Question

我想在本地保存redshift查询的输出。我尝试过使用blaze/odo，但是在写入之前尝试将所有数据加载到内存中的默认设置尝试流式传输数据会引发其他错误，另外还有一个问题：Streaming results with Blaze and SqlAlchemy

由于这个问题没有任何答案，我正在寻找另一种方法来做到这一点。

将大于内存查询结果加载到Redshift的bcolz中的简单，可靠且合理有效的方法是什么？

Answer 1

我认为这是一个老问题，但如果有同样问题的人偶然发现它，我会回答它。我假设您使用Blaze访问Redshift。您必须在某些列上对表进行分区并迭代执行，如下所示：

import blaze as bz
table = bz.Data('postgresql://server@example.com::table_name')
val_list = bz.odo(table['column_name'].distinct(), list)
np_dtype = table.schema[0].to_numpy_dtype()
for val in val_list:
    table_partition = table[table['column_name'] == val]
    partition_len = int(table_partition.count())
    bcolz.fromiter(table_partition, np_dtype, partition_len,
                   rootdir='rootdir_for_partition', mode='w',
                   cparams=compression_params)

然后使用bcolz.walk迭代结果。

从Redshift加载大于内存数据到bcolz

1 个答案: