databricks

Question

我在我的数据块中安装了一个 s3 存储桶，我可以看到文件列表，我也可以使用 python

读取文件

ACCESS_KEY = "XXXXXXXXXX"
SECRET_KEY = "XXXXXXXXXXXXXX"
ENCODED_SECRET_KEY = SECRET_KEY.replace("/", "%2F")
AWS_BUCKET_NAME = "testbucket"
MOUNT_NAME = "awsmount1"

dbutils.fs.mount("s3a://%s:%s@%s" % (ACCESS_KEY, ENCODED_SECRET_KEY, AWS_BUCKET_NAME), "/mnt/%s" % MOUNT_NAME)
display(dbutils.fs.ls("/mnt/%s/data" % MOUNT_NAME))

我想找出我正在阅读的文件的最后修改日期，我找不到太多，但是 azure blob 的 java 选项是否有 python databricks 中的本机选项以读取文件元数据。

Answer 1

如果我理解正确，您需要使用 python 本机 sdk 在 Azure 数据块中挂载文件的最后修改日期。

这是从 Azure blob 获取元数据信息的示例代码：

from azure.storage.blob import BlockBlobService
block_blob_service = BlockBlobService(account_name='accoutName', account_key='accountKey')
container_name ='containerName'
block_blob_service.create_container(container_name)
generator = block_blob_service.list_blobs(container_name)
for blob in generator:
    lastModified= BlockBlobService.get_blob_properties(block_blob_service,container_name,blob.name).properties.last_modified
    print("\t Blob name: " + blob.name)
    print(lastModified)

您可以获得有关此内容的更多详细信息here。

如果您正在寻找 S3，那么我建议您在使用 (S3) 对象 python 对象时使用 Boto.oto3 returns LastModified 的日期时间对象：

https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/s3.html#S3.Object.last_modified

将 LastModified 与今天的日期 (Python3) 进行比较：

import boto3
from datetime import datetime, timezone

today = datetime.now(timezone.utc)

s3 = boto3.client('s3', region_name='eu-west-1')

objects = s3.list_objects(Bucket='my_bucket')

for o in objects["Contents"]:
    if o["LastModified"] == today:
        print(o["Key"])

Reference

希望对您有所帮助。

databricks - 安装 S3 - 如何获取文件元数据，如上次修改日期 (Python)

databricks - mounted S3 - how to get file metadata like last modified date (Python)

python

apache-spark

azure-databricks