在 AWS Glue 任务中写入数据之前或之后如何在 Amazon Redshift 表上运行 SQL 命令？

上次更新日期：2021 年 8 月 16 日

我有一个 AWS Glue 任务，内容是将数据负载到 Amazon Redshift 表中。我想要在 AWS Glue 任务完成前后在 Amazon Redshift 上运行 SQL 命令。

解决方法

将以下参数之一传递到 AWS Glue 中 DynamicFrameWriter class：

aws_iam_role：提供在另一个 AWS 资源中访问数据的授权。将此参数与附加到 Amazon Redshift 集群中的 AWS Identity and Access Management (IAM) 角色的完全指定 ARN 结合使用（例如，arn:aws:iam::123456789012:role/redshift_iam_role）。有关更多信息，请参阅授权参数。
preactions：在 COPY 命令前运行的 SQL 命令的以分号隔开的列表。如果命令失败，Amazon Redshift 会引发异常。
注意：请确保 preaction 参数不包含任何换行符。
postactions：在 COPY 命令成功后运行的 SQL 命令的以分号隔开的列表。如果命令失败，Amazon Redshift 会引发异常。
注意：请确保 postaction 参数不包含任何换行符。
extracopyoptions：负载数据时附加到 Amazon Redshift COPY 命令的其他选项列表（例如 TRUNCATECOLUMNS 或 MAXERROR）。

示例场景

截断一个 Amazon Redshift 表后再将记录插入到 AWS Glue 中

按下面的 Python 示例所示使用 preactions 参数。替换以下值：

test_red：要使用的目录连接
target_table：Amazon Redshift 表
s3://s3path：Amazon Redshift 表的临时目录路径

datasink4 = glueContext.write_dynamic_frame.from_jdbc_conf(frame
= datasource0, catalog_connection = "test_red", connection_options = {"preactions":"truncate table target_table;","dbtable": "target_table", "database": "redshiftdb"}, redshift_tmp_dir = 's3://s3path', transformation_ctx = "datasink4")

将 Amazon Redshift 表合并到 AWS Glue 中（更新插入）

将数据加载到暂存表后创建 merge query，如下面的 Python 示例所示。替换以下值：

target_table：Amazon Redshift 表
test_red：要使用的目录连接
stage_table：Amazon Redshift 暂存表
s3://s3path：Amazon Redshift 表的临时目录路径

post_query="begin;delete from target_table using stage_table where stage_table.id = target_table.id ; insert into target_table select * from stage_table; drop table stage_table; end;"
datasink4 = glueContext.write_dynamic_frame.from_jdbc_conf(frame = datasource0, catalog_connection = "test_red", connection_options = {"preactions":"drop table if exists stage_table;create table stage_table as select * from target_table where 1=2;","dbtable": "stage_table", "database": "redshiftdb","postactions":post_query},
redshift_tmp_dir = 's3://s3path', transformation_ctx = "datasink4")

有关更多信息，请参阅使用暂存表执行合并（更新插入）。

忽略无效的行

使用 extracopyoptions 参数指定较高的 MAXERROR 值，如下面的 Python 示例所示。替换以下值：

test：要使用的目录连接
testalblog2：要负载数据的 Amazon Redshift 表
reddb：Amazon Redshift 数据库
emp1：当数据负载到 testalblog2 后，要从中删除数据的 Amazon Redshift 表
test_red：要使用的目录连接
stage_table：Amazon Redshift 暂存表
s3://s3path：Amazon Redshift 表的临时目录路径

datasink4 = glueContext.write_dynamic_frame.from_jdbc_conf(frame = persons_DyF, catalog_connection = "test", connection_options = {"dbtable": "testalblog2", "database": "reddb","postactions":"delete from emp1;","extracopyoptions":"MAXERROR 2"},
redshift_tmp_dir = 's3://s3path', transformation_ctx = "datasink4")

在 AWS Glue 任务中写入数据之前或之后如何在 Amazon Redshift 表上运行 SQL 命令？

解决方法

示例场景

相关信息