AWS胶水-是否使用履带
对于要在拼花格式的S3存储桶中的数据上运行的作业，有两种方法：
>
使用glueContext.create直接从S3读取_dynamic_frame.from_options（"s3"，{"path"：[full_s3_path]}， form="parket"）
由于我的数据方案不会及时更改，使用爬虫程序是否有任何优势（性能方面或其他方面）？在这种情况下，我为什么需要爬虫？
共有1个答案
如果您的数据没有分区，或者您不想使用谓词下推功能，则不需要运行爬虫程序。
但是，如果它是分区的，并且您希望能够使用谓词下推来部分加载数据，那么应该在数据目录中注册新分区，而爬虫是最简单的方法之一（不过也有替代方案）
-
我每天都有csv文件被传递到S3，这些文件在当月是增量的。所以file1包含第1天的数据，file2包含第1天和第2天的数据，等等。每天我都想对该数据运行一个ETL并将其写入不同的S3位置，这样我就可以使用Athena查询它，而不会出现重复的行。本质上，我只想查询聚合数据的最新状态（这只是最近交付给S3的文件的内容）。 我认为书签不会起作用，因为增量交付包含以前文件中的数据，因此会产生重复。我知道
-
概述 一体化橡胶履带的内部具有同步带齿，使轨道能够与Makeblock 90T和62T履带轮一起配合工作。 参数 材质：黑色硅胶
-
我已经创建了一个成功执行的AWS胶水作业。但是，我无法在作业中放置任何自定义日志记录。 如何在AWS S3存储桶中创建日志文件，以便跟踪日常作业执行情况？ 目前，当我的工作执行时，它会创建默认日志（即火花日志），我可以在AWS云手表中看到它。在AWS胶水中记录事件的最佳实践是什么？
-
我有一个S3存储桶，每天的文件都会被丢弃。AWS爬虫从该位置爬网数据。在我的glue作业运行的第一天，它将获取AWS crawler创建的表中的所有数据。例如，在第一天就有三个文件。（即file1.txt、file2.txt、file3.txt）和glue job在执行glue job的第一天处理这些文件。第二天，另两个文件到达S3位置。现在，在S3位置，这些是存在的文件。（即file1.txt、
-
我们有一个以红移方式处理数据的用例。但我想在S3中创建这些表的备份，以便使用Spectrum查询这些表。 为了将表从Redshift移动到S3，我使用了一个胶水ETL。我已经为AWS红移创建了一个爬虫程序。胶水作业将数据转换为拼花地板，并将其存储在S3中，按日期进行分区。然后，另一个爬虫会对S3文件进行爬行，以再次对数据进行编目。 如何消除第二个爬虫并在作业本身中执行此操作？
-
我需要对S3 bucket执行附加加载。 每天都有新的. gz文件被转储到S3位置，胶水爬虫读取数据并在数据曲库中更新它。 Scala AWS Glue作业运行并仅过滤当前日期的数据。 上面过滤的数据按照一些规则进行转换，并创建一个分区的动态数据帧（即年、月、日）级别。 现在，我需要将这个动态数据帧写入到S3 bucket中，其中包含所有前一天的分区。事实上，我只需要将一个分区写入S3存储桶。目前