如何使用 pyspark 从 aws 胶水的时间戳中提取年份

Posted

技术标签:

【中文标题】如何使用 pyspark 从 aws 胶水的时间戳中提取年份【英文标题】:How to extract Year from timestamp in aws glue using pyspark 【发布时间】:2018-09-05 15:15:04 【问题描述】:

我需要从时间戳中获取年份,同时在 aws 胶水中转换我的原始数据。以下是我正在尝试但没有工作的内容。

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
from pyspark.sql.functions import *

## @params: [JOB_NAME]
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 = "default", table_name = "xxx", transformation_ctx = "datasource0")
def AddDateYearForPartition(rec):
  rec["year"] = year(rec.date_entered);
  return rec

mapped_dyF =  Map.apply(frame = datasource0, f = AddDateYearForPartition)

【问题讨论】:

【参考方案1】:

据我所知,您需要先将数据源转换为数据框,我会这样做:

spark_df = dropnullfields0.toDF()
spark_df = spark_df.withColumn('year', year(spark_df.sessionstarttime).cast("string"))

【讨论】:

【参考方案2】:

这是 Scala 中的代码(如果有人需要的话):

import org.apache.spark.sql.functions._

val sourceDf = datasource0.toDF
val resultDf = sourceDf.withColumn("year", year(col("date_entered")))
val resultDyf = DynamicFrame(resultDf, glueContext)

【讨论】:

以上是关于如何使用 pyspark 从 aws 胶水的时间戳中提取年份的主要内容,如果未能解决你的问题,请参考以下文章

如何在 AWS Glue PySpark 中运行并行线程?

使用 pyspark aws 胶水时显示 DataFrame

使用 pyspark 和 aws 胶水进行数据转置

aws 胶水 pyspark 删除数组中的结构,但保留数据并保存到 dynamodb

我可以使用 aws 胶水在 sql server 中创建表/写入表吗?

将胶水pyspark错误写入文本文件