DynamicFrameReader 類別

• __init__

• from_rdd

• from_options

• from_catalog

__init__(glue_context)

• glue_context – 所要使用的 GlueContext 類別。

from_rdd(data, name, schema=None, sampleRatio=None)

DynamicFrame 從彈性分散式資料集 (RDD) 的讀取。

• data – 欲讀取的資料集。

• name – 欲讀取的名稱。

• schema - 欲讀取的結構描述 (選用)。

• sampleRatio – 取樣率 (選用)。

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

使用指定的連線和格式讀取 DynamicFrame。

• connection_type – 連線類型。有效值包括 s3、mysql、postgresql、redshift、sqlserver、oracle、 dynamodb和 snowflake。

• connection_options – 連線選項，例如路徑和資料庫資料表 (選用)。如需詳細資訊，請參閱 Glue for Spark 中的 ETL AWS 連線類型和選項。如果是 connection_type 的 s3，Amazon S3 路徑定義在陣列中。

  connection_options = {"paths": [ "s3://amzn-s3-demo-bucket/object_a", "s3://amzn-s3-demo-bucket/object_b"]}

  如果是 JDBC 連線，必須定義幾項屬性。請注意，資料庫名稱必須是 URL 的一部分。它可以選擇性包含在連線選項中。

  警告

  不建議在指令碼中存放密碼。考慮使用 從 AWS Secrets Manager 或 Glue Data Catalog AWS boto3擷取它們。

  connection_options = {"url": "jdbc-url/database", "user": "username", "password": passwordVariable,"dbtable": "table-name", "redshiftTmpDir": "s3-tempdir-path"} 

  若是執行平行讀取的 JDBC 連線，您可以設定 hashfield 選項。例如：

  connection_options = {"url": "jdbc-url/database", "user": "username", "password": passwordVariable,"dbtable": "table-name", "redshiftTmpDir": "s3-tempdir-path" , "hashfield": "month"} 

  如需詳細資訊，請參閱從 JDBC 資料表中平行讀取。

• format – 格式化規格 (選用)。這用於 Amazon Simple Storage Service (Amazon S3) 或支援多種格式的 AWS Glue 連線。請參閱 AWS Glue for Spark 中的輸入與輸出的資料格式選項 以了解受支援的格式。

• format_options – 指定格式的格式選項。請參閱 AWS Glue for Spark 中的輸入與輸出的資料格式選項 以了解受支援的格式。

• transformation_ctx – 欲使用的轉換細節 (選用)。

• push_down_predicate – 篩選分割區，而無需列出和讀取資料集中的所有檔案。如需詳細資訊，請參閱使用 Pushdown 述詞預先篩選。

from_catalog(database, table_name, redshift_tmp_dir="", transformation_ctx="", push_down_predicate="", additional_options={})

使用指定的目錄命名空間和資料表名稱讀取 DynamicFrame。

• database – 欲讀取的資料庫。

• table_name – 欲讀取的資料表的名稱。

• redshift_tmp_dir - 要使用的 Amazon Redshift 暫時目錄 (如果不是從 Redshift 讀取資料，則為選用)。

• transformation_ctx – 欲使用的轉換細節 (選用)。

• push_down_predicate – 篩選分割區，而無需列出和讀取資料集中的所有檔案。如需詳細資訊，請參閱使用 pushdown 述詞預先篩選。

• additional_options – 提供給 AWS Glue 的額外選項。

  • 若要使用執行平行讀取的 JDBC 連線，您可以設定 hashfield、hashexpression 或 hashpartitions 選項。例如：

    additional_options = {"hashfield": "month"} 

    如需詳細資訊，請參閱從 JDBC 資料表中平行讀取。

  • 若要傳遞目錄表達式以根據索引欄進行篩選，您可以參閱 catalogPartitionPredicate 選項。

    catalogPartitionPredicate — 您可以傳遞目錄表達式以根據索引欄進行篩選。這會將篩選下推至伺服器端。如需詳細資訊，請參閱 AWS Glue 分割區索引。注意 push_down_predicate 和 catalogPartitionPredicate 使用不同的語法。前者使用 Spark SQL 標準語法，後者使用 JSQL 剖析器。

    如需詳細資訊，請參閱在 AWS Glue 中管理適用於 ETL 輸出的分割區。