AWSRDS导出parquet格式表格时为什么会分段?
创始人
2024-09-26 18:32:25
0

AWS RDS 导出 parquet 格式表格时,会根据所选的文件大小进行自动分段,以确保数据的高效性和可伸缩性。

AWS SDK 提供了一个 python 示例代码,可以用来导出 parquet 格式的数据,并将其分段:

import sys
import boto3
from boto3.session import Session

session = Session(aws_access_key_id='YOUR_ACCESS_KEY', aws_secret_access_key='YOUR_SECRET_KEY')
s3 = session.resource('s3')
aws_bucket = 'YOUR_AWS_BUCKET_NAME'
aws_object_key = 'YOUR_AWS_OBJECT_KEY'
local_file = '/tmp/MY_LOCAL_FILE.parquet'

# Create an S3 resource
s3 = boto3.resource('s3')

# Get the bucket
bucket = s3.Bucket(aws_bucket)

# Download the object to local file
bucket.download_file(aws_object_key, local_file)

# Partition the data using pandas
import pandas as pd

# Read the parquet file
df = pd.read_parquet(local_file)

# Write the parquet partitions to S3
import awswrangler as wr

# Write the data partitioned to Parquet
wr.s3.to_parquet(
    df=df,
    dataset=True,
    database='mydatabase',
    table='mytable',
    path='s3://aws-bucket/mytable/',
    partition_cols=['year', 'month', 'day'],
    mode='overwrite',
    concurrent_partitioning=True
)

其中 concurrent_partitioning=True 选项表示并发分区。如果您的表格非常大,则会自动分段。

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...