如何使用 Python 从 Azure Data Lake Storage Gen2 中的事件中心访问捕获的数据
How to access captured data from Event Hub in Azure Data Lake Storage Gen2 using Python
我正在使用 connection_string 访问 Azure Data Lake Gen2 存储，其中大量 Avro 文件由 Event Hubs Capture 存储，在包含由 [=47 命名的文件夹的典型目录结构下=].我正在使用 azure.storage.filedatalake 包。
首先我得到一个数据湖服务客户端使用：
datalake_service_client = DataLakeServiceClient.from_connection_string(connection_string)
然后我通过以下方式获取湖中的文件系统：
file_systems = datalake_service_client.list_file_systems()
for file_system in file_systems:
print(file_system.name)
本例中只有一个文件系统，名为"datalake1"。此时我想访问我希望在其中找到的所有 Avro 文件。我正在尝试首先获得一个文件系统客户端：
file_system_client = datalake_service_client.get_file_system_client("datalake1")
然后使用get_paths方法：
file_system_client.get_paths()
它 returns 一个迭代器（azure.core.paging.ItemPaged 对象），但是从这里我无法看到文件夹和文件。我尝试使用像 [x.name for x in file_system_client.get_paths()] 这样的简单列表理解，但我收到错误 StorageErrorException: Operation returned an invalid status 'The specified container does not exist.'
知道如何按照此过程访问 Avro 文件吗？
编辑：我使用的是 azure-storage-file-datalake 版本 12.0.0。这是代码的屏幕截图：
谢谢
更新：
用你的代码测试过：
原答案：
调用get_paths()方法后，可以用is_directory属性判断是目录还是文件。如果它是一个文件，那么你可以用它做一些事情。
示例代码（在这个示例中，我只是打印出.avro文件路径。请随意修改代码以满足您的需要）：
#other code
paths = file_system_client.get_paths()
for path in paths:
#determine if it is a directory or a file
if not path.is_directory:
#here, just print out the file name.
print(path.name + '\n')
#you can do other operations here.
测试结果：
问题出在连接字符串上。我再次尝试，但从 Azure 门户中的 "Access keys" blade 获取它，现在它工作正常。我设法 运行 正确 get_paths() 等等。先前的连接字符串取自存储资源管理器，它对应于从 "Shared access signature" blade 检索到的连接字符串。感谢@MartinJaffer-MSFT (MSDN).
我正在使用 connection_string 访问 Azure Data Lake Gen2 存储，其中大量 Avro 文件由 Event Hubs Capture 存储，在包含由 [=47 命名的文件夹的典型目录结构下=].我正在使用 azure.storage.filedatalake 包。
首先我得到一个数据湖服务客户端使用：
datalake_service_client = DataLakeServiceClient.from_connection_string(connection_string)
然后我通过以下方式获取湖中的文件系统：
file_systems = datalake_service_client.list_file_systems()
for file_system in file_systems:
print(file_system.name)
本例中只有一个文件系统，名为"datalake1"。此时我想访问我希望在其中找到的所有 Avro 文件。我正在尝试首先获得一个文件系统客户端：
file_system_client = datalake_service_client.get_file_system_client("datalake1")
然后使用get_paths方法：
file_system_client.get_paths()
它 returns 一个迭代器（azure.core.paging.ItemPaged 对象），但是从这里我无法看到文件夹和文件。我尝试使用像 [x.name for x in file_system_client.get_paths()] 这样的简单列表理解，但我收到错误 StorageErrorException: Operation returned an invalid status 'The specified container does not exist.'
知道如何按照此过程访问 Avro 文件吗？
编辑：我使用的是 azure-storage-file-datalake 版本 12.0.0。这是代码的屏幕截图：
谢谢
更新：
用你的代码测试过：
原答案：
调用get_paths()方法后，可以用is_directory属性判断是目录还是文件。如果它是一个文件，那么你可以用它做一些事情。
示例代码（在这个示例中，我只是打印出.avro文件路径。请随意修改代码以满足您的需要）：
#other code
paths = file_system_client.get_paths()
for path in paths:
#determine if it is a directory or a file
if not path.is_directory:
#here, just print out the file name.
print(path.name + '\n')
#you can do other operations here.
测试结果：
问题出在连接字符串上。我再次尝试，但从 Azure 门户中的 "Access keys" blade 获取它，现在它工作正常。我设法 运行 正确 get_paths() 等等。先前的连接字符串取自存储资源管理器，它对应于从 "Shared access signature" blade 检索到的连接字符串。感谢@MartinJaffer-MSFT (MSDN).