本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。
DynamicFrameReader 班级
– 方法 –
__init__
__init__(glue_context)
glue_context
– 要使用的 GlueContext 类。
from_rdd
from_rdd(data, name, schema=None, sampleRatio=None)
从弹性分布式数据集 (RDD) 读取 DynamicFrame
。
data
– 要从中读取的数据集。name
– 要从中读取的名称。schema
– 要读取的架构 (可选)。sampleRatio
– 采样率 (可选)。
from_options
from_options(connection_type, connection_options={}, format=None,
format_options={}, transformation_ctx="")
使用指定的连接和格式读取 DynamicFrame
。
connection_type
– 连接类型。有效值包括s3
、mysql
、postgresql
、redshift
、sqlserver
、oracle
、dynamodb
、和snowflake
。connection_options
– 连接选项,例如路径和数据库表 (可选)。有关更多信息,请参阅 Amazon Glue for Spark 中的 ETL 连接类型和选项。对于connection_type
的s3
,Amazon S3 路径在数组中定义。connection_options = {"paths": [ "
s3://mybucket/object_a
", "s3://mybucket/object_b
"]}对于 JDBC 连接,必须定义多个属性。请注意,数据库名称必须是 URL 的一部分。它可以选择性地包含在连接选项中。
警告
不建议在脚本中存储密码。考虑使用
boto3
从 Amazon Glu Amazon Secrets Manager e 数据目录中检索它们。connection_options = {"url": "
jdbc-url/database
", "user": "username
", "password":passwordVariable
,"dbtable": "table-name
", "redshiftTmpDir": "s3-tempdir-path
"}对于执行并行读取的 JDBC 连接,您可以设置 hashfield 选项。例如:
connection_options = {"url": "
jdbc-url/database
", "user": "username
", "password":passwordVariable
,"dbtable": "table-name
", "redshiftTmpDir": "s3-tempdir-path
" , "hashfield": "month
"}有关更多信息,请参阅 从 JDBC 表并行读取。
format
– 格式规范(可选)。这用于 Amazon Simple Storage Service(Amazon S3)或支持多种格式的 Amazon Glue 连接。有关支持的格式,请参阅 Amazon Glue for Spark 中的输入和输出的数据格式选项。format_options
– 指定格式的格式选项。有关支持的格式,请参阅 Amazon Glue for Spark 中的输入和输出的数据格式选项。transformation_ctx
– 要使用的转换上下文 (可选)。push_down_predicate
– 筛选分区,而不必列出并读取数据集中的所有文件。有关更多信息,请参阅使用下推谓词进行预筛选。
from_catalog
from_catalog(database, table_name, redshift_tmp_dir="", transformation_ctx="", push_down_predicate="", additional_options={})
使用指定的目录命名空间和表名称读取 DynamicFrame
。
database
– 要从中读取的数据库。table_name
– 要从中读取的表的名称。redshift_tmp_dir
– 要使用的 Amazon Redshift 临时目录(如果不从 Redshift 中读取数据,则此项是可选的)。transformation_ctx
– 要使用的转换上下文 (可选)。push_down_predicate
– 筛选分区,而不必列出并读取数据集中的所有文件。有关更多信息,请参阅 使用下推谓词进行预筛选。additional_options
提供给 Amazon Glue 的额外选项。-
要使用执行并行读取的 JDBC 连接,您可以设置
hashfield
、hashexpression
或hashpartitions
选项。例如:additional_options = {"hashfield": "
month
"}有关更多信息,请参阅 从 JDBC 表并行读取。
-
要传递目录表达式以根据索引列进行筛选,您可以查看
catalogPartitionPredicate
选项。catalogPartitionPredicate
– 要传递目录表达式以根据索引列进行筛选。这样会将筛选下推到服务器端。有关更多信息,请参阅 Amazon Glue 分区数据。请注意,push_down_predicate
和catalogPartitionPredicate
使用不同的语法。前者使用 Spark SQL 标准语法,后者使用 JSQL 解析器。有关更多信息,请参阅 管理 Amazon Glue 中用于 ETL 输出的分区。
-
要读取 Lake Formation 受管表,可以使用以下附加选项:
-
transactionId
–(字符串)用于读取受管表内容的事务 ID。如果未提交此事务,则读取将被视为该事务的一部分,并将看到其写入内容。如果已提交此事务,则其写入将在此读取中可见。如果此事务已中止,将返回错误。不能与asOfTime
一起指定。注意
必须设置
transactionId
或asOfTime
才能访问受管表。 -
asOfTime
— (TimeStamp: yyyy-[m] m-[d] d hh: mm: ss) 截至阅读表格内容的时间。不能与transactionId
一起指定。 -
query
–(可选)用作 Lake Formation 计划程序服务输入的 PartiQL 查询语句。如果未设置,原定设置为从表中选择所有数据。有关 PartiQL 的更多详细信息,请参阅 Amazon Lake Formation 开发人员指南中的行筛选条件表达式中的 PartIQL Support。
例 示例:从 Lake Formation 中的受管表读取时使用 PartiQL 查询语句
txId = glueContext.start_transaction(read_only=False) datasource0 = glueContext.create_dynamic_frame.from_catalog( database = db, table_name = tbl, transformation_ctx = "datasource0", additional_options={ "transactionId":txId, "query":"SELECT * from
tblName
WHEREpartitionKey
=value
;" }) ... glueContext.commit_transaction(txId) -
-