Glue ETL Job与Redshift的外部连接 - 过滤再提取？

Question

【以下的问题经过翻译处理】 试图使用数据湖glue从redshift ETL数据集。Redshift数据集非常大，我只想在每次作业运行时提取最后x天的数据。当我设置作业时，过滤器出现在应用映射之后，选择DataFrame之前。这样做时，Redshift查询在集群上显示为实际上是“ Select *”。似乎DataFrame想要将整个Redshift表加载到Glue中，然后进行过滤，这既费时又最终失败。是否有一种在DataFrame之前过滤数据源的方法？

Answer

【以下的回答经过翻译处理】 使用Databricks Redshift驱动程序。这需要在Glue中进行一些自定义编码，但在过去的工作中表现出色。我的示例代码可参考。

Glue ETL Job与Redshift的外部连接 - 过滤再提取？

Conteúdo relevante