mysql - AWS Glue 谓词下推条件无效

Question

我有一个 MySQL 源，我正在从中创建一个具有谓词下推条件的 Glue 动态框架，如下所示

datasource = glueContext.create_dynamic_frame_from_catalog(
    database = source_catalog_db, 
    table_name = source_catalog_tbl, 
    push_down_predicate = "id > 1531812324", 
    transformation_ctx = "datasource")

无论我在“push_down_predicate”中输入什么条件，我总是在“数据源”中获取所有记录。我错过了什么？

Answer 1

下推谓词仅适用于分区列。换句话说，您的数据文件应该放在分层结构的文件夹中。例如，如果数据位于 s3://bucket/dataset/ 并按年、月和日进行分区，则结构应如下所示:

s3://bucket/dataset/year=2018/month=7/day=18/<data-files-here>

在这种情况下，下推谓词仅适用于 year、month 和 day 列:

datasource = glueContext.create_dynamic_frame_from_catalog(
    database = source_catalog_db, 
    table_name = source_catalog_tbl, 
    push_down_predicate = "year = 2017 and month > 6 and day between 3 and 10", 
    transformation_ctx = "datasource")

除此之外，您必须牢记下推谓词仅适用于 s3 数据源。

这是一个不错的 blog post由 AWS Glue 开发人员编写的有关数据分区的文章。