EMR客户问题

Question

【以下的问题经过翻译处理】 一个客户正在使用EMR上的PySpark进行一些计算。

这些计算被保存在S3上，触发了一个SQS，该SQS会触发COPY命令传输到redshift。

到目前为止，一切顺利。

他们正在尝试找到解决方案，在redshift加载了新数据后，我们可以在那里摄取的特定项上运行一些查询。

他们认为可能可以在EMR本身中的每个项目后启动SQS进行计算（听起来有点复杂，不确定其可靠性）。

还需要澄清的是，在后处理和插入Redshift后，他们需要将其推送到DynamoDB或其他NoSQL解决方案以进行快速检索。

听起来合理吗？

rePost Polyglot · Answer

【以下的回答经过翻译处理】 你可以查看这篇较旧的博客文章并针对你的使用案例进行修改。当复制命令将数据加载到Redshift中时，它会向Dynamo写入一个已处理的条目。你可以连接一个Lambda函数到Dynamo流上，这样就可以触发你想要在数据加载后运行的查询。

相关内容