apache-spark - 如何将表从 redshift 导出为 Parquet 格式？

Question

我能想到的几个选项

• 使用 Redshift 连接器将 Spark 流回 s3
• 卸载到 S3 gzipped，然后使用命令行工具进行处理

不确定哪个更好。我不清楚如何轻松地将 Redshift 模式转换为 Parquet 可以吸收的东西，但也许 Spark 连接器会帮我处理这个问题。

Answer 1

不再需要 Spark。我们可以直接以 Parquet 格式将 Redshift 数据卸载到 S3。示例代码:

UNLOAD ('select-statement')
TO 's3://object-path/name-prefix'
FORMAT PARQUET

您可以在 UNLOAD - Amazon Redshift 找到更多信息