- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我们有以下要求:
从1990年到2018年的年度XML文件(大小为15-20 GB)
每周XML文件(大小为3-6 GB),其中包含更新的XML记录到1990年至2018年的任何年度数据
我们需要运行ETL作业以在S3中合并每周和每年的数据,并以API为前提将集成的数据公开给下游应用程序
我们采用的途径是用于ETL合并的AWS Glue和可能用于为下游应用程序提供SQL查询结果的Athena
我正在尝试使用Pyspark使用AWS Glue在S3中ETL合并一些XML(插入/更新)-确切地说,我正在执行以下步骤:
1)从Glue目录中创建动态数据框(一些XML源数据)
[共有3个文件,总计约10gb]
对于每年的数据,执行
2)将动态数据框转换为Spark数据框
3)使用Join(leftanti)和Union方法以合并数据
4)写出JSON文件(每年合并为一个文件)
作业从日志运行2个小时-我认为这太长了。
我们需要将文件大小扩展到大约400 + gb,并且我不确定是否以正确的方式对其进行编码。
一种)
我注意到以下陈述在2小时的大部分时间内都出现了
18/02/24 22:46:56 INFO客户端:application_1519512218639_0001的应用程序报告(状态:正在运行)
18/02/24 22:46:56调试客户端:
客户 token :N / A
诊断:N / A
ApplicationMaster主机:172.31.58.135
ApplicationMaster RPC端口:0
队列:默认
开始时间:1519512404681
最终状态: undefined
跟踪网址:http://ip-172-31-62-4.ec2.internal:20888/proxy/application_1519512218639_0001/
用户:root
这是否意味着该作业实际上正在运行,并且需要花费一些时间来处理(或者)它是否在等待资源?
b)在我的代码中,我还尝试使用.cache()假定它将执行内存中的逻辑。但是,它对所花费的时间没有影响。
c)日志表明数据已复制到hdfs节点并执行了任务。与在EMR上执行类似代码有何不同?
d)还有什么其他建议可用来提高绩效?
最佳答案
您是否尝试增加DPU的数量。 DPU的当前配置是什么?请访问aws.amazon.com/glue/faqs网站以扩展大小并改善AWS Glue ETL作业的性能?他们提到了增加DPU的建议。请注意,可用于ETL / DEV终端的DPU数量有限制,超出此限制您需要联系AWS支持。
关于aws-glue - AWS Glue Job运行太慢,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48993578/
好的,所以我想从批处理文件运行我的整个工作环境... 我想要实现什么...... 打开新的 powershell,打开我的 API 文件夹并从该文件夹运行 VS Code 编辑器(cd c:\xy;
我正在查看 Cocoa Controls 上的示例并下载了一些演示。我遇到的问题是一些例子,比如 BCTabBarController ,不会在我的设备上构建或启动。当我打开项目时,它看起来很正常,没
我刚刚开始学习 C 语言(擅长 Java 和 Python)。 当编写 C 程序(例如 hello world)时,我在 ubuntu cmd 行上使用 gcc hello.c -o hello 编译
我在 php 脚本从 cron 开始运行到超时后注意到了这个问题,但是当它从命令行手动运行时这不是问题。 (对于 CLI,PHP 默认的 max_execution_time 是 0) 所以我尝试运行
我可以使用命令行运行测试 > ./node_modules/.bin/wdio wdio.conf.js 但是如果我尝试从 IntelliJ 的运行/调试配置运行它,我会遇到各种不同的错误。 Fea
Error occurred during initialization of VM. Could not reserve enough space for object heap. Error: C
将 Anaconda 安装到 C:\ 后,我无法打开 jupyter 笔记本。无论是在带有 jupyter notebook 的 Anaconda Prompt 中还是在导航器中。我就是无法让它工作。
我遇到一个问题,如果我双击我的脚本 (.py),或者使用 IDLE 打开它,它将正确编译并运行。但是,如果我尝试在 Windows 命令行中运行脚本,请使用 C:\> "C:\Software_Dev
情况 我正在使用 mysql 数据库。查询从 phpmyadmin 和 postman 运行 但是当我从 android 发送请求时(它返回零行) 我已经记录了从 android 发送的电子邮件是正确
所以这个有点奇怪 - 为什么从 Java 运行 .exe 文件会给出不同的输出而不是直接运行 .exe。 当 java 在下面的行执行时,它会调用我构建的可与 3CX 电话系统配合使用的 .exe 文
这行代码 Environment.Is64BitProcess 当我的应用单独运行时评估为真。 但是当它在我的 Visual Studio 单元测试中运行时,相同的表达式的计算结果为 false。 我
关闭。这个问题是opinion-based .它目前不接受答案。 想要改进这个问题? 更新问题,以便 editing this post 可以用事实和引用来回答它. 关闭 8 年前。 Improve
我写了一个使用 libpq 连接到 PostgreSQL 数据库的演示。 我尝试通过包含将 C 文件连接到 PostgreSQL #include 在我将路径添加到系统变量 I:\Program F
如何从 Jenkins 运行 Android 模拟器来运行我的测试?当我在 Execiute Windows bath 命令中写入时,运行模拟器的命令: emulator -avd Tester 然后
我已经配置好东西,这样我就可以使用 ssl 登录和访问在 nginx 上运行的 errbit 我的问题是我不知道如何设置我的 Rails 应用程序的 errbit.rb 以便我可以运行测试 nginx
我编写了 flutter 应用程序,我通过 xcode 打开了 ios 部分并且应用程序正在运行,但是当我通过 flutter build ios 通过 vscode 运行应用程序时,我得到了这个错误
我有一个简短的 python 脚本,它使用日志记录模块和 configparser 模块。我在Win7下使用PyCharm 2.7.1和Python 3.3。 当我使用 PyCharm 运行我的脚本时
我在这里遇到了一些难题。 我的开发箱是 64 位的,windows 7。我所有的项目都编译为“任何 CPU”。该项目引用了 64 位版本的第 3 方软件 当我运行不使用任何 Web 引用的单元测试时,
当我注意到以下问题时,我正在做一些 C++ 练习。给定的代码将不会在 Visual Studio 2013 或 Qt Creator 5.4.1 中运行/编译 报错: invalid types 'd
假设我有一个 easteregg.py 文件: from airflow import DAG from dateutil import parser from datetime import tim
我是一名优秀的程序员,十分优秀!