วิธีใช้ Boto3 แบ่งหน้า (Paginate) ผ่าน Job Runs ของ Job ใน AWS Glue

ข้อกำหนดปัญหา: ใช้ไลบรารี boto3 ใน Python เพื่อแบ่งหน้าผ่าน job runs ของ job จาก AWS Glue Data Catalog

ขั้นตอนการแก้ปัญหา

• ขั้นตอน 1: นำเข้า boto3 และ botocore.exceptions

• ขั้นตอน 2: พารามิเตอร์: job_name (บังคับ), max_items, page_size, starting_token (เลือกได้)

  • max_items: จำนวนระเบียนสูงสุด
  • page_size: ขนาดแต่ละหน้า
  • starting_token: ใช้ NextToken จาก response ก่อนหน้า

• ขั้นตอน 3: สร้าง AWS session ด้วย boto3 พร้อมระบุ region_name

• ขั้นตอน 4: สร้าง AWS client สำหรับ glue

• ขั้นตอน 5: สร้าง paginator object ด้วย get_job_runs

• ขั้นตอน 6: เรียก paginate พร้อมส่ง JobName และ PaginationConfig

• ขั้นตอน 7: คืนค่าระเบียนตาม max_items และ page_size

• ขั้นตอน 8: จัดการข้อยกเว้นทั่วไป

โค้ดตัวอย่าง

import boto3
from botocore.exceptions import ClientError

def paginate_through_jobruns(job_name, max_items=None, page_size=None, starting_token=None):
    session = boto3.session.Session()
    glue_client = session.client('glue')
    try:
        paginator = glue_client.get_paginator('get_job_runs')
        response = paginator.paginate(
            JobName=job_name,
            PaginationConfig={
                'MaxItems': max_items,
                'PageSize': page_size,
                'StartingToken': starting_token
            }
        )
        return response
    except ClientError as e:
        raise Exception("boto3 client error in paginate_through_jobruns: " + e.__str__())
    except Exception as e:
        raise Exception("Unexpected error in paginate_through_jobruns: " + e.__str__())

a = paginate_through_jobruns("glue_test_job", 1, 5)
print(*a)

ผลลัพธ์

{'JobRuns': [{'Id': 'jr_435b66cfe451adf5fa7c7f914be3c87d199616f52bd13bdd91bb1269f02db705', 'Attempt': 0, 'JobName': 'glue_test_job', 'StartedOn': datetime.datetime(2021, 1, 25, 22, 19, 56, 52000, tzinfo=tzlocal()), 'LastModifiedOn': datetime.datetime(2021, 1, 25, 22, 21, 50, 603000, tzinfo=tzlocal()), 'CompletedOn': datetime.datetime(2021, 1, 25, 22, 21, 50, 603000, tzinfo=tzlocal()), 'JobRunState': 'SUCCEEDED', 'Arguments': {'--additional-python-modules': 'pandas==1.1.5', '--enable-glue-datacatalog': 'true', '--extra-files': 's3://glue/job/test', '--job-bookmark-option': 'job-bookmark-disable', 'step': '0'}, 'PredecessorRuns': [], 'AllocatedCapacity': 2, 'ExecutionTime': 107, 'Timeout': 2880, 'MaxCapacity': 2.0, 'WorkerType': 'G.1X', 'NumberOfWorkers': 2, 'LogGroupName': '/aws-glue/jobs', 'GlueVersion': '2.0'}], 'NextToken': 'eyJleHBpcmF0aW9uIjp7InNlY29uZHMiOjE2MTc0NTQ0NDgsIm5hbm9zIjo2OTUwMDAwMDB9LCJsYXN0RXZhbHVhdGVkS2V5Ijp7ImpvYklkIjp7InMiOiJqXzdlYzIzNTYwOWRkMGVmYjRhNTgyNDU2YWVlZmQ4NmFlMTgwYTAyNDQ3NWY2ODRkMzc4YWFiZDBmYTk1MGJmMDcifSwicnVuSWQiOnsicCI6ImpyXzJjNDFkMmJmMzY1NGZhZGFhYzkzMjU1ZTY0OTkxOTg2YTE0Yjk2MjIyMTRlNDc4ZGNkOWE0ZTY5N2M3MGZmY2YifSwic3RhcnRlZE9uIjp7Im4iOiIxNjExMjA3MjcwODIyIn19fQ==', 'ResponseMetadata': {'RequestId': '1874370e-***********-40d', 'HTTPStatusCode': 200, 'HTTPHeaders': {'date': 'Fri, 02 Apr 2021 12:54:08 GMT', 'content-type': 'application/x-amz-json-1.1', 'content-length': '6509', 'connection': 'keep-alive', 'x-amzn-requestid': '1874370e-**************40d'}, 'RetryAttempts': 0}}

หมายเหตุ: โค้ดตัวอย่างต้นฉบับเรียก paginate_through_crawlers แทน paginate_through_jobruns — โค้ดข้างต้นได้แก้ไขแล้ว Job Run เก็บประวัติการรันของ job แต่ละครั้ง รวมสถานะ, เวลา, arguments, capacity, logs เป็นต้น