shell 遍历 hdfs上的文件目录

最新推荐文章于 2023-10-16 22:09:48 发布

原创最新推荐文章于 2023-10-16 22:09:48 发布 · 2.3k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#shell #遍历hdfs

Linux 专栏收录该内容

14 篇文章

订阅专栏

本文介绍了一种在HDFS上批量修改特定后缀文件名的方法，通过Shell脚本实现，目的是让Hive外表能够正确读取这些文件，避免因.tmp或.pending后缀导致的读取问题。

背景：

需要批量把hdfs上某个目录中的所有以.pending 结尾的文件，去掉.pending后缀。主要原因是建立的hive外表无法读取.tmp或.pending的文件，所以需要去掉后缀。

hdfs上文件的结构是根目录/data/test/flink/ttengine_predict/下有dt=2017-12-28的天级目录，在天级目录下会有hour=00-23的24个小时级目录，文件都在小时级目录中。

#!/bin/bash  
#print the directory and file
hadoop fs -ls /data/abc/flink/ttengine_predict/dt=2017-12-27/ | awk '{print $8}' > files0.txt
#循环遍历，提取所需数据
cat  ./files0.txt | while read line
do
	echo "$line"
	hadoop fs -ls $line | awk '{print $8}' > files1.txt
	cat  ./files1.txt | while read fname
	do
		echo "$fname"
		_path=`echo $fname | awk -F'.' '{print $1}'`
		hadoop fs -mv $fname $_path
		#echo $_path
	done
done