如何使用PySpark从Azure Blob Storage读取WAV音频数据

我在Databricks环境下尝试用PySpark读取Azure Blob Storage中的音频数据时遇到了问题，目前已实现将音频数据读取为原始二进制文件的方案，但需要说明的是，PySpark并非为处理音频文件设计，因此该方案并非最优解。

配置并读取音频文件 #

# Settings
storage_account_name = "storage_account_name"
blob_name = "blob_name" 
storage_account_access_key = "key"
file_name = "audio.wav"
file_type = "binaryFile"

# Spark configuration and file location
spark.conf.set(
   "fs.azure.account.key."+storage_account_name+".blob.core.windows.net",
   storage_account_access_key)
file_location = "wasbs://" + blob_name + "@" + storage_account_name + ".blob.core.windows.net/" + file_name
df = spark.read.format(file_type).load(file_location)

读取并播放音频数据 #

# Convert spark dataframe to pandas dataframe
df = df.toPandas()
# Sound player
from IPython.display import Audio, display
display(Audio(df['content'].iloc[0]))

执行上述代码后，可在Notebook中看到音频播放器界面：

如果这个方案对你有帮助，欢迎点赞支持！

内容的提问来源于Stack Exchange，提问作者Vojtech Stas