如何在AWS-Glue脚本中编写自定义函数？

Question

我们如何在动态框架或数据框架上使用PySpark (Python)在AWS-Glue脚本中编写用户定义的函数？

Answer 1

dynamicframe并不完全像Dataframe API那样支持UDF。你能得到的最好的就是MAP.apply。

Answer 2

"AWS Glue尚不直接支持Lambda函数，也称为用户定义函数。但您始终可以将DynamicFrame与Apache Spark DataFrame相互转换，以利用DynamicFrames的特殊功能之外的Spark功能。“-

AWS Glue医疗补助Python示例(上面引用/链接)包括一个Spark UDF示例：

from pyspark.sql.functions import udf
from pyspark.sql.types import StringType

chop_f = udf(lambda x: x[1:], StringType())
medicare_dataframe = medicare_dataframe.withColumn(
        "ACC", chop_f(
            medicare_dataframe["average covered charges"])).withColumn(
                "ATP", chop_f(
                    medicare_dataframe["average total payments"])).withColumn(
                        "AMP", chop_f(
                            medicare_dataframe["average medicare payments"]))
medicare_dataframe.select(['ACC', 'ATP', 'AMP']).show()

这只是标准的Spark代码。如果您希望使用Spark SQL，请参阅this databricks example。