我可以将Athena View用作AWS Glue Job的来源吗？

Question

我正在尝试使用Athena View作为我的AWS Glue Job的数据源。我在尝试运行Glue作业时收到的错误消息是关于视图的分类的。我可以定义为什么？ 谢谢

Error Message Appearing

Answer 1

您可以使用Athena JDBC driver。这种方法绕过了目录，因为只有Athena（而截至2019年1月25日，Glue才可以）直接访问视图。

1. 下载驱动程序并将jar保存到S3存储桶中。
2. 在作业定义中将驱动程序的S3路径指定为dependent jar。
3. 使用以下代码（使用IAM用户）将数据加载到动态框架中 permission to run Athena queries）。

from awsglue.dynamicframe import DynamicFrame
# ...
athena_view_dataframe = (
    glueContext.read.format("jdbc")
    .option("user", "[IAM user access key]")
    .option("password", "[IAM user secret access key]")
    .option("driver", "com.simba.athena.jdbc.Driver")
    .option("url", "jdbc:awsathena://athena.us-east-1.amazonaws.com:443")
    .option("dbtable", "my_database.my_athena_view")
    .option("S3OutputLocation","s3://bucket/temp/folder") # CSVs/metadata dumped here on load
    .load()
    )

athena_view_datasource = DynamicFrame.fromDF(athena_view_dataframe, glueContext, "athena_view_source")

驱动程序文档（pdf）提供了IAM用户身份验证的替代方法（例如SAML，自定义提供程序）。

此方法的主要副作用是，加载会导致查询结果以CSV格式转储到使用S3OutputLocation键指定的存储区中。

我不认为您可以通过JDBC为Athena创建Glue Connection，因为您无法指定驱动程序位置的S3路径。

出处：AWS支持完全帮助我完成了这项工作。