【问题标题】:AWS Glue : Filter date fieldAWS Glue:过滤日期字段
【发布时间】:2021-09-30 23:20:18
【问题描述】:

我有一个非常基本的问题,我创建了一个 AWS Glue 作业,我需要在从 dynamodb 表中提取数据时创建一个过滤器。我只需要使用名为“时间”的字段提取前一天的数据。

import sys
from awsglue.transforms import *
from awsglue.utils import getResolvedOptions
from pyspark.context import SparkContext
from awsglue.context import GlueContext
from awsglue.job import Job
import re

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

sc = SparkContext()
glueContext = GlueContext(sc)
spark = glueContext.spark_session
job = Job(glueContext)
job.init(args['JOB_NAME'], args)

DataSource0 = glueContext.create_dynamic_frame.from_catalog(database = "sampledb", table_name = "tablex", transformation_ctx = "DataSource0")

Transform1 = ApplyMapping.apply(frame = DataSource0, mappings = [("allresults.paymentCapabilityResult.paymentCapabilityCheckResult", "boolean", "allresults.paymentCapabilityResult.paymentCapabilityCheckResult", "boolean"), ("time", "string", "time", "timestamp")], transformation_ctx = "Transform1")

DataSink0 = glueContext.write_dynamic_frame.from_options(frame = Transform1, connection_type = "s3", format = "json", connection_options = {"path": "s3://xxxxx/output/", "partitionKeys": []}, transformation_ctx = "DataSink0")
job.commit()

【问题讨论】:

  • 时间是怎样的?
  • dynamodb 时间字段如下所示: 时间字符串:Thu Sep 03 2020 01:43:52 GMT+000 (Coordinated Universal Time) 实际上该字段被定义为字符串,所以我猜首先我需要转换为日期/时间,然后进行过滤,对吗?
  • 是的,您需要先将其解析为时间戳。

标签: python amazon-s3 amazon-dynamodb filtering aws-glue


【解决方案1】:

昨天的过滤器可以在 PySpark 中轻松完成,如 here 所讨论的。脚本如下所示:

from pyspark.sql import functions as F

df = Transform1.toDF()
df = df.where(F.col("time") == F.date_sub(F.current_date(), 1))
Transform2 = DynamicFrame.fromDF(df, glue_ctx=glueContext, name="df")

【讨论】:

  • 谢谢,我会测试一下。
  • 我意识到时间字段实际上被定义为字符串,所以我想我需要先将该字段转换为日期/时间,然后进行过滤...
  • 转换为时间戳应该已经在 ApplyMapping 步骤中完成,看起来是正确的。您始终可以使用 df.printSchema() 检查数据帧的架构。
猜你喜欢
  • 1970-01-01
  • 2010-12-15
  • 1970-01-01
  • 2022-06-11
  • 2018-01-07
  • 2019-08-10
  • 2012-02-12
  • 2020-11-27
  • 1970-01-01
相关资源
最近更新 更多