Question

我已经在数据砖中安装了一个s3存储桶，我可以看到文件列表，也可以使用python读取文件

ACCESS_KEY = "XXXXXXXXXX"
SECRET_KEY = "XXXXXXXXXXXXXX"
ENCODED_SECRET_KEY = SECRET_KEY.replace("/", "%2F")
AWS_BUCKET_NAME = "testbucket"
MOUNT_NAME = "awsmount1"

dbutils.fs.mount("s3a://%s:%s@%s" % (ACCESS_KEY, ENCODED_SECRET_KEY, AWS_BUCKET_NAME), "/mnt/%s" % MOUNT_NAME)
display(dbutils.fs.ls("/mnt/%s/data" % MOUNT_NAME))

我想找出我正在读取的文件的最后修改日期，我找不到很多，但是azure blob的java选项Databricks read Azure blob last modified date，databricks中是否有python native选项来读取文件元数据。

Answer 1

如果我理解正确，则需要使用Python原生sdk在Azure数据块中装入文件的最后修改日期。

以下是从Azure blob获取元数据信息的示例代码：

from azure.storage.blob import BlockBlobService
block_blob_service = BlockBlobService(account_name='accoutName', account_key='accountKey')
container_name ='containerName'
block_blob_service.create_container(container_name)
generator = block_blob_service.list_blobs(container_name)
for blob in generator:
    lastModified= BlockBlobService.get_blob_properties(block_blob_service,container_name,blob.name).properties.last_modified
    print("\t Blob name: " + blob.name)
    print(lastModified)

您可以获取有关此here的更多详细信息。

如果您正在寻找S3，那么我建议您使用Boto.oto3在使用（S3）对象python对象时为LastModified返回一个datetime对象：

https://boto3.amazonaws.com/v1/documentation/api/latest/reference/services/s3.html#S3.Object.last_modified

比较LastModified和今天的日期（Python3）：

import boto3
from datetime import datetime, timezone

today = datetime.now(timezone.utc)

s3 = boto3.client('s3', region_name='eu-west-1')

objects = s3.list_objects(Bucket='my_bucket')

for o in objects["Contents"]:
    if o["LastModified"] == today:
        print(o["Key"])

Reference

希望有帮助。

databricks-已安装S3-如何获取文件元数据，如上次修改日期（Python）

1 个答案: