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

保存时出现了1个错误,导致这篇... 当保存文章时出现错误时,可以通过以下步骤解决问题:查看错误信息:查看错误提示信息可以帮助我们了解具体...
汇川伺服电机位置控制模式参数配... 1. 基本控制参数设置 1)设置位置控制模式   2)绝对值位置线性模...
不能访问光猫的的管理页面 光猫是现代家庭宽带网络的重要组成部分,它可以提供高速稳定的网络连接。但是,有时候我们会遇到不能访问光...
表格中数据未显示 当表格中的数据未显示时,可能是由于以下几个原因导致的:HTML代码问题:检查表格的HTML代码是否正...
本地主机上的图像未显示 问题描述:在本地主机上显示图像时,图像未能正常显示。解决方法:以下是一些可能的解决方法,具体取决于问...
表格列调整大小出现问题 问题描述:表格列调整大小出现问题,无法正常调整列宽。解决方法:检查表格的布局方式是否正确。确保表格使...
不一致的条件格式 要解决不一致的条件格式问题,可以按照以下步骤进行:确定条件格式的规则:首先,需要明确条件格式的规则是...
Android|无法访问或保存... 这个问题可能是由于权限设置不正确导致的。您需要在应用程序清单文件中添加以下代码来请求适当的权限:此外...
【NI Multisim 14...   目录 序言 一、工具栏 🍊1.“标准”工具栏 🍊 2.视图工具...
银河麒麟V10SP1高级服务器... 银河麒麟高级服务器操作系统简介: 银河麒麟高级服务器操作系统V10是针对企业级关键业务...