从Redshi将大于内存的数据加载到bcolz

Question

我想在本地保存一个redshift查询的输出。我曾经尝试过使用blaze/odo，但在默认设置下，在写入数据之前尝试将所有数据加载到内存中，并尝试流式传输数据，这会引发其他错误，描述了另一个问题：Streaming results with Blaze and SqlAlchemy

因为这个问题没有任何答案，我正在寻找另一种方法。在

从Redshift将大于内存的查询结果加载到bcolz的一种简单、可靠且合理有效的方法是什么？

Answer 1

我知道这是一个古老的问题，但如果有同样问题的人偶然发现了这个问题，我会回答它以帮助你。我想你用火焰来访问红班。您必须在某个列上分区表，并反复执行，如：

import blaze as bz
table = bz.Data('postgresql://server@example.com::table_name')
val_list = bz.odo(table['column_name'].distinct(), list)
np_dtype = table.schema[0].to_numpy_dtype()
for val in val_list:
    table_partition = table[table['column_name'] == val]
    partition_len = int(table_partition.count())
    bcolz.fromiter(table_partition, np_dtype, partition_len,
                   rootdir='rootdir_for_partition', mode='w',
                   cparams=compression_params)

而且比使用bcolz.步行迭代迭代结果。