是否可以使用胶水在 AWS Glue 数据库中更新和插入数据

Question

所以我正在使用 AWS pyspark，并且每天都有数千兆字节的数据，而且这些数据还在不断更新中。我想在glue数据库的现有表中找到数据的id，如果id已经存在就更新，如果id不存在则插入。

是否可以用 AWS 胶水来做？

谢谢！

Answer 1

您可以在粘合作业中使用 Athena 查询来实现您的逻辑。 https://docs.aws.amazon.com/athena/latest/ug/querying-athena-tables.html

Answer 2

是的，您可以为此使用 Glue Pyspark 扩展。

data_sink = glue_context.getSink(
                    path="s3_path",
                    connection_type="s3",
                    updateBehavior="UPDATE_IN_DATABASE",
                    partitionKeys=['partition_column'],
                    compression="snappy",
                    enableUpdateCatalog=True,
                )
data_sink.setCatalogInfo(
                catalogDatabase=database_name,
                catalogTableName=table_name,
                )
data_sink.setFormat("glueparquet")
data_sink.writeFrame(data_frame)