PySpark 扩展类型 - AWS Glue
DataTypeAtomicTypeDecimalTypeEnumType集合类型ArrayTypeChoiceTypeMapType字段StructTypeEntityType其他类型DataSourceDataSink

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

PySpark 扩展类型

AWS Glue PySpark 扩展所使用的类型。

DataType

其他 AWS Glue 类型的基类。

__init__(properties={})

  • properties – 数据类型的属性 (可选)。

 

typeName(cls)

返回 AWS Glue 类型类的类型（即，类名，其“Type”会从末尾删除）。

  • cls – 一个派生自 AWS Glue 的 DataType 类实例。

 

jsonValue( )

返回一个包含类的数据类型和属性的 JSON 对象：

  {
    "dataType": typeName,
    "properties": properties
  }

AtomicType 和简单衍生

继承自并扩展 DataType 类，并且充当所有 AWS Glue 原子数据类型的基类。

fromJsonValue(cls, json_value)

使用 JSON 对象中的值初始化类实例。

  • cls – 一个要初始化的 AWS Glue 类型类。

  • json_value – 要从其中加载键-值对的 JSON 对象。

 

以下类型是 AtomicType 类的简单衍生：

  • BinaryType – 二进制数据。

  • BooleanType – 布尔值。

  • ByteType – 一个字节值。

  • DateType – 一个日期时间值。

  • DoubleType – 一个双精度浮点值。

  • IntegerType – 一个整数值。

  • LongType – 一个长整数值。

  • NullType – 一个空值。

  • ShortType – 一个短整数值。

  • StringType – 一个文本字符串。

  • TimestampType – 一个时间戳值 (通常以秒为单位，从 1/1/1970 开始)。

  • UnknownType – 一个未知类型的值。

DecimalType(AtomicType)

继承自并扩展 AtomicType 类以表示十进制数字 (以十进制数字表示的数字，与二进制以 2 为底数的数字相对)。

__init__(precision=10, scale=2, properties={})

  • precision – 十进制数中的位数 (可选；默认值为 10)。

  • scale – 小数点右侧的位数 (可选；默认值为 2)。

  • properties – 十进制数字的属性 (可选)。

EnumType(AtomicType)

继承自并扩展 AtomicType 类以表示有效选项的枚举。

__init__(options)

  • options – 正被枚举的选项的列表。

 集合类型

ArrayType(DataType)

__init__(elementType=UnknownType(), properties={})

  • elementType – 数组中的元素的类型 (可选；默认值为 UnknownType)。

  • properties – 数组的属性 (可选)。

ChoiceType(DataType)

__init__(choices=[], properties={})

  • choices – 可能选项的列表 (可选)。

  • properties – 这些选项的属性 (可选)。

 

add(new_choice)

将新选项添加到可能的选项列表中。

  • new_choice – 要添加到可能选项列表中的选项。

 

merge(new_choices)

将新选项列表与现有选项列表合并。

  • new_choices – 要与现有选项列表合并的新选项列表。

MapType(DataType)

__init__(valueType=UnknownType, properties={})

  • valueType – 映射中的值的类型 (可选；默认值为 UnknownType)。

  • properties – 映射的属性 (可选)。

Field(Object)

根据从 DataType 派生的对象创建一个字段对象。

__init__(name, dataType, properties={})

  • name – 要为字段分配的名称。

  • dataType – 要从中创建字段的对象。

  • properties – 字段的属性 (可选)。

StructType(DataType)

定义数据结构 (struct)。

__init__(fields=[], properties={})

  • fields – 要在结构中包括的字段的列表 (类型为 Field) (可选)。

  • properties – 结构的属性 (可选)。

 

add(field)

  • field – 要添加到结构中的类型 Field 的对象。

 

hasField(field)

如果此结构具有同名字段，则返回 True，否则返回 False。

  • field – 一个字段名称，或其名称被使用的类型 Field 的对象。

 

getField(field)

  • field – 一个字段名称，或其名称被使用的类型 Field 的对象。如果此结构具有同名字段，则返回它。

EntityType(DataType)

__init__(entity, base_type, properties)

此类尚未实现。

 其他类型

DataSource(object)

__init__(j_source, sql_ctx, name)

  • j_source – 数据源。

  • sql_ctx – SQL 上下文。

  • name – 数据源名称。

 

setFormat(format, **options)

 

getFrame()

为数据源返回 DynamicFrame。

DataSink(object)

__init__(j_sink, sql_ctx)

  • j_sink – 要创建的堆栈。

  • sql_ctx – 数据接收器的 SQL 上下文。

 

setFormat(format, **options)

 

setAccumulableSize(size)

  • size – 要设置的可累积大小 (以字节为单位)。

 

writeFrame(dynamic_frame, info="")

  • dynamic_frame – 要编写的 DynamicFrame。

  • info – 有关 DynamicFrame 的信息 (可选)。

 

write(dynamic_frame_or_dfc, info="")

写入 DynamicFrame 或 DynamicFrameCollection。

  • dynamic_frame_or_dfc – 将被写入的 DynamicFrame 对象或 DynamicFrameCollection 对象。

  • info – 有关将被写入的 DynamicFrame 或 DynamicFrames 的信息 (可选)。