如何從 Azure blob 存儲中將鑲木地板文件讀入 pandas

Question

我需要在運行 Python 3 kernel 的 Jupyter 筆記本的上下文中從 Azure blob 存儲讀取和寫入鑲木地板文件。

我看到了嚴格使用鑲木地板文件和 python 以及其他用於抓取/寫入 Azure blob 存儲的代碼的代碼，但還沒有將它們放在一起。

這是我正在玩的一些示例代碼：

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')

最后一行拋出與編碼相關的錯誤。 我玩過storefact但在那里做不到。

謝謝你的幫助

Answer 1

要訪問該文件，您需要先訪問 azure blob 存儲。

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

將鑲木地板文件的路徑讀入變量

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

連接到 Blob 存儲

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

將 Parquet 文件讀入 dataframe

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