您可以使用MATLAB从远程位置读取和写入数据®函数和对象,例如文件I/O函数和一些数据存储对象。这些示例展示了如何在以下云存储平台上设置、读取和写入远程位置:
Amazon S3™(简单存储服务)
Azure®Blob存储(以前称为Windows Azure®存储Blob (WASB))
Hadoop®分布式文件系统
MATLAB允许您使用Amazon S3作为Amazon web Services提供的在线文件存储web服务。在指定数据位置时,必须使用表单的统一资源定位器(URL)指定文件或文件夹的完整路径
s3: / /bucketname/path_to_file
bucketname
集装箱的名称是和吗path_to_file
文件或文件夹的路径。
Amazon S3通过web服务接口提供数据存储。你可以用桶作为在Amazon S3中存储对象的容器。
要在Amazon S3中使用远程数据,必须首先设置访问:
注册一个Amazon Web Services (AWS)根帐户。看到亚马逊Web服务:帐户.
使用您的AWS根帐户,创建IAM(身份和访问管理)用户。看到在您的AWS帐户中创建IAM用户.
生成一个访问密钥以接收一个访问密钥ID和一个秘密访问密钥。看到管理IAM用户的接入密钥.
使用AWS命令行接口工具使用AWS访问密钥ID、秘密访问密钥和区域配置您的机器https://aws.amazon.com/cli/.或者,通过使用setenv
:
AWS_ACCESS_KEY_ID
和AWS_SECRET_ACCESS_KEY
—支持Amazon S3服务的鉴权和使用。(您在步骤3中生成了这对访问键变量。)
AWS_DEFAULT_REGION
(可选)-选择您的桶的地理区域。这个环境变量的值通常是自动确定的,但是bucket所有者可能要求您手动设置它。
AWS_SESSION_TOKEN
(可选)——如果您使用临时安全凭据(如AWS),则指定会话令牌®联合身份验证。
如果使用Parallel Computing Toolbox™,必须确保集群已配置为访问S3服务。您可以通过设置将客户端环境变量复制到集群上的工作人员EnvironmentVariables
在parpool
,批处理
,createJob
,或在集群概要文件管理器中。
下面的例子展示了如何使用ImageDatastore
对象从Amazon S3读取指定的图像,然后将该图像显示在屏幕上。
setenv(“AWS_ACCESS_KEY_ID”、“YOUR_AWS_ACCESS_KEY_ID”);setenv(“AWS_SECRET_ACCESS_KEY”、“YOUR_AWS_SECRET_ACCESS_KEY”);ds = imageDatastore('s3://bucketname/image_datastore/jpegfiles',…' inclesubfolders ', true, 'LabelSource', 'foldernames');img = ds.readimage (1);imshow (img)
下面的示例演示如何使用tabularTextDatastore
对象从Amazon S3读取表格数据到一个庞大的数组中,通过删除缺少的条目和排序对其进行预处理,然后将其写回Amazon S3。
setenv(“AWS_ACCESS_KEY_ID”、“YOUR_AWS_ACCESS_KEY_ID”);setenv(“AWS_SECRET_ACCESS_KEY”、“YOUR_AWS_SECRET_ACCESS_KEY”);ds = tabularTextDatastore('s3://bucketname/dataset/ airlinessmall .csv',…'TreatAsMissing', 'NA', 'SelectedVariableNames', {'ArrDelay'});tt =高(ds);tt = sortrows (rmmissing (tt));写(“s3: / / bucketname / preprocessedData /”,tt);
要回读你的高数据,使用数据存储
函数。
ds =数据存储(s3: / / bucketname / preprocessedData / ');tt =高(ds);
MATLAB允许您使用Azure Blob Storage进行在线文件存储。在指定数据位置时,必须使用表单的统一资源定位器(URL)指定文件或文件夹的完整路径
wasbs: / /container@account/path_to_file/file.ext
container@account
集装箱的名称是和吗path_to_file
文件或文件夹的路径。
Azure通过web服务接口提供数据存储。你可以用团在Azure中存储数据文件。看到介绍Azure为更多的信息。
要在Azure存储中使用远程数据,必须首先设置访问:
注册一个微软Azure帐户微软Azure帐户.
使用以下两个环境变量中的一个设置身份验证详细信息setenv
:
MW_WASB_SAS_TOKEN
—SAS (Shared Access Signature)认证
获得一个SAS。有关详细信息,请参见中“获取用于blob容器的SAS”小节使用存储资源管理器管理Azure Blob存储资源.
在MATLAB中,设置MW_WASB_SAS_TOKEN
修改为SAS查询字符串。例如,
setenv MW_WASB_SAS_TOKEN”?圣= 2017 - 04 - 11 - t09 % 3 a45 % 3 a00z&se = 2017 - 05 - 12 - t09 % 3 a45 % 3 a00z&sp = rl&sv = 2015 - 12 - 11 - sr = c&sig = E12eH4cRCLilp3Tw % 2 bardyyr8rrumw45wbxhwpmzsrce % 3 d '
您必须将此字符串设置为从Azure Storage web UI或Explorer生成的有效SAS令牌。
MW_WASB_SECRET_KEY
-通过帐户的两个秘密密钥之一进行身份验证
每个存储帐户有两个允许管理权限访问的密钥。可以将相同的访问权限授予MATLAB,而不必通过设置MW_WASB_SECRET_KEY
环境变量。例如:
setenv MW_WASB_SECRET_KEY“1234567890 abcdef1234567890abcdef1234567890abcdef”
如果您正在使用并行计算工具箱,则必须通过设置将客户机环境变量复制到集群上的工作人员EnvironmentVariables
在parpool
,批处理
,createJob
,或在集群概要文件管理器中。
有关更多信息,请参见在Azure HDInsight集群中使用Azure存储.
要从Azure Blob Storage位置读取数据,请使用以下语法指定位置:
wasbs: / /container@account/path_to_file/file.ext
container@account
集装箱的名称是和吗path_to_file
文件或文件夹的路径。
例如,如果您有一个文件airlinesmall.csv
在一个文件夹/航空公司
在测试存储帐户上wasbs: / / blobContainer@storageAccount.blob.core.windows.net/
,则可以使用以下方法创建数据存储:
位置=“wasbs: / / blobContainer@storageAccount.blob.core.windows.net/airline/airlinesmall.csv”;
ds = tabularTextDatastore(location, 'TreatAsMissing', 'NA',…)SelectedVariableNames, {' ArrDelay '});
你可以使用Azure来支持所有的计算数据存储,包括直接读取,金宝appmapreduce
高数组和深度学习。例如,创建ImageDatastore
对象,从数据存储中读取指定的图像,然后将该图像显示到屏幕。
setenv(“MW_WASB_SAS_TOKEN”、“YOUR_WASB_SAS_TOKEN”);ds = imageDatastore('wasbs://YourContainer@YourAccount.blob.core.windows.net/',…' inclesubfolders ', true, 'LabelSource', 'foldernames');img = ds.readimage (1);imshow (img)
这个例子展示了如何使用tabularTextDatastore
对象,通过删除缺少的条目和排序对其进行预处理,然后将其写回Azure。
setenv(“MW_WASB_SAS_TOKEN”、“YOUR_WASB_SAS_TOKEN”);ds = tabularTextDatastore('wasbs://YourContainer@YourAccount.blob.core.windows.net/dataset/airlinesmall.csv',…'TreatAsMissing', 'NA', 'SelectedVariableNames', {'ArrDelay'});tt =高(ds);tt = sortrows (rmmissing (tt));写(wasbs: / / YourContainer@YourAccount.blob.core.windows.net/preprocessedData/, tt);
要回读你的高数据,使用数据存储
函数。
ds =数据存储(“wasbs: / / YourContainer@YourAccount.blob.core.windows.net/preprocessedData/”);tt =高(ds);
MATLAB允许您使用Hadoop分布式文件系统(HDFS)作为在线文件存储web服务。当您指定数据的位置时,您必须使用以下形式之一的统一资源定位器(URL)指定文件或文件夹的完整路径:
hdfs: /path_to_file
hdfs: / / /path_to_file
hdfs: / /主机名/path_to_file
主机名
主机或服务器的名称和path_to_file
文件或文件夹的路径。指定主机名
是可选的。当您没有指定主机名
, Hadoop使用与MATLAB中HDFS (Hadoop Distributed File System)安装相关的默认主机名。
例如,您可以使用以下命令中的任意一个来为文件创建数据存储,中
,放在名为数据
位于名为myserver
:
ds = tabularTextDatastore (“hdfs: / / /数据/中”)
ds = tabularTextDatastore (hdfs: / / myserver /数据/中)
如果主机名
时,它必须对应于fs.default.name
属性在Hadoop集群的Hadoop XML配置文件中。
您还可以选择包含端口号。例如,此位置指定名为myserver
与港口7867
,包含该文件中
在名为数据
:
hdfs: / / myserver: 7867 /数据/中
指定的端口号必须与HDFS配置中设置的端口号匹配。
在从HDFS读取数据之前,请使用setenv
函数将适当的环境变量设置为安装Hadoop的文件夹。此文件夹必须可以从当前计算机访问。
Hadoop v1 -设置HADOOP_HOME
环境变量。
仅Hadoop v2 -设置HADOOP_PREFIX
环境变量。
如果您同时使用Hadoop v1和Hadoop v2,或者HADOOP_HOME
和HADOOP_PREFIX
环境变量未设置,则设置MATLAB_HADOOP_INSTALL
环境变量。
例如,使用该命令设置HADOOP_HOME
环境变量。hadoop-folder
是安装Hadoop的文件夹吗/ mypath /
是该文件夹的路径。
setenv(“HADOOP_HOME”、“/ mypath /hadoop-folder”);
如果您当前的机器可以访问Hortonworks或Cloudera上的HDFS数据®,则不必设置HADOOP_HOME
或HADOOP_PREFIX
环境变量。MATLAB在使用Hortonworks或Cloudera应用程序边缘节点时自动分配这些环境变量。
当从HDFS读取或在本地读取Sequence文件时,数据存储
函数调用的javaaddpath
命令。该命令执行如下操作:
清除所有Java的定义®由动态类路径上的文件定义的类
从基本工作区中删除所有全局变量和变量
从内存中删除所有已编译的脚本、函数和mex函数
要防止清除持久变量、代码文件或mex文件,请使用mlock
函数。
这个例子展示了如何使用tabularTextDatastore
对象将数据写入HDFS位置。使用写
函数将您的庞大的分布式数组写入Hadoop分布式文件系统。当你在一个分布式或高数组上调用这个函数时,你必须指定一个HDFS文件夹的完整路径。下面的例子展示了如何从HDFS读取表格数据到一个高数组中,通过删除缺少的条目和排序进行预处理,然后将其写回HDFS。
ds = tabularTextDatastore('hdfs://myserver/some/path/dataset/ airlinessmall .csv',…'TreatAsMissing', 'NA', 'SelectedVariableNames', {'ArrDelay'});tt =高(ds);tt = sortrows (rmmissing (tt));写(“hdfs: / / myserver /一些/道路/ preprocessedData / ', tt);
要回读你的高数据,使用数据存储
函数。
ds =数据存储(hdfs: / / myserver /一些/道路/ preprocessedData / ');tt =高(ds);
数据存储
|tabularTextDatastore
|写
|imageDatastore
|imread
|imshow
|javaaddpath
|mlock
|setenv