Download to read offline
![JAWS DAYS 2022
© 2022, Amazon Web Services, Inc. or its affiliates.
CSVファイルをJSONに変換したい
4
import pandas as pd
df = pd.read_csv("s3://amazon-reviews-pds/tsv/sample_us.tsv", sep='t')
df.to_json("sample_us.json")
import json
import csv
import s3fs
json_list = []
json_data = {}
fs = s3fs.S3FileSystem(anon=True)
with fs.open('amazon-reviews-pds/tsv/sample_us.tsv', 'r') as f:
for line in csv.DictReader(f, delimiter='t’):
json_list.append(line)
json_data["data"] = json_list
with open('sample_us.json', 'w') as f:
json.dump(json_data, f)](https://image.slidesharecdn.com/01sparkonawssekiyama-221024001611-c092c56f/85/5-Apache-Spark-on-AWS-4-320.jpg)
![JAWS DAYS 2022
© 2022, Amazon Web Services, Inc. or its affiliates.
CSVファイルをJSONに変換したい
4
import pandas as pd
df = pd.read_csv("s3://amazon-reviews-pds/tsv/sample_us.tsv", sep='t')
df.to_json("sample_us.json")
import json
import csv
import s3fs
json_list = []
json_data = {}
fs = s3fs.S3FileSystem(anon=True)
with fs.open('amazon-reviews-pds/tsv/sample_us.tsv', 'r') as f:
for line in csv.DictReader(f, delimiter='t’):
json_list.append(line)
json_data["data"] = json_list
with open('sample_us.json', 'w') as f:
json.dump(json_data, f)](https://image.slidesharecdn.com/01sparkonawssekiyama-221024001611-c092c56f/75/5-Apache-Spark-on-AWS-4-2048.jpg)
Uploaded byNoritaka Sekiyama
5分ではじめるApache Spark on AWS
JAWSDAYS 2022の"AWS SA/エキスパート怒濤のLTチャレンジ"で発表したSpark on AWSのLTです。
5分ではじめるApache Spark on AWS
- 1. JAWS DAYS 2022 ©2022, Amazon Web Services, Inc. or its affiliates. © 2022, Amazon Web Services, Inc. or its affiliates. 5分ではじめる Spark on AWS Noritaka Sekiyama Principal Big Data Architect, AWS Glue
- 2. JAWS DAYS 2022 ©2022, Amazon Web Services, Inc. or its affiliates. 関山 宜孝 Principal Big Data Architect, AWS Glue • 5年間 AWS サポートにて技術支援を担当 • 2019年からGlue開発チームにジョイン @moomindani moomindani
- 3. JAWS DAYS 2022 ©2022, Amazon Web Services, Inc. or its affiliates. こんなことありませんか？ 3 CSVファイルを JSONに変換したい ファイルから文字列を 検索・集計したい データベースからデータを 抽出してファイルに書き出したい CSV ファイルを 特定のカラムでソートしたい Amazon S3 上のデータを Amazon DynamoDB に移動したい
- 4. JAWS DAYS 2022 ©2022, Amazon Web Services, Inc. or its affiliates. CSVファイルをJSONに変換したい 4 import pandas as pd df = pd.read_csv("s3://amazon-reviews-pds/tsv/sample_us.tsv", sep='t') df.to_json("sample_us.json") import json import csv import s3fs json_list = [] json_data = {} fs = s3fs.S3FileSystem(anon=True) with fs.open('amazon-reviews-pds/tsv/sample_us.tsv', 'r') as f: for line in csv.DictReader(f, delimiter='t’): json_list.append(line) json_data["data"] = json_list with open('sample_us.json', 'w') as f: json.dump(json_data, f)
- 5. JAWS DAYS 2022 ©2022, Amazon Web Services, Inc. or its affiliates. CSVファイルをJSONに変換したい 5 データサイズ 圧縮形式 処理時間 15 KB 非圧縮 2 秒 442 MB gzip 719 秒 2.7 GB gzip 5336 秒 • Macbook Pro 2019, Python 3.7.2 • Pandas による CSV->JSON 変換 • us-east-1 上の S3 バケット (Public Dataset) を使用
- 6. JAWS DAYS 2022 ©2022, Amazon Web Services, Inc. or its affiliates. データが大きいと・・・？ 6 100GBのCSVファイルを JSONに変換したい 1TBのファイルから文字列を 検索・集計したい データベースから1TBのデータを 抽出してファイルに書き出したい 100GBのCSV ファイルを 特定のカラムでソートしたい Amazon S3 上の1TBのデータを Amazon DynamoDB に移動したい
- 7. JAWS DAYS 2022 ©2022, Amazon Web Services, Inc. or its affiliates. AWS で分散処理！ 7 AWS Glue Amazon Athena Amazon EMR Amazon Redshift
- 8. JAWS DAYS 2022 ©2022, Amazon Web Services, Inc. or its affiliates. AWS で分散処理！ 8 Amazon Athena Amazon EMR Amazon Redshift AWS Glue
- 9. JAWS DAYS 2022 ©2022, Amazon Web Services, Inc. or its affiliates. 9
- 10. JAWS DAYS 2022 ©2022, Amazon Web Services, Inc. or its affiliates. 10
- 11. JAWS DAYS 2022 ©2022, Amazon Web Services, Inc. or its affiliates. 11
- 12. JAWS DAYS 2022 ©2022, Amazon Web Services, Inc. or its affiliates. 12
- 13. JAWS DAYS 2022 ©2022, Amazon Web Services, Inc. or its affiliates. 13
- 14. JAWS DAYS 2022 ©2022, Amazon Web Services, Inc. or its affiliates. 14
- 15. JAWS DAYS 2022 ©2022, Amazon Web Services, Inc. or its affiliates. Thank you! © 2022, Amazon Web Services, Inc. or its affiliates. Noritaka Sekiyama @moomindani moomindani
Editor's Notes
- #3 AWS Glue, Lake Formation チームの関山と申します。 ビッグデータアーキテクトとしてプロダクトチームで働いており、データレイクに関するサービスサイドの開発や、グローバルのお客様の技術支援を担当しています。 また、先日は「AWSではじめるデータレイクという本」を出版したり、GitHub awslabs にてライブラリやツールなども提供したりもしておりますので、よろしければご覧ください。