dataframe - pyspark 列出 s3 存储桶中文件夹的子文件夹

Question

我有一个s3存储桶，其中存储要由我的 pyspark 代码处理的数据文件。我要访问的文件夹是：

s3a://bucket_name/data/

此文件夹包含文件夹。我的目标是访问此目录中最后添加的文件夹的内容。由于某些原因，我不想使用 boto。有什么方法可以访问文件夹列表，所以我可以选择我想访问的文件夹。如果我指定文件夹，我可以访问文件，但我想让它动态化。

Answer 1

我建议使用 s3fs，它是 boto3 上的文件系统样式包装器。文档在这里：http ://s3fs.readthedocs.io/en/latest/

这是您关心的部分（您可能必须传入或以其他方式配置您的 AWS 凭证）：

import s3fs
fs = s3fs.S3FileSystem(anon=True)
fs.ls('my-bucket')