Скопируйте файл с HDFS на SFTP-сервер, используя python с потоковым методом - PullRequest
Новая
       60

Скопируйте файл с HDFS на SFTP-сервер, используя python с потоковым методом

0 голосов
/ 29 мая 2020

У меня есть конвейер pyspark, который должен экспортировать таблицу как файл csv в hdfs и на сервер sftp (данные будут взяты командой crm после).

Для экспорта в HDFS это очень образец, и он работает как шарм, но для экспорта данных в файл sftp я сделал следующее: 

def export_to_sftp():
    dataframe.coalesce(1).options(codec=compression).write.mode("overwrite").option('encoding',encoding).csv(file_to_hdfs, header=True, nullValue='', sep=';')
    copyToLocalFile(file_to_hdfs,local_machine_file) # copy from HDFS to LOCAL using hadoop API
    cnopts = pysftp.CnOpts()
    hostkeys = None
    if cnopts.hostkeys.lookup(server) is not None:
        hostkeys = cnopts.hostkeys
        cnopts.hostkeys = None
        try:
            with pysftp.Connection(host=server, username=login,
                               password=password, cnopts=cnopts) as sftp:
                if hostkeys is not None:
                    hostkeys.add(server, sftp.remote_server_key.get_name(), sftp.remote_server_key)
                    hostkeys.save(pysftp.helpers.known_hosts())
                    sftp.put(local_machine_file, sftp_path)
        except Exception as e:
            log.exception(e)
        finally:
            log.info("Cleaning up)
            shutil.rmtree(local_tmp)

Этот метод отлично работает, когда файлы не слишком большие, но для некоторых таблиц он не работает, как в моем локальном linux машина У меня недостаточно места на диске,

Так можно ли использовать pysftp для копирования удаленного файла из hdfs в sftp в потоковом методе без копирования на локальный компьютер?

1 Ответ

0 голосов
/ 29 мая 2020

Если я правильно понял ваш вопрос, вы ищете что-то подобное ниже. 

with hdfs.open("/hadoop/path/filename") as f,
     sftp.putfo("/sftp/path/filename", f)

Обязательное предупреждение: не устанавливайте cnopts.hostkeys = None, если вы не заботитесь о безопасности. Для правильного решения см. Проверить ключ хоста с помощью pysftp .

...