使用emr集群,我创建了一个Map到dynamodb表的外部配置单元表(超过8亿行)。它工作得很好,我可以通过配置单元进行查询和插入。
如果我在hive中尝试一个带有hash\u键的条件的查询,我会在几秒钟内得到结果。但是,使用sparksql和enablehivesupport(accesing hive)通过spark submit执行相同的查询并没有完成,似乎从spark开始,它正在对表进行完全扫描。
我尝试了几种配置(例如不同的hive-site.xml),但在spark上似乎效果不佳。我应该如何通过spark来完成它?有什么建议吗?
谢谢
1条答案
按热度按时间58wvjzkj1#
只需确保使用由aws提供的dynamo连接器开源。默认情况下,它在emr afaik上可用。
使用dynamodbstoragehandler类创建表的语法:
对于任何spark工作,您需要具备以下条件:
参考文献:https://github.com/awslabs/emr-dynamodb-connector