Spark [Python] - 在 Windows 中读取本地文件答案

【问题标题】：Spark [Python] - Reading local file in WindowsSpark [Python] - 在 Windows 中读取本地文件
【发布时间】：2015-10-27 01:51:06
【问题描述】：

我想将本地文件读入 Spark。我正在使用 Windows。使用以下命令：

input = sc.textFile("D://sample.txt")

我尝试了所有可能的组合，但不断收到以下或非常相似的错误。

我尝试了以下方法：

添加 file:/// 和 file://
添加文件：\\ 和文件：\
D:/sample.txt
D:\sample.txt
D:\sample.txt

当前工作目录为 D:\，文件存在于 D:\

谁有想法？

>>> input = sc.textFile("D://sample.txt")
15/10/27 02:37:37 INFO MemoryStore: ensureFreeSpace(157288) called with curMem=7
891904, maxMem=556038881
15/10/27 02:37:37 INFO MemoryStore: Block broadcast_46 stored as values in memor
y (estimated size 153.6 KB, free 522.6 MB)
15/10/27 02:37:37 INFO MemoryStore: ensureFreeSpace(14276) called with curMem=80
49192, maxMem=556038881
15/10/27 02:37:37 INFO MemoryStore: Block broadcast_46_piece0 stored as bytes in
 memory (estimated size 13.9 KB, free 522.6 MB)
15/10/27 02:37:37 INFO BlockManagerInfo: Added broadcast_46_piece0 in memory on
localhost:52887 (size: 13.9 KB, free: 529.6 MB)
15/10/27 02:37:37 INFO SparkContext: Created broadcast 46 from textFile at null:
-1

另外，我们在使用 Windows 时是否总是在命令行中使用反斜杠？还是只是为了目录？

非常感谢，考比

【问题讨论】：

你可以试试“sample.txt”吗？
好的，那么错误是什么？到目前为止，您显示的是一个普通的日志。
只是 sample.txt 不起作用。错误是，我为 textField() 的每个参数得到相同的日志
即使我尝试了 apache spark 教程中的“input = sc.textField("README.md")”

标签： python apache-spark bigdata data-science

【解决方案1】：

可以试试os.path.normpath吗

import os
input = sc.textFile(os.path.normpath("D:/sample.txt"))

os.path.normpath(路径)

通过折叠冗余分隔符和上级来规范化路径名引用，以便 A//B、A/B/、A/./B 和 A/foo/../B 都变为 A/B。这种字符串操作可能会改变路径的含义包含符号链接。在 Windows 上，它将正斜杠转换为反斜杠。要规范大小写，请使用 normcase()。

来源：https://docs.python.org/2/library/os.path.html#os.path.normpath

【讨论】：

不幸的是它不起作用:(由于没有任何作用，它似乎更像是一个配置问题。非常感谢您的想法。