AWS Glue书签会产生重复
创始人
2024-11-16 07:32:02
0

在使用AWS Glue时,可能会遇到书签会产生重复的问题。为了解决这个问题,你可以尝试以下方法:

方法一:增加并行任务数限制

import sys
from awsglue.transforms import *
from awsglue.utils import getResolvedOptions
from pyspark.context import SparkContext
from awsglue.context import GlueContext
from awsglue.job import Job

# 初始化SparkContext和GlueContext
sc = SparkContext()
glueContext = GlueContext(sc)
spark = glueContext.spark_session
job = Job(glueContext)

# 获取作业参数
args = getResolvedOptions(sys.argv, ['JOB_NAME'])

# 设置并行任务数限制
spark.conf.set("spark.sql.shuffle.partitions", "100")

# 书签位置
bookmard_path = "s3://your-bucket/your-path/bookmark/"

# 创建DynamicFrame
datasource = glueContext.create_dynamic_frame.from_catalog(database = "your-database", table_name = "your-table-name", transformation_ctx = "datasource")

# 进行转换操作
# ...

# 写出结果
glueContext.write_dynamic_frame.from_options(frame = datasource, connection_type = "s3", connection_options = {"path": "s3://your-bucket/your-path/output/"}, format = "parquet", transformation_ctx = "datasink")

# 更新书签
job.commit()

方法二:手动管理书签

from pyspark.context import SparkContext
from awsglue.context import GlueContext
from awsglue.utils import getResolvedOptions
from awsglue.job import Job

# 初始化SparkContext和GlueContext
sc = SparkContext()
glueContext = GlueContext(sc)
spark = glueContext.spark_session
job = Job(glueContext)

# 获取作业参数
args = getResolvedOptions(sys.argv, ['JOB_NAME'])

# 书签位置
bookmark_path = "s3://your-bucket/your-path/bookmark/"

# 读取之前的书签
bookmark = spark.read.option("header", "true").csv(bookmark_path)

# 创建DynamicFrame
datasource = glueContext.create_dynamic_frame.from_catalog(database = "your-database", table_name = "your-table-name", transformation_ctx = "datasource")

# 进行转换操作
# ...

# 更新书签
datasource.toDF().write.mode("overwrite").csv(bookmark_path)

# 写出结果
glueContext.write_dynamic_frame.from_options(frame = datasource, connection_type = "s3", connection_options = {"path": "s3://your-bucket/your-path/output/"}, format = "parquet", transformation_ctx = "datasink")

# 更新书签
job.commit()

这些方法可以帮助你解决AWS Glue书签会产生重复的问题。你可以根据具体情况选择适合的方法来处理书签。

相关内容

热门资讯

前端-session、jwt 目录:   (1)session (2&#x...
linux入门---制作进度条 了解缓冲区 我们首先来看看下面的操作: 我们首先创建了一个文件并在这个文件里面添加了...
关于测试,我发现了哪些新大陆 关于测试 平常也只是听说过一些关于测试的术语,但并没有使用过测试工具。偶然看到编程老师...
前缀和与对数器与二分法 1. 前缀和 假设有一个数组,我们想大量频繁的去访问L到R这个区间的和,...
nodejs:本地安装nvm实... 一、背景-使用不同版本node的原因 vue3+ts、nuxt3版本,node...
JAVA集合知识整理 Java集合知识整理 HashMap相关 HashMap的底层数据结构:jdk1.8之...
无刷直流电机介绍及单片机控制实... 无刷直流电机介绍及单片机控制实例前言基本概念优势与劣势使用寿命基本结构使用单片机控制实例电子调速器&...
fwdiary(2) dp2 1.传纸条  AcWing 275. 传纸条 - AcWing 走两条路,走一条最大的...
常用的DOS命令 常用的DOS命令 DOS(Disk Operating System,磁...
<C++> 类和对象(下) 1.const成员函数将const修饰的“成员函数”称之为const成员函数,cons...