AWSGlue:读/写Parquet文件(文件>50,000)
创始人
2024-09-25 14:33:04
0
  1. 导入所需Python库:
import boto3
import sys
from awsglue.transforms import *
from awsglue.utils import getResolvedOptions
from pyspark.context import SparkContext
from pyspark.sql.functions import *
from awsglue.context import GlueContext
from pyspark.sql import SparkSession
from awsglue.dynamicframe import DynamicFrame
  1. 配置AWS Glue作业参数:
args = getResolvedOptions(sys.argv, ['JOB_NAME'])
glueContext = GlueContext(SparkContext.getOrCreate())
job = glueContext.create_job(args['JOB_NAME'], args)
  1. 定义源文件路径和目标文件路径:
source_path = "s3://source-bucket/path/to/parquet/files/"
destination_path = "s3://destination-bucket/path/to/parquet/files/"
  1. 读取数据:
in_dyf = glueContext.create_dynamic_frame_from_options(
            "parquet", {"paths": [source_path]}, "my_source")
  1. 构建转换器:
applymapping1 = ApplyMapping.apply(frame=in_dyf, mappings=[
    # Mapping column names in source to column names in destination
    ("field_name_in_source", "string", "field_name_in_destination", "string"),
    ("field_name_in_source2", "string", "field_name_in_destination2", "string")
], transformation_ctx="applymapping1")
  1. 转换数据类型:
cast3 = applymapping1.toDF().withColumn(
    "numeric_column_name", col("numeric_column_name").cast("decimal(10,2)"))
  1. 写入数据:
out_dyf = DynamicFrame.fromDF(cast3, glueContext, "out_dyf")
glueContext.write_dynamic_frame.from_options(frame=out_dyf, connection_type="s3",
                                             connection_options={"path":destination_path},
                                             format="parquet",
                                             transformation_ctx="out")

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...
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...
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...
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...
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...
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...