在 AWS Glue 作业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

在 AWS Glue DynamicFrameWriter 类中传递以下参数以进行授权：

• **aws_iam_role：**提供访问另一个 AWS 资源中的数据的授权。将此参数与附加到 Amazon Redshift 集群的 AWS Identity and Access Management (IAM) 角色的完全指定 ARN 一起使用。例如，使用 arn:aws:iam::123456789012:role/redshift_iam_role。有关详细信息，请参阅授权参数。

在 AWS Glue DynamicFrameWriter 类中传递以下一个或多个参数：

• **preactions：**在 COPY 命令之前运行的 SQL 命令的分号分隔列表。如果命令失败，Amazon Redshift 将抛出异常。
  **注意：**preaction 参数不能包含换行符。
• **postactions：**在成功运行 COPY 命令后运行的 SQL 命令的分号分隔列表。如果命令失败，Amazon Redshift 将抛出异常。
  **注意：**postaction 参数不能包含换行符。
• **extracopyoptions：**在 Amazon Redshift COPY 命令加载数据时附加到该命令的其他选项列表。例如，您可以使用 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

使用 preactions 参数。

Python 示例：

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

Scala 示例：

val options = JsonOptions(Map(   "dbtable" -> "schema.target_table",
   "database" -> "redshiftdb",
   "preactions" -> "truncate table schema.target_table;"
   ))
glueContext.getJDBCSink(catalogConnection = "test_red", options = options, redshiftTmpDir = 's3://s3path', transformationContext = "datasource0").writeDynamicFrame(datasource0)

在以上示例中，请替换以下值：

• **test_red：**要使用的目录连接。
• **schema.target_table：**Amazon Redshift 数据库的架构和 Amazon Redshift 表。
• **s3://s3path：**Amazon Redshift 表的临时目录路径。

在连接选项中使用 IAM 角色

凭证将在 1 小时后过期。请在连接选项中使用 IAM 角色，以便长时间运行的连接不会失败。

Python 示例：

glueContext.create_dynamic_frame.from_catalog(database = "redshift-database-name",  table_name = "redshift-table-name", redshift_tmp_dir = args["TempDir"], additional_options = {"aws_iam_role": "arn:aws:iam::account-id:role/role-name"})

Scala 示例：

val connectionOptions = JsonOptions(Map(      "url" -> "jdbc:redshift://your_redshift_cluster.us-west-2.redshift.amazonaws.com:5439/database",
      "dbtable" -> "schema.table",
      "user" -> "redshift_user",
      "password" -> "redshift_password",
      "tempdir" -> "s3://temp_bucket/temp",
      "aws_iam_role" -> "arn:aws:iam::your_account_id:role/your_role_name" ))

val dyf = glueContext.getSource("redshift", connectionOptions)
          .getDynamicFrame()

将 Amazon Redshift 表合并到 AWS Glue 中 (upsert)

将数据加载到暂存表后，创建合并查询。

**注意：**要使合并查询生效，target_table 必须已经存在于您的 Amazon Redshift 数据库中。

Python 示例：

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

Scala 示例：

val options = JsonOptions(Map(   "dbtable" -> "schema.stage_table",
   "database" -> "redshiftdb",
   "preactions" -> "drop table if exists schema.stage_table;create table schema.stage_table as select * from schema.target_table where 1=2;",
   "postactions" -> "begin;delete from schema.target_table using schema.stage_table where schema.stage_table.id = schema.target_table.id ; insert into schema.target_table select * from schema.stage_table; drop table schema.stage_table; end;"
   ))
glueContext.getJDBCSink(catalogConnection = "test_red", options = options, redshiftTmpDir = 's3://s3path', transformationContext = "datasink4").writeDynamicFrame(datasink4)

在以上示例中，请替换以下值：

• **schema.target_table：**Amazon Redshift 数据库的架构和 Amazon Redshift 表。
• **test_red：**要使用的目录连接。
• **schema.stage_table：**Amazon Redshift 数据库的架构和 Amazon Redshift 暂存表。
• **s3://s3path：**Amazon Redshift 表的临时目录路径。

忽略无效的行

使用 extracopyoptions 参数指定更高的 MAXERROR 值。

Python 示例：

datasink4 = glueContext.write_dynamic_frame.from_jdbc_conf(frame = persons_DyF, catalog_connection = "test", connection_options = {"dbtable": "schema.load_table", "database": "reddb","extracopyoptions":"MAXERROR 2"},redshift_tmp_dir = 's3://s3path', transformation_ctx = "datasink4")

Scala 示例：

val options = JsonOptions(Map(   "dbtable" -> "schema.load_table",
   "database" -> "reddb",
   "extracopyoptions" -> "MAXERROR 2"
   ))

在以上示例中，请替换以下值：

• **schema.target_table：**Amazon Redshift 数据库的架构和 Amazon Redshift 表。
• **schema.stage_table：**Amazon Redshift 数据库的架构和 Amazon Redshift 暂存表。
• **test：**要使用的目录连接。
• **testalblog2：**要将数据加载到的 Amazon Redshift 表。
• **reddb：**Amazon Redshift 数据库。
• **emp1：**当数据加载到 testalblog2 后，要从中删除数据的 Amazon Redshift 表。
• **s3://s3path：**Amazon Redshift 表的临时目录路径。

其他信息

在使用 AWS Glue 4.0 ETL 作业时，您可以使用 Amazon Redshift Spark 连接器 (redshift-jdbc42-2.1.0.9)。此连接器具有以下属性：

• 支持基于 IAM 的 JDBC URL。
• 包括性能改进选项，例如 autopushdown、autopushdown.s3_result_cache 和 unload_s3_format。
• 包括可用于临时文件夹中的数据的 SSE_KMS 加密选项。AWS Glue 在读取 Amazon Redshift 表时会使用此数据。

相关信息

COPY

TRUNCATE

数据加载操作