Automatisera massladdning av data från s3 till Aurora MySQL RDS-instans

Tillvägagångssättet är som nämnts ovan, ha en S3-händelsetrigger och ett lambdajobb som lyssnar på s3-skopan/objektets plats. Så snart en fil laddas upp till s3-platsen kommer lambda-jobbet att köras, och i lambdan kan du konfigurera att anropa ett AWS Glue-jobb. Detta är precis vi har gjort och har gått live. Lambda har en livslängd på 15 minuter, och det borde ta mindre än en minut att trigga/starta ett limjobb.

Vänligen hitta här ett exempel på en källa som referens.

from __future__ import print_function
import json
import boto3
import time
import urllib

print('Loading function')

s3 = boto3.client('s3')
glue = boto3.client('glue')

def lambda_handler(event, context):
    gluejobname="your-glue-job-name here"

    try:
        runId = glue.start_job_run(JobName=gluejobname)
        status = glue.get_job_run(JobName=gluejobname, RunId=runId['JobRunId'])
        print("Job Status : ", status['JobRun']['JobRunState'])
    except Exception as e:
        print(e)
        print('Error getting object {} from bucket {}. Make sure they exist '
              'and your bucket is in the same region as this '
              'function.'.format(source_bucket, source_bucket))
    raise e

För att skapa en Lambda-funktion, gå till AWS Lambdra->Skapa en ny funktion från Scratch->Välj S3 för händelse, och konfigurera sedan S3-bucket-platserna, prefix efter behov. Kopiera sedan och klistra in ovanstående kodexempel, inline-kodområde och konfigurera limjobbets namn efter behov. Se till att du har alla nödvändiga IAM-roller/åtkomstinställningar.

Limjobbet bör ha möjlighet att ansluta till din Aurora, och sedan kan du använda kommandot "LOAD FROM S3....." från Aurora. Se till att alla parametergruppinställningar/konfigurationer görs efter behov.

Låt mig veta om några problem.

UPPDATERING:EXEMPEL på kodavsnitt för LOAD FROM S3:

conn = mysql.connector.connect(host=url, user=uname, password=pwd, database=dbase)
cur = conn.cursor()
cur, conn = connect()
createStgTable1 = "DROP TABLE IF EXISTS mydb.STG_TABLE;"
createStgTable2 = "CREATE TABLE mydb.STG_TABLE(COL1 VARCHAR(50) NOT NULL, COL2 VARCHAR(50), COL3 VARCHAR(50), COL4 CHAR(1) NOT NULL);"
loadQry = "LOAD DATA FROM S3 PREFIX 's3://<bucketname>/folder' REPLACE INTO TABLE mydb.STG_TABLE FIELDS TERMINATED BY '|' LINES TERMINATED BY '\n' IGNORE 1 LINES (@var1, @var2, @var3, @var4) SET col1= @var1, col2= @var2, col3= @var3, [email protected];"
cur.execute(createStgTable1)
cur.execute(createStgTable2)
cur.execute(loadQry)
conn.commit()
conn.close()