AWS Glue - 在插入之前截断目标 postgres 表
Posted
技术标签:
【中文标题】AWS Glue - 在插入之前截断目标 postgres 表【英文标题】:AWS Glue - Truncate destination postgres table prior to insert 【发布时间】:2018-04-15 07:39:17 【问题描述】:我正在尝试在插入之前截断 postgres 目标表,并且通常尝试利用已在 GLUE 中创建的连接来触发外部函数。
有人能做到吗?
【问题讨论】:
Overwrite mysql tables with AWS Glue的可能重复 你做到了吗?我也想做这样的事情。 【参考方案1】:我已经尝试过DROP/ TRUNCATE
方案,但无法使用已在 Glue 中创建的连接,而是使用纯 Python PostgreSQL 驱动程序pg8000。
-
下载pg8000 from pypi的tar
在根文件夹中创建一个空的
__init__.py
压缩内容并上传到 S3
引用作业Python lib path
中的zip文件
将数据库连接详细信息设置为作业参数(确保在所有键名前加上--
)。勾选“服务器端加密”框。
然后你可以简单地创建一个连接并执行 SQL。
import sys
from awsglue.utils import getResolvedOptions
from pyspark.context import SparkContext
from awsglue.context import GlueContext
from awsglue.dynamicframe import DynamicFrame
from awsglue.job import Job
import pg8000
args = getResolvedOptions(sys.argv, [
'JOB_NAME',
'PW',
'HOST',
'USER',
'DB'
])
# ...
# Create Spark & Glue context
job = Job(glueContext)
job.init(args['JOB_NAME'], args)
# ...
config_port = 5432
conn = pg8000.connect(
database=args['DB'],
user=args['USER'],
password=args['PW'],
host=args['HOST'],
port=config_port
)
query = "TRUNCATE TABLE 0;".format(".".join([schema, table]))
cur = conn.cursor()
cur.execute(query)
conn.commit()
cur.close()
conn.close()
【讨论】:
实际上,我按照您提到的步骤进行了操作,但仍然收到“没有名为 pg8000 的模块”。你能帮我在哪里出错。 P.S 我从github.com/tlocke/pg8000得到了lib 我也遇到了同样的错误 - 没有名为 pg8000 的模块。你是怎么克服的?还有什么需要补充的吗? 虽然这很好,但是这能保证交易吗?假设连接后有数据帧写入语句,如果在将数据帧写入DB的过程中出现错误,表还会被截断吗? @thenaturalist 将pg8000
模块与胶水作业一起使用现在更简单了。转到“安全配置、脚本库和作业参数(可选)”,向下滚动到“作业参数”,然后输入 --additional-python-modules
作为键和 pg8000
作为值.. 就完成了:)跨度>
【参考方案2】:
在@thenaturalist 回复的步骤(4)之后,
sc.addPyFile("/home/glue/downloads/python/pg8000.zip")
import pg8000
在开发端点(zeppelin notebook)中为我工作
更多信息:https://docs.aws.amazon.com/glue/latest/dg/aws-glue-programming-python-libraries.html
【讨论】:
【参考方案3】:为了澄清@thenaturalist 对 zip 的说明,因为我仍在为此苦苦挣扎
从pypi.org下载pg8000的tar.gz并解压。 压缩内容,使您具有以下结构
pg8000-1.15.3.zip
|
| -- pg8000 <dir>
| -- __init__.py
| -- _version.py <optional>
| -- core.py
上传到s3,然后你应该可以做一个简单的import pg8000
。
注意:目前还需要scramp,因此请按照与上述相同的步骤来包含报废模块。但是你不需要导入它。
【讨论】:
以上是关于AWS Glue - 在插入之前截断目标 postgres 表的主要内容,如果未能解决你的问题,请参考以下文章
未执行 Aurora 目标的 AWS Glue Pre 和 Post 操作
有没有办法在通过 Glue 插入 Redshift 时简单地截断列?
AWS Glue to Redshift:是否可以替换,更新或删除数据?
AWS Glue - getSink() 在glue_context.purge_s3_path 之后立即抛出“没有这样的文件或目录”