使用 Keys [Glue] 预定义 Redshift table

Question

我想在第一次写入之前手动定义 Redshift table。这是因为我想在定义的列上利用 distkey 和 sortkey。 SQL 查询将是这样的：

my_sql_command = """
    create table if not exists my_db.my_schema.my_table(
        my_id                     VARCHAR(MAX) NOT NULL DISTKEY,
        type                      VARCHAR(MAX),
        my_timestamp  TIMESTAMP,
    )
    compound sortkey(my_timestamp, my_id);
    """

我将此 SQL 字符串称为 preactions 参数（提到 here，不幸的是找不到更好的文档），如下所示：

my_frame = DynamicFrame.fromDF(my_df, glue_context, "my_frame")

glue_context.write_dynamic_frame.from_jdbc_conf(
        frame=my_frame, catalog_connection=params['db_connection_name'],
        connection_options={"preactions": my_sql_command, "dbtable": "my_schema.my_table", "database": "my_db"},
        redshift_tmp_dir="s3://my_bucket/", transformation_ctx="my_ctx")

但我收到此错误消息：

py4j.protocol.Py4JJavaError: An error occurred while calling o227.pyWriteDynamicFrame.
: java.sql.SQLException: [JDBC Driver]String index out of range: 0
at java.lang.String.charAt(String.java:658)

我真的不知道怎么解释。

是什么导致了这个异常？

Answer 1

异常的原因是因为内部 Glue 没有正确解析新行。所以将 SQL 命令重写为

my_sql_command = "create table if not exists my_db.my_schema.my_table("\
        "my_id         VARCHAR(MAX) NOT NULL DISTKEY, "\
        "type          VARCHAR(MAX), "\
        "my_timestamp  TIMESTAMP) "\
    "compound sortkey(my_timestamp, my_id);"\

解决了我遇到的异常。

进一步分析日志，看起来 Glue preaction 是在 Glue 自动生成 CREATE TABLE IF NOT EXISTS:

之后执行的

19/11/11 11:11:11 INFO RedshiftWriter: 
CREATE TABLE IF NOT EXISTS my_schema.my_table (my_id VARCHAR(MAX), my_timestamp TIMESTAMP, type VARCHAR(MAX)) DISTSTYLE EVEN
19/11/11 11:11:11 INFO RedshiftWriter: Executing preAction: 
create table if not exists my_schema.my_table(my_id VARCHAR(MAX) NOT NULL DISTKEY, my_timestamp TIMESTAMP, type VARCHAR(MAX)) sortkey(id)

所以我用来解决这种不便的方法是使用 psycopg2 and execute the SQL command through this library ( 解释了如何将其导入 Glue Job）

创建连接

使用 Keys [Glue] 预定义 Redshift table

Pre-define Redshift table with Keys [Glue]

amazon-redshift

apache-spark

pyspark

aws-glue