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

两分钟辅助!开心泉州小程序开挂... 两分钟辅助!开心泉州小程序开挂有什么技巧,原来真的是有辅助插件(有挂教学)开心泉州小程序开挂有什么技...
七分钟辅助!奇迹脚本辅助,真是... 七分钟辅助!奇迹脚本辅助,真是有辅助软件(确实有挂)1、超多福利:超高返利,海量正版游戏,奇迹脚本辅...
一分钟辅助!天天贵阳智能辅助器... 一分钟辅助!天天贵阳智能辅助器,原来是有辅助脚本(真的有挂)亲,关键说明,天天贵阳智能辅助器透视脚本...
3分钟辅助!一起宁德钓蟹黑科技... 3分钟辅助!一起宁德钓蟹黑科技辅助软件推荐,其实真的有辅助挂(有挂存在)1、玩家可以在一起宁德钓蟹黑...
第二分钟辅助!大菠萝789辅助... 第二分钟辅助!大菠萝789辅助器下载,原来存在有辅助挂(存在有挂)运大菠萝789辅助器下载辅助工具,...
3分钟辅助!科乐填坑辅助,原来... 3分钟辅助!科乐填坑辅助,原来真的是有辅助器(有挂方略)1、下载好科乐填坑辅助透视辅助下载之后点击打...
3分钟辅助!潮友会透视辅助教程... 3分钟辅助!潮友会透视辅助教程,果然存在有辅助器(有挂辅助)亲,关键说明,潮友会透视辅助教程透视脚本...
4分钟辅助!福建兄弟十三冰修改... 4分钟辅助!福建兄弟十三冰修改器,本来真的是有辅助app(有挂讲解)1、游戏颠覆性的策略玩法,独创攻...
第二分钟辅助!wepoker插... 第二分钟辅助!wepoker插件程序,真是是真的有辅助技巧(有挂细节)1、不需要AI权限,帮助你快速...
1分钟辅助!悠悠互娱辅助,真是... 1分钟辅助!悠悠互娱辅助,真是是有辅助神器(有挂解密)悠悠互娱辅助透视方法中分为三种模型:悠悠互娱辅...