Question

AWS抓取工具具有用于添加新表的前缀属性。因此，如果我将前缀留空并将爬虫启动到s3://my-bucket/some-table-backup，则会创建名为some-table-backup的表。有没有办法将其重命名为my-awesome-table并让爬虫更新重命名的表？或者设置爬虫来创建具有提供名称的新表？

Answer 1

无法设置爬网程序来执行此操作，但创建新表的速度非常快，该表与爬网程序以各种方式创建的表相同，但名称除外。在Python：

import boto3

database_name = "database"
table_name = "prefix-dir_name"
new_table_name = "more_awesome_name"

client = boto3.client("glue")
response = client.get_table(DatabaseName=database_name, Name=table_name)
table_input = response["Table"]
table_input["Name"] = new_table_name
# Delete keys that cause create_table to fail
table_input.pop("CreatedBy")
table_input.pop("CreateTime")
table_input.pop("UpdateTime")
client.create_table(DatabaseName=database_name, TableInput=table_input)

Answer 2

正如丹所提到的，Crawlers无法重命名该表。在胶水作业中使用python脚本重命名，或在amazon-athena中创建一个新的外部蜂巢表，并将其指向旧表的位置。

Answer 3

遇到同样的问题。在Redshift中查询表之前，需要删除比Dan Hook的答案更多的属性。

table_input="$(aws glue --region us-west-2 get-table --database-name database --name old_table --query 'Table' | jq '{Name: "new_table", StorageDescriptor, TableType, Parameters}')"

aws glue create-table --region us-west-2 --database-name database --table-input "$table_input"
aws glue delete-table --region us-west-2 --database-name database --name "old_table"

Answer 4

扩展到 Dan 的解决方案，但带有分区表。

import boto3

database_name = "some_database"
table_name = "old_table_name"
new_table_name = "new_table_name"

client = boto3.client("glue", region_name='us-east-1')
response = client.get_table(DatabaseName=database_name, Name=table_name)
partitions = client.get_partitions(DatabaseName=database_name, TableName=table_name)["Partitions"]
table_input = response["Table"]
table_input["Name"] = new_table_name

# Delete keys that cause create_table to fail
table_input.pop("CreatedBy")
table_input.pop("CreateTime")
table_input.pop("UpdateTime")
table_input.pop("DatabaseName")
table_input.pop("IsRegisteredWithLakeFormation")

# Delete unnecessary keys in partitions
for partition in partitions:
    partition.pop("DatabaseName")
    partition.pop("TableName")
    partition.pop("CreationTime")

# Create new table table
client.create_table(DatabaseName=database_name, TableInput=table_input)

# Create partitions
client.batch_create_partition(DatabaseName=database_name, TableName=new_table_name, PartitionInputList=partitions)

如何设置已爬网表的名称？

4 个答案: