AWSGlue-在连接和将其存储在S3中面临内存问题。
创始人
2024-09-25 14:31:25
0

如果在使用AWS Glue时遇到了连接和存储量大导致内存问题,可以尝试通过提高worker的数量来解决。此外,可以使用分区和分桶等优化技巧来减少数据的移动和复制。以下是示例代码:

# 增加worker数量
import sys
from awsglue.utils import getResolvedOptions
from awsglue.job import Job
from pyspark.context import SparkContext
from pyspark.sql.functions import *
from pyspark.sql.types import *
from awsglue.context import GlueContext

args = getResolvedOptions(sys.argv, ['JOB_NAME'])
sc = SparkContext()
glueContext = GlueContext(sc)
spark = glueContext.spark_session
job = Job(glueContext)
job.init(args['JOB_NAME'], args)
# 提高worker数量
sc.setCheckpointDir("s3:///checkpoints/")
spark.conf.set("spark.sql.shuffle.partitions", "10") 
spark.conf.set("spark.default.parallelism", "10")
# 加载数据,并进行优化
some_df = glueContext.create_dynamic_frame.from_options(
    connection_type="s3",
    connection_options={"paths": ["s3:///some_data.csv"]},
    format="csv",
    format_options={"withHeader": True},
).toDF().repartition("column1").sortWithinPartitions("column2")
# 进行连接操作
joined_df = some_df.join(another_df, on="column1", how="inner")

# 使用分区和分桶
# 定义schema
schema = StructType([
    StructField("column1", StringType(), True),
    StructField("column2", IntegerType(), True),
    StructField("column3", StringType(), True)])
# 读取数据
df = spark.read \
         .option("header", "true") \
         .option("delimiter", ",") \
         .option("quote", "\"") \
         .schema(schema) \
         .load("s3:///data.csv")
# 进行分区和分桶
df = df.repartition("column1").sortWithinPartitions("column2") \
       .write \
       .bucketBy(numBuckets=5, "column1") \
       .option("path", "s3:///output/") \
       .saveAsTable("my_table_backend")

相关内容

热门资讯

总算了解!欢乐对决辅助菜单,榕... 总算了解!欢乐对决辅助菜单,榕城510k有没有挂,技巧教程(揭秘有挂)-哔哩哔哩;1、超多福利:超高...
揭秘攻略!乐乐围棋入门辅助,新... 揭秘攻略!乐乐围棋入门辅助,新久久辅助器,系统教程(今日头条)-哔哩哔哩;小薇(透视辅助)致您一封信...
我来分享!决胜游戏辅助器,皮皮... 《我来分享!决胜游戏辅助器,皮皮跑子胡子修改器,攻略教程!(有挂细节)-哔哩哔哩》 皮皮跑子胡子修改...
我来教教大家!蜀山四川破解好友... 我来教教大家!蜀山四川破解好友版辅助,邯郸胡乐修改器,揭秘攻略(有挂猫腻)-哔哩哔哩;人气非常高,a...
透视有挂!泸州大二新手攻略,新... 【福星临门,好运相随】;透视有挂!泸州大二新手攻略,新九哥开挂,线上教程(发现有挂)-哔哩哔哩;暗藏...
玩家攻略推荐!宝宝浙江辅助器,... 玩家攻略推荐!宝宝浙江辅助器,新海贝之城脚本,曝光教程(有挂细节)-哔哩哔哩;1、很好的新海贝之城脚...
科普常识!上饶辅助,龙江填大坑... 科普常识!上饶辅助,龙江填大坑视频攻略,细节揭秘(有挂秘籍)-哔哩哔哩;超受欢迎的龙江填大坑视频攻略...
让我来分享经验!牛总管辅助方法... 让我来分享经验!牛总管辅助方法,葫芦娃七子降妖破解版,玩家教你(有挂神器)-哔哩哔哩;1、完成葫芦娃...
重大通报!葫芦娃辅助修改器下载... 重大通报!葫芦娃辅助修改器下载,天天飞小鸡辅助,攻略教程!(果真有挂)-哔哩哔哩;是一款可以让一直输...
技巧知识分享!广西老友玩有破解... 技巧知识分享!广西老友玩有破解,老友广东辅助器,第三方教程(有挂解惑)-哔哩哔哩;超受欢迎的广西老友...