AWS Glue denest postgres jsonb列

Question

我想將jsonb列展平為同一表中的多個目標列。 我找不到內置函數來完成此任務。 Glue搜尋器將jsonb列注冊為字符串。 當我將數據放到s3上時，可以使用Unbox.apply（）將其更改為結構。

我曾嘗試使用Relationalize和UnnestFrame解密jsonb列。 都不起作用。 Relationalize似乎僅應用go .json文件。 我不確定UnnestFrame為什么不起作用。

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

## @params: [JOB_NAME]
args = getResolvedOptions(sys.argv, ['JOB_NAME'])

sc = SparkContext()
glueContext = GlueContext(sc)
spark = glueContext.spark_session
job = Job(glueContext)
job.init(args['JOB_NAME'], args)
datasource0 = glueContext.create_dynamic_frame.from_catalog(database = "mycatalogdb", table_name = "sourcedb_public_tablename", transformation_ctx = "datasource0")

dfc = UnnestFrame.apply(frame = datasource0, transformation_ctx = "dfc", info="", stageThreshold=0, totalThreshold=0)

dropnullfields3 = DropNullFields.apply(frame = dfc, transformation_ctx = "dropnullfields3")

datasink4 = glueContext.write_dynamic_frame.from_options(frame = dropnullfields3, connection_type = "s3", connection_options = {"path": "s3://mybucket"}, format = "parquet", transformation_ctx = "datasink4")
job.commit()

給定具有以下內容的源表

+----+------------+-------------------------------------------------------+
| id |    date    |                        myjson                         |
+----+------------+-------------------------------------------------------+
|  1 | 2019-10-10 | {"url":some-url,"data":{"afield":123,"moredata":567"} |
+----+------------+-------------------------------------------------------+

我想要此輸出（列名格式與表格格式無關緊要）

+----+------------+----------+-------------+---------------+
| id |    date    |   url    | data_afield | data_moredata |
+----+------------+----------+-------------+---------------+
|  1 | 2019-10-10 | some-url |         123 |           567 |
+----+------------+----------+-------------+---------------+

Answer 1

我最終發現，我使用的關聯關系不正確，但是Glue並沒有拋出錯誤。 在交互使用SageMaker並在閱讀這篇文章中 ，relationalize（）返回一個集合后 ，我能夠弄清楚這一點。

Relationalize可以用於包含json字段的數據框。 換句話說，數據幀不必來自純json。