个人中心
文章发布
退出
作者热门文章
- 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？
30
4
几乎不需要帮助就可以为下面的用例找到更好的解决方案。
我有包含输入数据的 S3 存储桶，它用 加密KMS key 1
所以我可以使用 "spark.hadoop.fs.s3.serverSideEncryption.kms.keyId" 将 KMS KEY 1 设置为我的 spark session
并且能够读取数据，
现在我想将数据写入另一个 S3 存储桶，但它是用 加密的KMS key 2 *
所以我目前正在做的是，使用 Key1 创建 Spark session 并读取数据帧并将其转换为 Pandas 数据帧并终止 Spark session 并使用 KMS KEY2 在同一 AWS 胶水作业中重新创建 Spark session 并转换 Pandas 数据在上一步中创建以触发数据帧并写入输出 S3 存储桶。
但这种方法有时会导致数据类型问题。有没有更好的替代解决方案来处理这个用例？
提前致谢，非常感谢您的帮助。
最佳答案
您不需要声明使用什么 key 来解密用 S3-KMS 加密的数据；要使用的 keyID 作为属性附加到文件中。 AWS S3 读取加密设置，查看 key ID，将 KMS 加密的对称 key 发送到 AWS KMS，要求使用要求解密的用户/IAM 角色对其进行解密。如果用户/角色具有正确的权限，S3 会取回未加密的 key ，解密文件并将其返回。
要从使用 KMS-1 加密的存储桶中读取数据，您应该能够将 key 设置为 key2 值(或根本不加密)，并且仍然可以取回数据
免责声明:我没有用 EMR s3 连接器测试过这个，只是用 apache S3A 连接器测试过这个，但由于 S3-KMS 在任何地方都一样，我希望这能成立。使用客户端提供的 key S3-CSE 进行加密是另一回事。您确实需要正确配置客户端，这就是 S3A 支持每个存储桶配置的原因。
关于amazon-web-services - Pyspark 数据帧从一个存储桶读取并在同一作业中使用不同的 KMS key 写入另一个存储桶，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/67086696/
30
4
0
我在数据框中有一列月份数字，想将其更改为月份名称，所以我使用了这个: df['monthName'] = df['monthNumber'].apply(lambda x: calendar.mont
Pyspark 中是否有一个 input() 函数，我可以通过它获取控制台输入。如果是，请详细说明一下。 如何在 PySpark 中编写以下代码: directory_change = input("
我们正在 pyspark 中构建数据摄取框架，并想知道处理数据类型异常的最佳方法是什么。基本上，我们希望有一个拒绝表来捕获所有未与架构确认的数据。 stringDf = sparkSession.cr
我正在开发基于一组 ORC 文件的 spark 数据框的 sql 查询。程序是这样的: from pyspark.sql import SparkSession spark_session = Spa
我有一个 Pyspark 数据框( 原始数据框 )具有以下数据(所有列都有 字符串 数据类型): id Value 1 103 2
我有一台配置了Redis和Maven的服务器 然后我执行以下sparkSession spark = pyspark .sql .SparkSession .builder .master('loca
从一些简短的测试来看，pyspark 数据帧的列删除功能似乎不区分大小写，例如。 from pyspark.sql import SparkSession from pyspark.sql.funct
我有: +---+-------+-------+ | id| var1| var2| +---+-------+-------+ | a|[1,2,3]|[1,2,3]| | b|[2,
从一些简短的测试来看，pyspark 数据帧的列删除功能似乎不区分大小写，例如。 from pyspark.sql import SparkSession from pyspark.sql.funct
我有一个带有多个数字列的 pyspark DF，我想为每一列根据每个变量计算该行的十分位数或其他分位数等级。 这对 Pandas 来说很简单，因为我们可以使用 qcut 函数为每个变量创建一个新列，如
我有以下使用 pyspark.ml 包进行线性回归的代码。但是，当模型适合时，我在最后一行收到此错误消息: IllegalArgumentException: u'requirement failed
我有一个由 | 分隔的平面文件(管道)，没有引号字符。示例数据如下所示: SOME_NUMBER|SOME_MULTILINE_STRING|SOME_STRING 23|multiline text
给定如下模式: root |-- first_name: string |-- last_name: string |-- degrees: array | |-- element: struc
我有一个 pyspark 数据框如下(这只是一个简化的例子，我的实际数据框有数百列): col1,col2,......,col_with_fix_header 1,2,.......,3 4,5,.
我有一个数据框 +------+--------------------+-----------------+---- | id| titulo |tipo | formac
我从 Spark 数组“df_spark”开始: from pyspark.sql import SparkSession import pandas as pd import numpy as np
如何根据行号/行索引值删除 Pyspark 中的行值？ 我是 Pyspark(和编码)的新手——我尝试编码一些东西，但它不起作用。 最佳答案 您不能删除特定的列，但您可以使用 filter 或其别名
我有一个循环生成多个因子表的输出并将列名存储在列表中: | id | f_1a | f_2a | |:---|:----:|:-----| |1 |1.2 |0.95 | |2 |0.7
我正在尝试将 hql 脚本转换为 pyspark。我正在努力如何在 groupby 子句之后的聚合中实现 case when 语句的总和。例如。 dataframe1 = dataframe0.gro
我想添加新的 2 列值服务 arr 第一个和第二个值 但我收到错误: Field name should be String Literal, but it's 0; production_targe
我是一名优秀的程序员,十分优秀！