av一区二区在线观看_亚洲男人的天堂网站_日韩亚洲视频_在线成人免费_欧美日韩精品免费观看视频_久草视

您的位置:首頁技術文章
文章詳情頁

hadoop - 使用python hdfs模塊或者其他類似模塊過濾HDFS上的日志日志內容

瀏覽:111日期:2022-06-28 15:26:32

問題描述

目前公司使用HDFS存儲各個節點服務器上傳的日志。因為歷史遺留問題,所以日志比較混雜。就是各種數據都會存入日志中。一個日志文件200mb左右。有時候要過濾一些內容,則需要根據時間戳,然后使用hdfs 的cat命令,之后再grep關鍵字。再通過stdin輸入到一個python腳本中,把相關的數據做一些處理。現在我想把他做成輸入要查詢的時間、節點、關鍵字以及匹配模型,然后一條龍完成這個任務。這樣就可以把這個小工具推向所有需求數據的人,而不是每次讓運維來查詢。于是開始研究python的相關模塊,這個hdfs可以上傳下載,查詢目錄文件內容。但是到讀這塊,就比較麻煩了。with client.read(hdfs_path=.....,其他參數)as reader:

content = reader.read()然后再對content處理

這種方式并不可行,因為一次要匹配的內容實在太多,大概有幾gb的數據,根本不可能全部讀出來然后再做處理。肯定得在讀的過程就進行篩選和處理

我嘗試了for line in content,也匹配不出內容。應該如何解決這個問題呢?難道用python把符合條件的文件路徑記錄下來,然后再執行HDFS命令,再把匹配的數據傳入python?那樣也顯得太麻煩了,而且穩定性肯定不好

后來我看了一下,hdfs這個模塊,創建客戶端的時候,連的是hadoop 50070這個web管理頁面,想了下是不是這個模塊本身就不是為了做數據分析用的?希望各位能給點幫助

問題解答

回答1:

多線程呢,并行計算呢?你這樣一次性讀幾個Gb自然慢。既然是hadoop框架,用好mapreduce應該就行了吧。這玩意應該就不是為了快速而設計的。

標簽: Python 編程
相關文章:
主站蜘蛛池模板: 精品一区二区三区在线视频 | 日操操夜操操 | 久久久久久久久久久久久9999 | 操一草| www.国产91| 操久久 | 国产成人久久精品一区二区三区 | 黄色在线免费看 | 国产精品1区2区3区 欧美 中文字幕 | 成人欧美一区二区三区视频xxx | 精品亚洲永久免费精品 | 国产一区不卡 | 久久午夜精品福利一区二区 | 日本三级线观看 视频 | 国产一区二区 | 国产日韩一区二区三免费高清 | 久久久久免费观看 | 岛国av一区二区 | 99久久精品国产一区二区三区 | 成人免费观看男女羞羞视频 | 精品毛片视频 | 日本在线看片 | 中文字幕人成乱码在线观看 | www.日日夜夜 | 日日夜夜精品视频 | 一区二区中文 | www亚洲成人 | 久久亚洲一区二区三区四区 | 国产一区二区久久 | 国产欧美一区二区三区免费 | 国产在线网址 | 日韩国产欧美在线观看 | 欧美日在线 | 国产精品成人一区二区三区 | 欧美日韩理论 | 欧洲视频一区二区 | 成人免费xxxxx在线视频 | 国产中文字幕在线 | 日本一区二区三区免费观看 | 欧美久 | 欧美在线视频一区二区 |