AWS Glue 加入错误

Question

我们在 S3 存储桶（CSV）中有数据（表），需要应用连接转换并将结果存储在 S3 中。 表连接成功但是 S3 中生成的列列表是混乱的，输出文件中没有维护顺序。 输出文件还包含额外的引号（“）和点（。）

仅应用映射时，顺序不会改变，产生正确的输出而不会出现混乱。

脚本在 python 或 Scala 中。

脚本：

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


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 = "testdb", table_name = "table1", transformation_ctx = "datasource0")

datasource1 = glueContext.create_dynamic_frame.from_catalog(database = "testdb", table_name = "reftable", transformation_ctx = "datasource1")

datasource2 =datasource1.join(["aaaaaaaaaid"],["aaaaaaaaaid"],datasource0,transformation_ctx="join") 


datasink2 = glueContext.write_dynamic_frame.from_options(frame = datasource2, connection_type = "s3", connection_options = {"path": "s3://testing/Output"}, format = "csv", transformation_ctx = "datasink2")
job.commit()

需要帮助！！！

Answer 1

你可以试试这个：

datasource2  = Join.apply(datasource0, datasource1, 'aaaaaaaaaid', 'aaaaaaaaaid')

这应该可行。让我知道，如果这有助于解决问题，请接受/支持答案。

问候

尤瓦

Answer 2

我知道这已经过时了，只提一下对我有用的方法。

1. 转换为数据帧
2. 加入他们。

如https://stackoverflow.com/a/54362245/8622986中所述

希望这会有所帮助。