如何在 AWS-Glue 脚本中编写用户定义的函数？

Question

我们如何在动态框架或数据框架上使用 PySpark (Python) 在 AWS-Glue 脚本中编写用户定义的函数？

Answer 1

dynamicframe 不完全支持 UDF，Dataframe API 支持它的方式。你会得到最好的结果是 MAP.apply。

Answer 2

“AWS Glue 尚不直接支持 Lambda 函数，也称为用户定义函数。但您始终可以将 DynamicFrame 与 Apache Spark DataFrame 相互转换，以利用除了 DynamicFrames 的特殊功能之外的 Spark 功能。” - AWS Glue Medicaid Python samples

AWS Glue Medicaid Python 示例（上面引用/链接）包括一个 Spark UDF 示例：

from pyspark.sql.functions import udf
from pyspark.sql.types import StringType

chop_f = udf(lambda x: x[1:], StringType())
medicare_dataframe = medicare_dataframe.withColumn(
        "ACC", chop_f(
            medicare_dataframe["average covered charges"])).withColumn(
                "ATP", chop_f(
                    medicare_dataframe["average total payments"])).withColumn(
                        "AMP", chop_f(
                            medicare_dataframe["average medicare payments"]))
medicare_dataframe.select(['ACC', 'ATP', 'AMP']).show()

这只是标准的 Spark 代码。如果您希望使用 Spark SQL，请参阅this databricks example。