1 Respuesta
- Más nuevo
- Más votos
- Más comentarios
0
In PySpark you can use forEachPartition and call Kinesis or any external API for that partition, or you can also use map and call out to Kinesis per record.
# Approach 1: Per Partition
def pushToKinesis(iterator):
print(list(iterator)[0]
#push to kinesis using boto3 APIs
rdd.foreachPartition(pushToKinesis())
# Approach 2: Per record
def pushToKinesis(record):
#push to kinesis using boto3 APIs
rdd.map(lambda l: pushToKinesis(l))
The blog post below uses Approach 2 to call Amazon Comprehend:
respondido hace 6 años
Contenido relevante
- OFICIAL DE AWSActualizada hace 3 años
- OFICIAL DE AWSActualizada hace un año
- OFICIAL DE AWSActualizada hace 6 meses
- OFICIAL DE AWSActualizada hace 6 meses