AWSGlueJob提取目录表中不存在的列。
创始人
2024-09-25 15:32:17
0

AWS Glue Job提取目录表中不存在的列时,需要检查源表和目录表的列表是否匹配。可以使用下面的代码示例来检查两个表中是否存在不匹配的列:


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

args = getResolvedOptions(sys.argv, ['JOB_NAME'])
sc = SparkContext()
glueContext = GlueContext(sc)
spark = glueContext.spark_session
job = Job(glueContext)
job.init(args['JOB_NAME'], args)

source_datasource = glueContext.create_dynamic_frame.from_catalog(database = "database_name", table_name = "source_table")
source_df = source_datasource.toDF()
source_columns = source_df.columns

catalog_datasource = glueContext.create_dynamic_frame.from_catalog(database = "database_name", table_name = "catalog_table")
catalog_df = catalog_datasource.toDF()
catalog_columns = catalog_df.columns

# Find columns in source table that are not in catalog table
missing_columns = list(set(source_columns) - set(catalog_columns))

if len(missing_columns) > 0:
    print("Columns missing in catalog table:")
    print(missing_columns)
else:
    print("All columns present in catalog table.")

job.commit()

通过比较两个表的列,可以查找源表中不存在于目录表中的列。如果存在不匹配的列,则可以手动更正目录表或进行其他必要的更改来使两个表匹配。

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...