AWSGlue爬虫在读取空文件时会创建多个表
创始人
2024-09-25 16:02:45
0

可以使用以下代码示例来解决此问题:

import json
import boto3

def lambda_handler(event, context):
    glue = boto3.client('glue')
    
    # 获取所有数据库
    databases = glue.get_databases()
    for database in databases['DatabaseList']:
        
        # 获取每个数据库中的所有表
        tables = glue.get_tables(DatabaseName=database['Name'])
        for table in tables['TableList']:
            
            # 判断表是否为空
            partition_keys = table.get('PartitionKeys')
            if partition_keys and len(partition_keys) == 1 and partition_keys[0]['Name'] == 'year':
                
                # 获取表路径并删除表
                table_uri = table['StorageDescriptor']['Location']
                glue.delete_table(DatabaseName=database['Name'], Name=table['Name'])
                
                # 重新创建空表
                empty_table = {
                    "Name": table['Name'],
                    "StorageDescriptor": {
                        "Columns": [
                            {
                                "Name": "Col1",
                                "Type": "string",
                                "Comment": ""
                            }
                        ],
                        "Location": table_uri,
                        "InputFormat": "org.apache.hadoop.mapred.TextInputFormat",
                        "OutputFormat": "org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat",
                        "Compressed": False,
                        "NumberOfBuckets": -1,
                        "SerdeInfo": {
                            "SerializationLibrary": "org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe",
                            "Parameters": {
                                "serialization.format": "1"
                            }
                        }
                    },
                    "PartitionKeys": [
                        {
                            "Name": "year",
                            "Type": "string"
                        }
                    ],
                    "TableType": "EXTERNAL_TABLE",
                    "Parameters": {
                        "classification": "parquet",
                        "transient_lastDdlTime": str(int(time.time()))
                    }
                }
                
                # 创建新的空表
                glue.create_table(
                    DatabaseName=database['Name'],
                    TableInput=empty_table
                )

这段代码使用AWS Lambda和AWS Glue API来检查所有数据库中的所有表,并删除为空的表。然后,它重新创建空表,该表只包含一个列“Col1”。这可以防止AWS Glue爬虫在读取空文件时创建多个表。

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...