从 Databricks ADLS 挂载点读取文件作为字节字符串

Question

目标是从 ADLS 挂载点读取文件作为 Databricks 中的字节字符串。

确认 ADLS 挂载点

首先，使用dbutils.fs.mounts()确认具有以下内容：

... MountInfo(mountPoint='/mnt/ftd', source='abfss://ftd@omitted.dfs.core.windows.net/', encryptionType=''), ...

确认文件存在

有问题的文件名为TruthTable.csv ，已使用以下命令确认其下落：

dbutils.fs.ls('/mnt/ftd/TruthTable.csv')

返回：

[FileInfo(path='dbfs:/mnt/ftd/TruthTable.csv', name='TruthTable.csv', size=156)]

确认文件的可读性

为了确认可以读取文件，我们可以运行以下代码段。

filePath = '/mnt/ftd/TruthTable.csv'
spark.read.format('csv').option('header','true').load(filePath)

成功返回

DataFrame[p: string, q: string, r: string, s: string]

问题

由于目标是能够将文件作为字节字符串读取，因此以下代码段应该是成功的，但事实并非如此。

filePath = '/mnt/ftd/TruthTable.csv'
with open(filePath, 'rb') as fin:
  contents = fin.read()
  print(contents)

执行以下代码段输出：

FileNotFoundError: [Errno 2] No such file or directory: '/mnt/ftd/TruthTable.csv'

Databricks 团队在以下链接中提供的文档 [https://docs.databricks.com/data/databricks-file-system.html#local-file-apis][https://docs.databricks.com/data /databricks-file-system.html#local-file-apis] 仅适用于/tmp/文件夹中的文件，但是，要求是直接从挂载点读取文件。

Answer 1

请添加 dbfs 前缀：

filePath = '/dbfs/mnt/ftd/TruthTable.csv'
with open(filePath, 'rb') as fin:
  contents = fin.read()
  print(contents)

对于本机数据块 function（如 dbutils）dbfs 用作默认位置。 当您直接访问文件系统时，您需要添加默认挂载目录 /dbfs。 或者，您可以使用“dbfs:/mnt/ftd/TruthTable.csv”。 如果您使用免费的社区版，它根本无法工作，因为无法访问底层文件系统。 对于 Azure、Aws 和 Google 版本，它应该可以工作。

Answer 2

我能够通过将s3a://和存储桶前缀替换为相应的/dbfs/mnt/来读取文件。

s3a://s3-bucket/lake/output/dept/2022/09/16/20220916_1643_764250.csv /dbfs/mnt/output/dept/2022/09/16/20220916_1643_764250.csv

我用这个：

_path = _path.replace('s3a://s3-bucket/lake', '/dbfs/mnt')

希望能帮助到你。

-ed