linux办公网
AWSGlue-文件写入时间非常长
创始人
2024-09-25 14:31:14
0次
  1. 确认您的数据存储在 AWS S3 上，而不是本地或其他位置。AWS Glue 执行作业时需要将数据检索到自己的内部网络中，因此将数据存储在 S3 中可以减少数据传输时间并提高作业性能。
  2. 如果您使用的是 Gzip 格式，请考虑使用 Snappy 或 Bzip2 格式，因为写入 Gzip 格式的文件可能需要更长的时间。
  3. 在 Python 脚本中使用 Pandas 和 pyarrow 节约 CPU 和内存使用。以下是建议使用的代码:
import pandas as pd
import pyarrow as pa
from awsglue.dataframe_implicit_serializer import GlueSerializer

// 数据框 to S3
DataFrame.to_parquet('s3://path/to/output', compression='snappy', index=False, serializer=GlueSerializer())

// S3 to 数据框
temp = pd.concat([pd.read_parquet(pf) for pf in files])
df = temp.copy()
del temp

这些调整应该会显着减少写入时间。

上一篇：AWSGlue-同时运行时的资源分配问题

下一篇：AWSGlue-无法在unnest或relationalize后选择字段

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...