使用 DataLakeFileClient 和进度条下载文件

如何解决使用 DataLakeFileClient 和进度条下载文件

我需要使用 DataLakeFileClient 从 Azure 下载一个大文件，并在下载过程中显示一个类似 tqdm 的进度条。下面是我用较小的测试文件尝试的代码。

# Download a File
test_file = DataLakeFileClient.from_connection_string(my_conn_str,file_system_name=fs_name,file_path="161263.tmp")

download = test_file.download_file()
blocks = download.chunks()
print(f"File Size = {download.size},Number of blocks = {len(blocks)}")

with open("./newfile.tmp","wb") as my_file:
    for block in tqdm(blocks):
        my_file.write(block)

结果在 jupyter notebook 中显示如下，块数与文件大小相同。

如何使块数正确且进度条正常工作？

解决方法

在使用chucks的时候要注意只有文件大小大于32MB(33554432 bytes)，那么文件大小（这里的文件大小是指total file size - 32MB）才会将每个块分成 4MB 个大小的块。

例如，如果文件大小为 39MB，它将被拆分为 3 个块。第一个块是 32MB，第二个块是 4MB，第三个块是 3MB(39MB - 32MB - 4MB)。

这是一个例子，它可以很好地在我身边工作：

from tqdm import tqdm
from azure.storage.filedatalake import DataLakeFileClient
import math

conn_str = "xxxxxxxx"
file_system_name="xxxx"
file_name="ccc.txt"

test_file = DataLakeFileClient.from_connection_string(conn_str,file_system_name,file_name)

download = test_file.download_file()

blocks = download.chunks()

number_of_blocks = 0

#if the file size is larger than 32MB
if len(blocks) > 33554432:
    number_of_blocks = math.ceil((len(blocks) - 33554432) / 1024 / 1024 / 4) + 1
else:
    number_of_blocks = 1
    
print(f"File Size = {download.size},Number of blocks = {number_of_blocks}")

#initialize a tqdm instance
progress_bar = tqdm(total=download.size,unit='iB',unit_scale=True)

with open("D:\\a11\\ccc.txt","wb") as my_file:
    for block in blocks:
        #update the progress bar
        progress_bar.update(len(block))

        my_file.write(block)

progress_bar.close()

print("**completed**")