python连接hadoop可通过pyhdfs库实现，适用于数据分析、etl流程等场景。1. 安装pyhdfs使用pip install pyhdfs；2. 配置连接参数，指定namenode地址和用户名；3. 使用hdfsclient建立连接；4. 执行常见操作如列出目录、创建目录、上传下载文件；5. 注意权限问题及kerberos认证限制。正确配置后即可进行基础的hdfs文件管理。
python连接Hadoop的一个常见方法是通过PyHDFS库访问Hadoop的HDFS文件系统。这对于需要在Python中操作Hadoop数据的应用来说非常实用，比如数据分析、ETL流程或日志处理等场景。
安装PyHDFS
使用PyHDFS前，你需要先安装它。可以通过pip安装：
pip install pyhdfs
确保你的环境中已经安装了Python和pip，并且有网络权限下载依赖包。如果是在内网环境中，可能需要配置私有源或者手动安装。
立即学习“Python免费学习笔记（深入）”；
配置Hadoop连接参数
安装完成后，下一步是配置连接信息。PyHDFS通过Hadoop的WebHDFS接口进行通信，因此需要知道Hadoop集群的某个NameNode地址。
基本连接代码如下：
import pyhdfs fs = pyhdfs.HdfsClient(hosts='namenode_host:50070', user_name='hadoop')
- hosts：填写NameNode的主机名或IP加端口。多个NameNode可以写成列表形式，例如 [‘nn1:50070’, ‘nn2:50070’]。
- user_name：指定操作HDFS的用户。如果Hadoop开启了权限控制，这个字段很重要。
注意：默认情况下，Hadoop的WebHDFS服务监听在50070端口（Hadoop 2.x），3.x版本可能改为9870。
常见操作示例
连接成功后就可以进行常见的HDFS操作了。以下是一些常用功能的示例：
列出目录内容
files = fs.listdir('/') print(files)
这会列出HDFS根目录下的所有文件和子目录。
创建目录
fs.mkdirs('/user/myname/testdir')
确保路径不存在时再创建，否则可能会抛出异常。
上传文件到HDFS
fs.create('/user/myname/test.txt', data=b"Hello HDFS from Python")
如果是已有本地文件，可以用下面的方式读取并上传：
with open('localfile.txt', 'rb') as f: fs.create('/user/myname/localfile.txt', data=f.read())
下载文件
with open('downloaded.txt', 'wb') as f: f.write(fs.open('/user/myname/test.txt').read())
这些是最基础的操作，实际应用中可以根据需求组合使用。
权限与安全设置
如果你遇到权限问题，比如“Permission denied”，请检查以下几点：
- 是否指定了正确的 user_name
- Hadoop是否启用了权限控制（dfs.permissions）
- 操作的用户是否有目标路径的读写权限
此外，如果Hadoop启用了Kerberos认证，则PyHDFS可能无法直接使用，建议考虑其他方式如Hadoop CLI + subprocess调用，或者使用支持Kerberos的客户端库。
基本上就这些。PyHDFS虽然功能不算特别全面，但对大多数日常HDFS操作已经够用了，关键是配置好连接信息和用户权限。
