从 Azure Blob 容器读取 parquet 数据，无需在本地下载

Question

我正在使用 azure SDK、avro-parquet 和 hadoop 库从 Blob Container 中读取 parquet 文件。目前，我正在将文件下载到临时文件，然后创建一个 ParquetReader。try (InputStream input = blob.openInputStream()) {                Path tmp = Files.createTempFile("tempFile", ".parquet");                Files.copy(input, tmp, StandardCopyOption.REPLACE_EXISTING);                IOUtils.closeQuietly(input);                InputFile file = HadoopInputFile.fromPath(new org.apache.hadoop.fs.Path(tmp.toFile().getPath()),                        new Configuration());                ParquetReader<GenericRecord> reader = AvroParquetReader.<GenericRecord> builder(file).build();                GenericRecord record;                while ((record = reader.read()) != null) {                    recordList.add(record);                }            } catch (IOException | StorageException e) {                log.error(e.getMessage(), e);            }我想使用 azure blob 项目中的 inputStream 读取此文件，而不将其下载到我的机器上。S3 有这样的方式（从 AWS s3 存储桶读取镶木地板数据），但是 Azure 是否存在这种可能性？

Answer 1

了解如何做到这一点。

 StorageCredentials credentials = new StorageCredentialsAccountAndKey(accountName, accountKey);

 CloudStorageAccount connection = new CloudStorageAccount(credentials, true);

 CloudBlobClient blobClient = connection.createCloudBlobClient();

 CloudBlobContainer container = blobClient.getContainerReference(containerName);

 CloudBlob blob = container.getBlockBlobReference(fileName);

 Configuration config = new Configuration();

 config.set("fs.azure", "org.apache.hadoop.fs.azure.NativeAzureFileSystem");

 config.set("fs.azure.sas.<containerName>.<accountName>.blob.core.windows.net", token);

 URI uri = new URI("wasbs://<containerName>@<accountName>.blob.core.windows.net/" + blob.getName());

 InputFile file = HadoopInputFile.fromPath(new org.apache.hadoop.fs.Path(uri),

                config);

 ParquetReader<GenericRecord> reader = AvroParquetReader.<GenericRecord> builder(file).build();

 GenericRecord record;

 while ((record = reader.read()) != null) {

     System.out.println(record);

 }

 reader.close();