python - 如何使用 AWS Glue 和其他 AWS 服务从 Oracle 数据库中提取数据
问题描述
我是 AWS 胶水和其他 AWS 东西的新手。我需要为项目构建 ETL 框架。这是高级图。我想了解,不是创建 400 个胶水管道,而是创建一个模板类型的东西,它由来自 postgres aurora/mysql 的参考数据驱动。我熟悉 Python。有人对此有任何想法吗?任何参考,代码示例。
解决方案
- 我们的 mysql 数据库中有一个配置主表。每个方便的列我们将 source_table_name 作为标识符来获取适当的表列名称/查询,以用于创建 STG 表、将数据加载到 STG 表、插入/更新到目标表等。
- 我们还在 config master 中将 INSERT/UPDATE 拆分为两个不同的列,因为我们使用 ON DUPLICATE KEY 来更新现有记录。
- 通过处理将具有登陆文件名的 lambda 事件来获取源表名。
- 从 config master 获取源表名称所需的所有数据。这将类似于以下内容:
sql_query = "SELECT * FROM {0}.CONFIG_MASTER WHERE src_tbl_name = %s ".format(mydb) cur.execute(sql_query, (source_fname)) result = cur.fetchall() for row in result: stg_table_name = row[1] tgt_table_name = row[2] create_stg_table_qry = row[3] load_data_stg_table_qry = row[4] insert_tgt_table_qry = row[5] insert_tgt_table_qry_part_1 = row[6] insert_tgt_table_qry_part_2 = row[7] conn.commit() cur.close()
将适当的参数传递给通用函数,如下所示:
create_stg_table(stg_table_name, create_stg_table_qry, load_data_stg_table_qry)
loaddata(tgt_table_name, insert_tgt_table_qry_part_1, insert_tgt_table_qry_part_2, stg_table_name)
通用函数如下所示,这是针对极光RDS的,请根据需要进行更改。
def create_stg_table(stg_table_name, create_stg_table_qry, load_data_stg_table_qry):
cur, conn = connect()
createStgTable1 = "DROP TABLE IF EXISTS {0}.{1}".format(mydb, stg_table_name)
createStgTable2 = "CREATE TABLE {0}.{1} {2}".format(mydb, stg_table_name, create_stg_table_qry)
loadQry = "LOAD DATA FROM S3 PREFIX 's3://' REPLACE INTO TABLE ...".format()
cur.execute(createStgTable1)
cur.execute(createStgTable2)
cur.execute(loadQry)
conn.commit()
conn.close()
def loaddata(tgt_table_name, insert_tgt_table_qry_part_1, insert_tgt_table_qry_part_2, stg_table_name):
cur, conn = connect()
insertQry = "INSERT INTO target table, from the staging table query here"
print(insertQry)
cur.execute(insertQry)
conn.commit()
conn.close()
希望这能提供一个想法。
谢谢
推荐阅读
- php - 用php解析文本
- node.js - Node.js - 在 excel 中获取上标和下标
- sql - 根据 sql server 中立即可用的数据填充当前行
- python - 使用元组键将 Pandas 数据框转换为字典以进行三元图
- java - Java 在决定是否删除对象之前迭代 map 两次
- python - Python:当我尝试将 JSON 文件插入 Mongodb 时,如果 json 文件无效,则会抛出错误。如何捕获错误
- powershell - 遍历数组并返回Powershell中每个对象的结果
- for-loop - R中嵌套for循环的问题
- git - git 忽略并取消跟踪远程服务器上的文件夹
- tensorflow - 用于 Microsoft Cognitive CNTK/TensorFlow 的 VGA 卡 (GPU)