AWS中的ETL转换
创始人
2024-09-28 03:00:37
0

在AWS中实现ETL转换可以使用AWS Glue。在Glue中,可以使用Python编写ETL脚本,并将其提供给Glue数据泵,以将数据从源系统源到目标系统中。 以下是使用AWS Glue实现ETL转换的代码示例:

首先需要定义源数据和目标数据的架构。您可以使用AWS Glue数据目录来定义数据架构。

from awsglue.context import GlueContext
from awsglue.transforms import *
from awsglue.utils import getResolvedOptions
from pyspark.context import SparkContext
from pyspark.sql.functions import *
from pyspark.sql.types import *

sc = SparkContext()
glueContext = GlueContext(sc)
sc.setLogLevel('ERROR')

args = getResolvedOptions(sys.argv, ['JOB_NAME'])
job_name = args['JOB_NAME']

source_database = "source-database" 
source_table = "source-table"
source_path = "s3://bucket/source"
source_format = "avro"
source_partition_keys = ['year', 'month', 'day']

target_database = 'target-database'
target_table = 'target-table'
target_path = 's3://bucket/target'
target_format = 'parquet'

定义好架构后,接下来需要完成ETL转换的三个过程:提取,转换和加载。

  1. 提取数据
source = glueContext.create_dynamic_frame.from_catalog(
           database = source_database,
           table_name = source_table,
           transformation_ctx = "source"
)

apply_mapping = ApplyMapping.apply(frame = source,
           mappings = [
               ("col1", "string", "col_a", "string"),
               ("col2", "string", "col_b", "string"),
               ("col3", "int", "col_c", "int"),
           ],
           transformation_ctx = "apply_mapping"
)

上面的代码将从源数据中提取所需的列,并将其映射到目标表中的列。

  1. 转换数据
apply_transforms = ResolveChoice.apply(frame = apply_mapping, 
                   choice = "make_cols",
                   transformation_ctx = "apply_transforms"
)

drop_nulls = DropNullFields.apply(frame = apply_transforms,
                   transformation_ctx = "drop_nulls"
)

target = glueContext.write_dynamic_frame.from_options(
           frame = drop_nulls,
           connection_type = "s3",
           connection_options = {"path": target_path},
           format = target_format,
           transformation_ctx = "target"
)

上面的代码将ETL转换应用于源数据,

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...
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...
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...