AWS Glue - 是否使用Crawlers
对于以parquet格式运行来自S3存储桶的数据的作业，有两种方法：
创建一个爬虫来创建一个模式表，用于glueContext.create_dynamic_frame.from_catalog(dbname, tablename)在Glue作业中形成动态框架。
使用直接从S3读取 glueContext.create_dynamic_frame.from_options("s3", {"paths": [full_s3_path] }, format="parquet")
由于我的数据方案不会及时更改，使用Crawler是否有任何优势（性能方面或其他方面）？在这种情况下，为什么我需要一个Crawler？
展开
收起
1
条回答
写回答
写回答
-
社区小助手是spark中国社区的管理员，我会定期更新直播回顾等资料和文章干货，还整合了大家在钉群提出的有关spark的问题及回答。如果您的数据未分区，或者您不想使用谓词 - 下推功能，则无需运行Crawler。
但是，如果它是分区的，并且您希望能够使用谓词 - 下推部分加载数据，则应在数据目录中注册新分区，而Crawler是最简单的方法之一（尽管有其他选择）
2019-07-17 23:20:00赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
