如何在AWS Glue中强制执行FindIncrementalMatches以使用现有的match_id

Question

【以下的问题经过翻译处理】 应用场景如下：
我们有一个增量数据源，需要从中识别匹配的记录。为此，我们使用AWS Glue 2.0运行Find Matches。

这是我在初始源上运行FindMatches时，针对源生成以下结果。注意每条记录生成的match_id。

![Find Matches Result](https://repost.aws/media/postImages/original/IMDRqUKyW8Qo2lexw6o4mS0Q)

接着，我又运行Find Incremental Matches后的结果

当我基于上面FindMatches的生成的结果作为现有源运行FindIncrementalMatches时，生成了完全不同的Match ID如下：

![Find Incremental Matches Result](https://repost.aws/media/postImages/original/IMDp-IyxegQ9-4nFAZ5rKZgg)

我的问题：

在AWS Glue中，有没有一种方式可以强制FindIncrementalMatches在处理增量源的匹配时使用现有的match_id？

我们遵循以下链接中的步骤进行的实验：

1. [AWS博客-增量数据匹配](https://aws.amazon.com/blogs/big-data/incremental-data-matching-using-aws-lake-formation/)

Answer

【以下的回答经过翻译处理】 我理解您是希望Glue在增量数据的连续FindIncrementalMatches运行中使用相同的match_id。

请注意，match_id是任意标识符，用作您的数据的标记，并表示经过ML转换算法预测的匹配记录。对于增量数据，数据集随时间变化，新的或修改的记录被添加，因此机器学习模型考虑了更多的候选行来决定配对，这可能会导致新的match_id，就像您在示例中提供的一样，从头开始标记。遗憾的是，在Glue中，我们目前没有任何选项可以强制先前生成的match_id，用于在后续的FindIncrementalMatches增量数据匹配计算。

如何在AWS Glue中强制执行FindIncrementalMatches以使用现有的match_id

Relevanter Inhalt