如何解决Glue Crawler可以爬取deltalake文件以在AWS胶目录中创建表吗?
我们有一个现有的基础架构,正在通过AWS爬网程序来爬网S3目录。这些S3目录是作为AWS datalake的一部分创建的,并通过spark作业转储。 现在,为了实现增量功能,我们在deltalake上进行了POC。因此,当我通过spark-delta Jobs在S3中编写这些deltalake文件时,我的搜寻器无法从这些搜寻器创建表。
我们可以使用AWS搜寻器来搜寻delta lake文件吗?
解决方法
根据此doc,您不应该使用Glue搜寻器。您应该将清单文件用于Athena的integrate增量文件中。
警告
请勿在以下位置使用AWS Glue Crawler: 在AWS Glue中定义表。三角洲湖维护相应的文件 到表的多个版本,并查询所有已爬网的文件 会产生不正确的结果。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。