AWSGlue-在连接和将其存储在S3中面临内存问题。
创始人
2024-09-25 14:33:04
0次

如果在使用AWS Glue时遇到了连接和存储量大导致内存问题,可以尝试通过提高worker的数量来解决。此外,可以使用分区和分桶等优化技巧来减少数据的移动和复制。以下是示例代码:

# 增加worker数量
import sys
from awsglue.utils import getResolvedOptions
from awsglue.job import Job
from pyspark.context import SparkContext
from pyspark.sql.functions import *
from pyspark.sql.types import *
from awsglue.context import GlueContext

args = getResolvedOptions(sys.argv, ['JOB_NAME'])
sc = SparkContext()
glueContext = GlueContext(sc)
spark = glueContext.spark_session
job = Job(glueContext)
job.init(args['JOB_NAME'], args)
# 提高worker数量
sc.setCheckpointDir("s3:///checkpoints/")
spark.conf.set("spark.sql.shuffle.partitions", "10") 
spark.conf.set("spark.default.parallelism", "10")
# 加载数据,并进行优化
some_df = glueContext.create_dynamic_frame.from_options(
    connection_type="s3",
    connection_options={"paths": ["s3:///some_data.csv"]},
    format="csv",
    format_options={"withHeader": True},
).toDF().repartition("column1").sortWithinPartitions("column2")
# 进行连接操作
joined_df = some_df.join(another_df, on="column1", how="inner")

# 使用分区和分桶
# 定义schema
schema = StructType([
    StructField("column1", StringType(), True),
    StructField("column2", IntegerType(), True),
    StructField("column3", StringType(), True)])
# 读取数据
df = spark.read \
         .option("header", "true") \
         .option("delimiter", ",") \
         .option("quote", "\"") \
         .schema(schema) \
         .load("s3:///data.csv")
# 进行分区和分桶
df = df.repartition("column1").sortWithinPartitions("column2") \
       .write \
       .bucketBy(numBuckets=5, "column1") \
       .option("path", "s3:///output/") \
       .saveAsTable("my_table_backend")

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...