在AWS Glue 3.0中使用Pyspark时,可能会遇到类型转换问题。例如,当从DynamoDB表读取数据时,有时AWS Glue无法正确识别数据类型。
为了解决此问题,您可以手动指定模式并将数据转换为所需的类型。以下是一个示例:
from pyspark.sql.types import StructType, StructField, StringType, IntegerType
# 声明模式
schema = StructType([
StructField("name", StringType()),
StructField("age", IntegerType()),
StructField("gender", StringType())
])
# 从DynamoDB读取数据
df = glueContext.create_dynamic_frame.from_options(
"dynamodb",
connection_options={
"dynamodb.input.tableName": "my_table"
}
).toDF()
# 应用模式并显式转换类型
df_with_schema = spark.createDataFrame(df.rdd, schema)
df_casted = df_with_schema.withColumn("age", df_with_schema["age"].cast(IntegerType()))
在这个例子中,我们先声明了模式,然后从DynamoDB读取数据。接下来,我们将数据应用到模式中,并显式地将“age”列转换为整数类型。这将解决AWS Glue无法正确识别数据类型的问题。