AWS Glue ETL 到 Redshift：日期

Question

我正在使用 AWS Glue 将 ETL 数据传输到 Redshift。 我遇到了一个问题，我的日期在 Redshift 中加载为 null。

我设置了什么：

• 将 csv 上传到 S3，参见示例数据：

项目 | 颜色 | 价格 | 日期

衬衫| 棕色 | 25.05 | 03-01-2018

裤子| 黑色 | 20.99 | 02-14-2017

• 爬行S3 object

• 创建一个 Redshift 表，参见架构：

  项目：字符串颜色：字符串价格：十进制/数字日期：日期

• 将数据加载到 Redshift 的脚本，请参阅脚本：

    import sys
    from awsglue.transforms import *
    from awsglue.utils import getResolvedOptions
    from pyspark.context import SparkContext
    from awsglue.context import GlueContext
    from awsglue.job import Job
    from pyspark.sql.functions import to_date, col
    from awsglue.dynamicframe import DynamicFrame
    
    glueContext = GlueContext(SparkContext.getOrCreate())
    
    items_dynamicframe = glueContext.create_dynamic_frame.from_catalog(
           database = "rdshft-test",
           table_name = "items")
    items_dynamicframe.printSchema()
    
    #Attempt to get date loaded correctly to Redshift
    data_frame = items_dynamicframe.toDF()
    data_frame.show()
    data_frame = data_frame.withColumn("date",
              to_date(col("date"),"d-M-Y"))
    data_frame.show()

任何反馈表示赞赏。 谢谢你。

Answer 1

我能够通过转换回动态框架来解决这个问题。 将数据移植到笔记本时，我使用的是动态框架。 但是，要将字符串转换为日期，我必须使用 dataframe（更具体地说是 pyspark sql 函数）。 要加载到 Redshift，我必须转换回动态帧。 假设这是 Glue 的要求？