如何通过pyspark检查blob是否存在

Question

我试图在数据存储器中将blob存储文件抓取到我的python代码中，只要它存在。如何通过pyspark检查它是否存在？

Answer 1

我不认为有一些方法可以检查是否存在blob但是从下面的代码中你可以在编写它之前阅读它。

在应用程序级别上，首先在spark应用程序中，您需要获取一个spark会话：

session = SparkSession.builder.getOrCreate()

然后，您需要设置一个帐户密钥：

session.conf.set(
    "fs.azure.account.key.<storage-account-name>.blob.core.windows.net",
    "<your-storage-account-access-key>"
)

或容器的SAS令牌：

session.conf.set(
    "fs.azure.sas.<container-name>.blob.core.windows.net",
    "<sas-token>"
)

设置帐户访问密钥或SAS后，您就可以读取/写入Azure blob了：

sdf = session.read.parquet(
    "wasbs://<container-name>@<storage-account-name>.blob.core.windows.net/<prefix>"
)

虽然使用python，但您可以轻松调用get_blob_reference方法来检查blob是否存在。

def blob_exists(self):
        container_name = self._create_container()
        blob_name = self._get_blob_reference()

        # Basic
        exists = self.service.exists(container_name, blob_name)  # False
        self.service.create_blob_from_text(container_name, blob_name, u'hello world')
        exists = self.service.exists(container_name, blob_name)  # True

        self.service.delete_container(container_name)

你可以在这里找到参考：

https://github.com/Azure/azure-storage-python/blob/master/samples/blob/block_blob_usage.py