AWS Glue PySpark 轉換參考

AWS Glue 提供可以在 PySpark ETL 操作中使用的以下內建轉換。您的資料會在資料結構中從轉換傳遞至轉換，而此資料結構稱為 DynamicFrame，是 Apache Spark SQL DataFrame 的延伸。DynamicFrame 包含您的資料，而您可以參考其結構描述以處理資料。

這些轉換大多數也作為 DynamicFrame 類別的方法存在。如需詳細資訊，請參閱 DynamicFrame 轉換。

資料整合轉換

對於 AWS Glue 4.0 及更高版本，使用 key: --enable-glue-di-transforms, value: true 建立或更新任務引數。

範例任務指令碼：

from pyspark.context import SparkContext
        
from awsgluedi.transforms import *
sc = SparkContext()

input_df = spark.createDataFrame(
    [(5,), (0,), (-1,), (2,), (None,)],
    ["source_column"],
)

try:
    df_output = math_functions.IsEven.apply(
        data_frame=input_df,
        spark_context=sc,
        source_column="source_column",
        target_column="target_column",
        value=None,
        true_string="Even",
        false_string="Not even",
    )
    df_output.show()   
except:
    print("Unexpected Error happened ")
    raise

使用筆記本的範例工作階段

%idle_timeout 2880
%glue_version 4.0
%worker_type G.1X
%number_of_workers 5
%region eu-west-1

%%configure
{
    "--enable-glue-di-transforms": "true"
}

from pyspark.context import SparkContext
from awsgluedi.transforms import *

sc = SparkContext()

input_df = spark.createDataFrame(
    [(5,), (0,), (-1,), (2,), (None,)],
    ["source_column"],
)

try:
    df_output = math_functions.IsEven.apply(
        data_frame=input_df,
        spark_context=sc,
        source_column="source_column",
        target_column="target_column",
        value=None,
        true_string="Even",
        false_string="Not even",
    )
    df_output.show()    
except:
    print("Unexpected Error happened ")
    raise

使用 AWS CLI 的範例工作階段

aws glue create-session --default-arguments "--enable-glue-di-transforms=true"

DI 轉換：

Maven：將外掛程式與 Spark 應用程式綁定在一起

您可以在本機開發 Spark 應用程式時，透過在 Maven pom.xml 中新增外掛程式相依項，將轉換相依項與您的 Spark 應用程式和 Spark 發行版本 (3.3 版) 捆綁在一起。

<repositories>
   ...
    <repository>
        <id>aws-glue-etl-artifacts</id>
        <url>https://aws-glue-etl-artifacts.s3.amazonaws.com/release/ </url>
    </repository>
</repositories>
...
<dependency>
    <groupId>com.amazonaws</groupId>
    <artifactId>AWSGlueTransforms</artifactId>
    <version>4.0.0</version>
</dependency>

您也可以按下文所示，改為直接從 AWS Glue Maven 成品下載二進位檔案，並將其包含在 Spark 應用程式中。

#!/bin/bash
sudo wget -v https://aws-glue-etl-artifacts.s3.amazonaws.com/release/com/amazonaws/AWSGlueTransforms/4.0.0/AWSGlueTransforms-4.0.0.jar -P /usr/lib/spark/jars/