainer', blob_name='testdata.parquet')

最后一行抛出与编码相关的错误。 我玩过storefact但在那里做不到。

谢谢你的帮助

Answer 1

要访问该文件，您需要先访问 azure blob 存储。

storage_account_name = "your storage account name"
storage_account_access_key = "your storage account access key"

将镶木地板文件的路径读入变量

commonLOB_mst_source = "Parquet file path"
file_type = "parquet"

连接到 Blob 存储

spark.conf.set(
  "fs.azure.account.key."+storage_account_name+".blob.core.windows.net",
  storage_account_access_key)

将 Parquet 文件读入 dataframe

df = spark.read.format(file_type).option("inferSchema", "true").load(commonLOB_mst_source)