Pushdown-predikat fungerar endast för partitionering av kolumner. Med andra ord bör dina datafiler placeras i hierarkiskt strukturerade mappar. Till exempel, om data finns i s3://bucket/dataset/
och uppdelat efter år, månad och dag bör strukturen vara följande:
s3://bucket/dataset/year=2018/month=7/day=18/<data-files-here>
I sådana fall skulle pushdown-predikat fungera för kolumner year
, month
och day
endast:
datasource = glueContext.create_dynamic_frame_from_catalog(
database = source_catalog_db,
table_name = source_catalog_tbl,
push_down_predicate = "year = 2017 and month > 6 and day between 3 and 10",
transformation_ctx = "datasource")
Utöver det måste du komma ihåg att pushdown-predikater endast fungerar med s3-datakällor.
Här är ett trevligt blogginlägg skriven av AWS Glue devs om datapartitionering.