GlueContext 类

包装 Apache Spark SparkContext 对象，从而提供与 Apache Spark 平台交互的机制。

init

`init(sparkContext)`

sparkContext – 要使用的 Apache Spark 上下文。

创建

__init__
getSource
create_dynamic_frame_from_rdd
create_dynamic_frame_from_catalog
create_dynamic_frame_from_options
create_sample_dynamic_frame_from_catalog
create_sample_dynamic_frame_from_options
add_ingestion_time_columns
create_data_frame_from_catalog
create_data_frame_from_options
forEachBatch

getSource

`getSource(connection_type, transformation_ctx = "", **options)`

创建一个 DataSource 对象，该对象可用于从外部来源读取 DynamicFrames。

connection_type – 要使用的连接类型，例如 Amazon Simple Storage Service（Amazon S3）、Amazon Redshift 和 JDBC。有效值包括 s3、mysql、postgresql、redshift、sqlserver、oracle 和 dynamodb。
transformation_ctx – 要使用的转换上下文 (可选)。
options – 可选名称/值对的集合。有关更多信息，请参阅Amazon Glue 中的 ETL 的连接类型和选项。

以下是使用 getSource 的示例。


>>> data_source = context.getSource("file", paths=["/in/path"])
>>> data_source.setFormat("json")
>>> myFrame = data_source.getFrame()

create_dynamic_frame_from_rdd

`create_dynamic_frame_from_rdd(data, name, schema=None, sample_ratio=None, transformation_ctx="")`

返回一个从 Apache Spark 弹性分布式数据集 (RDD) 创建的 DynamicFrame。

data – 要使用的数据源。
name – 要使用的数据的名称。
schema – 要使用的架构 (可选)。
sample_ratio – 要使用的采样率 (可选)。
transformation_ctx – 要使用的转换上下文 (可选)。

create_dynamic_frame_from_catalog

`create_dynamic_frame_from_catalog(database, table_name, redshift_tmp_dir, transformation_ctx = "", push_down_predicate= "", additional_options = {}, catalog_id = None)`

返回一个使用数据目录数据库和表名称创建的 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（可选）。
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 – 可选名称/值对的集合。可能选项包括 Amazon Glue 中的 ETL 的连接类型和选项中列出的选项，但 endpointUrl、streamName、bootstrap.servers、security.protocol、topicName、classification 和 delimiter 除外。另一个支持的选项是 catalogPartitionPredicate：

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。
catalog_id – 正在访问的数据目录 ID（账户 ID）。当为 None 时，将使用调用方的默认账户 ID。

create_dynamic_frame_from_options

`create_dynamic_frame_from_options(connection_type, connection_options={}, format=None, format_options={}, transformation_ctx = "")`

返回一个使用指定连接和格式创建的 DynamicFrame。

connection_type – 连接类型，例如 Amazon S3、Amazon Redshift 和 JDBC。有效值包括 s3、mysql、postgresql、redshift、sqlserver、oracle 和 dynamodb。
connection_options – 连接选项，例如路径和数据库表（可选）。对于 s3 的 connection_type，定义 Amazon S3 路径的列表。
```
connection_options = {"paths": ["s3://aws-glue-target/temp"]}
```
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。
```
connection_options = {"url": "jdbc-url/database", "user": "username", "password": "password","dbtable": "table-name", "redshiftTmpDir": "s3-tempdir-path"} 
```
dbtable 属性是 JDBC 表的名称。对于在数据库中支持架构的 JDBC 数据存储，指定 schema.table-name。如果未提供架构，则使用默认的“public”架构。

有关更多信息，请参阅Amazon Glue 中的 ETL 的连接类型和选项。
format – 格式规范（可选）。这用于 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 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 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。

create_sample_dynamic_frame_from_catalog

`create_sample_dynamic_frame_from_catalog(database, table_name, num, redshift_tmp_dir, transformation_ctx = "", push_down_predicate= "", additional_options = {}, sample_options = {}, catalog_id = None)`

返回一个使用数据目录数据库和表名称创建的 DynamicFrame 示例。DynamicFrame 只包含来自数据源的第一个 num 记录。

database – 要从中读取的数据库。
table_name – 要从中读取的表的名称。
num – 返回的动态帧示例中的最大记录数。
redshift_tmp_dir – 要使用的 Amazon Redshift 临时目录（可选）。
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 – 可选名称/值对的集合。可能选项包括 Amazon Glue 中的 ETL 的连接类型和选项中列出的选项，但 endpointUrl、streamName、bootstrap.servers、security.protocol、topicName、classification 和 delimiter 除外。
sample_options – 控制采样行为的参数（可选）。Amazon S3 源的当前可用参数：
- maxSamplePartitions – 采样将读取的最大分区数。默认值为 10
- maxSampleFilesPerPartition – 采样将在一个分区中读取的最大文件数。默认值为 10。
  
  这些参数有助于减少文件列表所耗费的时间。例如，假设数据集有 1000 个分区，每个分区有 10 个文件。如果您设置 maxSamplePartitions = 10，以及 maxSampleFilesPerPartition = 10，则取样不会列出所有 10,000 个文件，而是只列出并读取前 10 个分区，每个分区中的前 10 个文件：10*10 = 共 100 个文件。
catalog_id – 正在访问的数据目录的目录 ID（数据目录的账户 ID）。默认设置为 None。None 默认为服务中调用账户的目录 ID。

create_sample_dynamic_frame_from_options

`create_sample_dynamic_frame_from_options(connection_type, connection_options={}, num, sample_options={}, format=None, format_options={}, transformation_ctx = "")`

返回一个使用指定连接和格式创建的 DynamicFrame 示例。DynamicFrame 只包含来自数据源的第一个 num 记录。

connection_type – 连接类型，例如 Amazon S3、Amazon Redshift 和 JDBC。有效值包括 s3、mysql、postgresql、redshift、sqlserver、oracle 和 dynamodb。
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 中的 ETL 的连接类型和选项。
num – 返回的动态帧示例中的最大记录数。
sample_options – 控制采样行为的参数（可选）。Amazon S3 源的当前可用参数：
- maxSamplePartitions – 采样将读取的最大分区数。默认值为 10
- maxSampleFilesPerPartition – 采样将在一个分区中读取的最大文件数。默认值为 10。
  
  这些参数有助于减少文件列表所耗费的时间。例如，假设数据集有 1000 个分区，每个分区有 10 个文件。如果您设置 maxSamplePartitions = 10，以及 maxSampleFilesPerPartition = 10，则取样不会列出所有 10,000 个文件，而是只列出并读取前 10 个分区，每个分区中的前 10 个文件：10*10 = 共 100 个文件。
format – 格式规范（可选）。这用于 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 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 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。

add_ingestion_time_columns

`add_ingestion_time_columns(dataFrame, timeGranularity = "")`

将提取时间列（例如 ingest_year、ingest_month、ingest_day、ingest_hour、ingest_minute）附加到输入 DataFrame。当您指定以 Amazon S3 为目标的数据目录表时，Amazon Glue 生成的脚本中会自动生成此函数。此函数使用输出表上的提取时间列自动更新分区。这允许根据提取时间自动对输出数据进行分区，而不需要在输入数据中显示提取时间列。

dataFrame – 提取时间列要附加到的 dataFrame。
timeGranularity – 时间列的粒度。有效值为“day”、“hour”和“minute”。例如，如果“hour”传递到函数，原始 dataFrame 将附加“ingest_year”、“ingest_month”、“ingest_day”和“ingest_hour”时间列。

在附加时间粒度列后返回数据框。

示例：


dynamic_frame = DynamicFrame.fromDF(glueContext.add_ingestion_time_columns(dataFrame, "hour"))

create_data_frame_from_catalog

`create_data_frame_from_catalog(database, table_name, transformation_ctx = "", additional_options = {})`

返回一个使用数据目录数据表中的信息创建的 DataFrame。仅将此函数与 Amazon Glue 串流源结合使用。

database – 要从中读取数据的数据目录数据库。
table_name – 要从中读取数据的数据目录表的名称。
transformation_ctx – 要使用的转换上下文 (可选)。
additional_options – 可选名称/值对的集合。可能选项包括流式传输源的 Amazon Glue 中的 ETL 的连接类型和选项中列出的选项，例如 startingPosition、maxFetchTimeInMs 和 startingOffsets。

示例：


df = glueContext.create_data_frame.from_catalog( 
    database = "MyDB", 
    table_name = "streaming_table", 
    transformation_ctx = "df", 
    additional_options = {"startingPosition": "TRIM_HORIZON", "inferSchema": "true"})

create_data_frame_from_options

`create_data_frame_from_options(connection_type, connection_options={}, format=None, format_options={}, transformation_ctx = "")`

此 API 现已弃用。请改用 getSource() API。返回一个使用指定连接和格式创建的 DataFrame。仅将此函数与 Amazon Glue 串流源结合使用。

connection_type – 流式传输连接类型。有效值包括 kinesis 和 kafka。
connection_options – 连接选项，不同于 Kinesis 和 Kafka。您可以在 Amazon Glue 中的 ETL 的连接类型和选项找到每个流式传输数据源的所有连接选项列表。请注意流式传输连接选项的以下差异：
- Kinesis 流式传输源需要 streamARN、startingPosition、inferSchema 和 classification。
- Kinesis 流式传输源需要 connectionName、topicName、startingOffsets、inferSchema 和 classification。
format – 格式规范（可选）。这用于 Amazon S3 或支持多种格式的 Amazon Glue 连接。有关所支持格式的信息，请参阅Amazon Glue 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。有关所支持的格式选项的信息，请参阅Amazon Glue 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)。

Amazon Kinesis 流式传输源示例：


kinesis_options =
   { "streamARN": "arn:aws:kinesis:us-east-2:777788889999:stream/fromOptionsStream",
     "startingPosition": "TRIM_HORIZON", 
     "inferSchema": "true", 
     "classification": "json" 
   }
data_frame_datasource0 = glueContext.create_data_frame.from_options(connection_type="kinesis", connection_options=kinesis_options)

Kafka 流式传输源示例：


kafka_options =
    { "connectionName": "ConfluentKafka", 
      "topicName": "kafka-auth-topic", 
      "startingOffsets": "earliest", 
      "inferSchema": "true", 
      "classification": "json" 
    }
data_frame_datasource0 = glueContext.create_data_frame.from_options(connection_type="kafka", connection_options=kafka_options)

forEachBatch

`forEachBatch(frame, batch_function, options)`

将传入的 batch_function 应用于从流式传输源读取的每个微批处理。

frame – 包含当前微处理的 DataFrame。
batch_function – 应用于每个微处理的函数。
options – 键值对集合，其中包含有关如何处理微批处理的信息。以下选项为必填：
- windowSize – 处理每个批处理所花费的时间量。
- checkpointLocation – 为流式传输 ETL 任务存储检查点的位置。
- batchMaxRetries – 在该批处理失败时重试的最大次数。默认值为 3。此选项仅适用于 Glue 版本 2.0 及更高版本。

示例：


glueContext.forEachBatch(
    frame = data_frame_datasource0,
    batch_function = processBatch, 
    options = {
        "windowSize": "100 seconds", 
        "checkpointLocation": "s3://kafka-auth-dataplane/confluent-test/output/checkpoint/"
    }
)
   
def processBatch(data_frame, batchId):
    if (data_frame.count() > 0):
        datasource0 = DynamicFrame.fromDF(
          glueContext.add_ingestion_time_columns(data_frame, "hour"), 
          glueContext, "from_data_frame"
        )
        additionalOptions_datasink1 = {"enableUpdateCatalog": True}
        additionalOptions_datasink1["partitionKeys"] = ["ingest_yr", "ingest_mo", "ingest_day"]
        datasink1 = glueContext.write_dynamic_frame.from_catalog(
          frame = datasource0, 
          database = "tempdb", 
          table_name = "kafka-auth-table-output", 
          transformation_ctx = "datasink1", 
          additional_options = additionalOptions_datasink1
        )

purge_table

`purge_table(catalog_id=None, database="", table_name="", options={}, transformation_ctx="")`

从 Amazon S3 中删除指定目录的数据库和表的文件。如果删除一个分区中的所有文件，则也会从目录中删除该分区。

如果您希望能恢复已删除的对象，可以在 Amazon S3 存储桶上启用对象版本控制。如果从未启用对象版本控制的存储桶中删除一个对象，则无法恢复该对象。有关如何恢复已启用版本控制的存储桶中的已删除对象的更多信息，请参阅 Amazon Web Services Support 知识中心中的如何检索已删除的 Amazon S3 对象？。

catalog_id – 正在访问的数据目录的目录 ID（数据目录的账户 ID）。默认设置为 None。None 默认为服务中调用账户的目录 ID。
database – 要使用的数据库。
table_name – 要使用的表的名称。
options – 用于筛选要删除的文件和清单文件生成的选项。
- retentionPeriod – 指定保留文件的时段（以小时为单位）。比保留期更新的文件将被保留。默认情况下设置为 168 小时（7 天）。
- partitionPredicate – 满足此谓词的分区将被删除。这些分区中保留期内的文件不会被删除。设置为 "" – 默认情况下为空。
- excludeStorageClasses – excludeStorageClasses 集中包含存储类的文件不会被删除。默认值是 Set() – 一个空集。
- manifestFilePath – 用于生成清单文件的可选路径。所有成功清除的文件将记录在 Success.csv 中，所有未能清除的文件将记录在 Failed.csv 中
transformation_ctx – 要使用的转换上下文 (可选)。在清单文件路径中使用。


glueContext.purge_table("database", "table", {"partitionPredicate": "(month=='march')", "retentionPeriod": 1, "excludeStorageClasses": ["STANDARD_IA"], "manifestFilePath": "s3://bucketmanifest/"})

purge_s3_path

`purge_s3_path(s3_path, options={}, transformation_ctx="")`

以递归方式从指定的 Amazon S3 路径中删除文件。

s3_path – 要删除的文件 Amazon S3 中的路径，格式为 s3://<bucket>/<prefix>/
options – 用于筛选要删除的文件和清单文件生成的选项。
- retentionPeriod – 指定保留文件的时段（以小时为单位）。比保留期更新的文件将被保留。默认情况下设置为 168 小时（7 天）。
- excludeStorageClasses – excludeStorageClasses 集中包含存储类的文件不会被删除。默认值是 Set() – 一个空集。
- manifestFilePath – 用于生成清单文件的可选路径。所有成功清除的文件将记录在 Success.csv 中，所有未能清除的文件将记录在 Failed.csv 中
transformation_ctx – 要使用的转换上下文 (可选)。在清单文件路径中使用。


glueContext.purge_s3_path("s3://bucket/path/", {"retentionPeriod": 1, "excludeStorageClasses": ["STANDARD_IA"], "manifestFilePath": "s3://bucketmanifest/"})

transition_table

`transition_table(database, table_name, transition_to, options={}, transformation_ctx="", catalog_id=None)`

为指定目录的数据库和表转换存储在 Amazon S3 上的文件的存储类。

可以在任意两个存储类之间转换。对于 GLACIER 和 DEEP_ARCHIVE 存储类，您可以转换到这些类。但您可以使用 S3 RESTORE 从 GLACIER 和 DEEP_ARCHIVE 存储类进行转换。

如果您要运行从 Amazon S3 读取文件或分区的 Amazon Glue ETL 任务，则可以排除某些 Amazon S3 存储类类型。有关更多信息，请参阅排除 Amazon S3 存储类。

database – 要使用的数据库。
table_name – 要使用的表的名称。
transition_to – 要切换到的 Amazon S3 存储类。
options – 用于筛选要删除的文件和清单文件生成的选项。
- retentionPeriod – 指定保留文件的时段（以小时为单位）。比保留期更新的文件将被保留。默认情况下设置为 168 小时（7 天）。
- partitionPredicate – 将转换满足此谓词的分区。这些分区中保留期内的文件不会被转换。设置为 "" – 默认情况下为空。
- excludeStorageClasses – excludeStorageClasses 集中包含存储类的文件不会被转换。默认值是 Set() – 一个空集。
- manifestFilePath – 用于生成清单文件的可选路径。所有成功转换的文件将记录在 Success.csv 中，所有未能转换的文件将记录在 Failed.csv 中
- accountId – 要运行转换的 Amazon Web Services 账户 ID。对于此转换是必需的。
- roleArn – 要运行转换的 Amazon 角色。对于此转换是必需的。
transformation_ctx – 要使用的转换上下文 (可选)。在清单文件路径中使用。
catalog_id – 正在访问的数据目录的目录 ID（数据目录的账户 ID）。默认设置为 None。None 默认为服务中调用账户的目录 ID。


glueContext.transition_table("database", "table", "STANDARD_IA", {"retentionPeriod": 1, "excludeStorageClasses": ["STANDARD_IA"], "manifestFilePath": "s3://bucketmanifest/", "accountId": "12345678901", "roleArn": "arn:aws:iam::123456789012:user/example-username"})

transition_s3_path

`transition_s3_path(s3_path, transition_to, options={}, transformation_ctx="")`

以递归方式转换指定 Amazon S3 路径中的文件的存储类。

如果您要运行从 Amazon S3 读取文件或分区的 Amazon Glue ETL 任务，则可以排除某些 Amazon S3 存储类类型。有关更多信息，请参阅排除 Amazon S3 存储类。

s3_path – 要转换的文件的 Amazon S3 中的路径，格式为 s3://<bucket>/<prefix>/
transition_to – 要切换到的 Amazon S3 存储类。
options – 用于筛选要删除的文件和清单文件生成的选项。
- retentionPeriod – 指定保留文件的时段（以小时为单位）。比保留期更新的文件将被保留。默认情况下设置为 168 小时（7 天）。
- partitionPredicate – 将转换满足此谓词的分区。这些分区中保留期内的文件不会被转换。设置为 "" – 默认情况下为空。
- excludeStorageClasses – excludeStorageClasses 集中包含存储类的文件不会被转换。默认值是 Set() – 一个空集。
- manifestFilePath – 用于生成清单文件的可选路径。所有成功转换的文件将记录在 Success.csv 中，所有未能转换的文件将记录在 Failed.csv 中
- accountId – 要运行转换的 Amazon Web Services 账户 ID。对于此转换是必需的。
- roleArn – 要运行转换的 Amazon 角色。对于此转换是必需的。
transformation_ctx – 要使用的转换上下文 (可选)。在清单文件路径中使用。


glueContext.transition_s3_path("s3://bucket/prefix/", "STANDARD_IA", {"retentionPeriod": 1, "excludeStorageClasses": ["STANDARD_IA"], "manifestFilePath": "s3://bucketmanifest/", "accountId": "12345678901", "roleArn": "arn:aws:iam::123456789012:user/example-username"})

提取

extract_jdbc_conf

extract_jdbc_conf

`extract_jdbc_conf(connection_name, catalog_id = None)`

从数据目录中的 dict 连接对象返回具有键（包含配置属性）的 Amazon Glue。

user - 数据库用户名。
password - 数据库密码。
vendor - 指定供应商（mysql、postgresql、oracle、sqlserver、等）。
enforceSSL - 一个布尔字符串，指示是否需要安全连接。
customJDBCCert - 使用指示的 Amazon S3 路径中的特定客户端证书。
skipCustomJDBCCertValidation - 一个布尔字符串，指示 customJDBCCert 是否必须由 CA 验证。
customJDBCCertString - 关于自定义证书的其他信息，特定于驱动程序类型。
url -（已弃用）仅包含协议、服务器和端口的 JDBC URL。
fullUrl - 创建连接时输入的 JDBC URL（Amazon Glue 版本 3.0 或更高版本中可用）。

检索 JDBC 配置的示例：


jdbc_conf = glueContext.extract_jdbc_conf(connection_name="your_glue_connection_name")
print(jdbc_conf)
>>> {'enforceSSL': 'false', 'skipCustomJDBCCertValidation': 'false', 'url': 'jdbc:mysql://myserver:3306', 'fullUrl': 'jdbc:mysql://myserver:3306/mydb', 'customJDBCCertString': '', 'user': 'admin', 'customJDBCCert': '', 'password': '1234', 'vendor': 'mysql'}

事务

start_transaction
commit_transaction
cancel_transaction

start_transaction

`start_transaction(read_only)`

开启新事务。内部调用 Lake Formation startTransaction API。

read_only –（布尔值）指示此事务应为只读还是读写。使用只读事务 ID 进行的写入将被拒绝。只读事务不需要提交。

返回事务 ID。

commit_transaction

`commit_transaction(transaction_id, wait_for_commit = True)`

尝试提交指定的事务。可能在事务完成提交之前返回 commit_transaction。内部调用 Lake Formation commitTransaction API。

transaction_id –（字符串）要提交的事务。
wait_for_commit –（布尔值）确定是否立即返回 commit_transaction。默认值为 true。如果为假，则轮询 commit_transaction 并等待事务提交。等待时间限制为 1 分钟使用指数回退，最多重试 6 次。

返回布尔值，以指示是否完成提交。

cancel_transaction

`cancel_transaction(transaction_id)`

尝试取消指定的事务。如果事务以前已提交，则返回 TransactionCommittedException 异常。内部调用 Lake Formation CancelTransaction API。

transaction_id –（字符串）要取消的事务。

编写

getSink
write_dynamic_frame_from_options
write_from_options
write_dynamic_frame_from_catalog
write_dynamic_frame_from_jdbc_conf
write_from_jdbc_conf

getSink

`getSink(connection_type, format = None, transformation_ctx = "", **options)`

获取一个 DataSink 对象，该对象可用于将 DynamicFrames 写入外部来源。先检查 SparkSQL format 以确保获得预期的接收器。

connection_type – 要使用的连接类型，例如 Amazon S3、Amazon Redshift 和 JDBC。有效值包括 s3、mysql、postgresql、redshift、sqlserver 和 oracle。
format – 要使用的 SparkSQL 格式 (可选)。
transformation_ctx – 要使用的转换上下文 (可选)。
options – 用于指定连接选项的名称-值对的集合。一些可能的值包括：
- user 和 password：适用于授权
- url：数据存储的端点
- dbtable：目标表的名称
- bulkSize：插入操作的并行度

可以指定的选项取决于连接类型。有关其他值和示例，请参阅 Amazon Glue 中的 ETL 的连接类型和选项。

示例：


>>> data_sink = context.getSink("s3")
>>> data_sink.setFormat("json"),
>>> data_sink.writeFrame(myFrame)

write_dynamic_frame_from_options

`write_dynamic_frame_from_options(frame, connection_type, connection_options={}, format=None, format_options={}, transformation_ctx = "")`

写入并返回一个使用指定连接和格式的 DynamicFrame。

frame – 要编写的 DynamicFrame。
connection_type – 连接类型，例如 Amazon S3、Amazon Redshift 和 JDBC。有效值包括 s3、mysql、postgresql、redshift、sqlserver 和 oracle。
connection_options – 连接选项，例如路径和数据库表 (可选)。对于 connection_type 的 s3，将会定义 Amazon S3 路径。
```
connection_options = {"path": "s3://aws-glue-target/temp"}
```
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。
```
connection_options = {"url": "jdbc-url/database", "user": "username", "password": "password","dbtable": "table-name", "redshiftTmpDir": "s3-tempdir-path"} 
```
dbtable 属性是 JDBC 表的名称。对于在数据库中支持架构的 JDBC 数据存储，指定 schema.table-name。如果未提供架构，则使用默认的“public”架构。

有关更多信息，请参阅Amazon Glue 中的 ETL 的连接类型和选项。
format – 格式规范（可选）。这用于 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 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 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)。

write_from_options

`write_from_options(frame_or_dfc, connection_type, connection_options={}, format={}, format_options={}, transformation_ctx = "")`

写入并返回一个使用指定连接和格式信息创建的 DynamicFrame or DynamicFrameCollection。

frame_or_dfc – 要写入的 DynamicFrame 或 DynamicFrameCollection。
connection_type – 连接类型，例如 Amazon S3、Amazon Redshift 和 JDBC。有效值包括 s3、mysql、postgresql、redshift、sqlserver 和 oracle。
connection_options – 连接选项，例如路径和数据库表 (可选)。对于 connection_type 的 s3，将会定义 Amazon S3 路径。
```
connection_options = {"path": "s3://aws-glue-target/temp"}
```
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。
```
connection_options = {"url": "jdbc-url/database", "user": "username", "password": "password","dbtable": "table-name", "redshiftTmpDir": "s3-tempdir-path"} 
```
dbtable 属性是 JDBC 表的名称。对于在数据库中支持架构的 JDBC 数据存储，指定 schema.table-name。如果未提供架构，则使用默认的“public”架构。

有关更多信息，请参阅Amazon Glue 中的 ETL 的连接类型和选项。
format – 格式规范（可选）。这用于 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 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 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)。

write_dynamic_frame_from_catalog

`write_dynamic_frame_from_catalog(frame, database, table_name, redshift_tmp_dir, transformation_ctx = "", additional_options = {}, catalog_id = None)`

写入并返回一个使用数据目录数据库和表中信息的 DynamicFrame。

frame – 要编写的 DynamicFrame。
Database – 包含表的数据目录数据库。
table_name – 与目标关联的数据目录表的名称。
redshift_tmp_dir – 要使用的 Amazon Redshift 临时目录（可选）。
transformation_ctx – 要使用的转换上下文 (可选)。
additional_options – 可选名称/值对的集合。
catalog_id – 正在访问的数据目录 ID（账户 ID）。当为 None 时，将使用调用方的默认账户 ID。

write_dynamic_frame_from_jdbc_conf

`write_dynamic_frame_from_jdbc_conf(frame, catalog_connection, connection_options={}, redshift_tmp_dir = "", transformation_ctx = "", catalog_id = None)`

写入并返回一个使用指定 JDBC 和连接信息的 DynamicFrame。

frame – 要编写的 DynamicFrame。
catalog_connection – 要使用的目录连接。
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 中的 ETL 的连接类型和选项。
redshift_tmp_dir – 要使用的 Amazon Redshift 临时目录（可选）。
transformation_ctx – 要使用的转换上下文 (可选)。
catalog_id – 正在访问的数据目录 ID（账户 ID）。当为 None 时，将使用调用方的默认账户 ID。

write_from_jdbc_conf

`write_from_jdbc_conf(frame_or_dfc, catalog_connection, connection_options={}, redshift_tmp_dir = "", transformation_ctx = "", catalog_id = None)`

写入并返回一个使用指定 JDBC 和连接信息的 DynamicFrame or DynamicFrameCollection。

frame_or_dfc – 要写入的 DynamicFrame 或 DynamicFrameCollection。
catalog_connection – 要使用的目录连接。
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 中的 ETL 的连接类型和选项。
redshift_tmp_dir – 要使用的 Amazon Redshift 临时目录（可选）。
transformation_ctx – 要使用的转换上下文 (可选)。
catalog_id – 正在访问的数据目录 ID（账户 ID）。当为 None 时，将使用调用方的默认账户 ID。

Javascript 在您的浏览器中被禁用或不可用。

要使用 Amazon Web Services 文档，必须启用 Javascript。请参阅浏览器的帮助页面以了解相关说明。

DynamicFrameReader

PySpark 转换

GlueContext 类

__init__

__init__(sparkContext)

创建

getSource

getSource(connection_type, transformation_ctx = "", **options)

create_dynamic_frame_from_rdd

create_dynamic_frame_from_rdd(data, name, schema=None, sample_ratio=None, transformation_ctx="")

create_dynamic_frame_from_catalog

create_dynamic_frame_from_catalog(database, table_name, redshift_tmp_dir, transformation_ctx = "", push_down_predicate= "", additional_options = {}, catalog_id = None)

create_dynamic_frame_from_options

create_dynamic_frame_from_options(connection_type, connection_options={}, format=None, format_options={}, transformation_ctx = "")