DynamicFrame 类

Apache Spark 中的主要抽象之一是 SparkSQL DataFrame，它类似于在 R 和 Pandas 中找到的 DataFrame 构造。DataFrame 类似于表格，支持函数风格（map/reduce/filter/等）操作和 SQL 操作（select、project、aggregate）。

尽管 DataFrames 功能强大且运用广泛，但在提取、转换和加载 (ETL) 操作方面存在局限性。最明显的是，它们需要指定了架构后才能加载任何数据。SparkSQL 通过对数据进行两次扫描解决了这一问题 – 第一次为了推断架构，第二次为了加载数据。然而，此推断仍有局限性，且不能解决数据混乱的实际问题。例如，同样的字段在不同记录中可能属于不同类型。对此，Apache Spark 通常没有好的办法，只能使用原始字段文本将类型报告为 string。这或许不正确，同时您可能希望更精细地控制解决架构差异的方式。对于大型数据集而言，每扫描一次源数据都会付出高昂代价。

为了解决这些局限性，Amazon Glue 推出了 DynamicFrame。DynamicFrame 类似于 DataFrame，不同之处在于每个记录都是自描述的，因此初始并不需要架构。相反，Amazon Glue 会在需要时实时计算一个架构，并使用选择（或联合）类型显式编码架构不一致之处。您可以解决这些不一致之处，以使您的数据集兼容需要固定架构的数据存储。

同样，一个 DynamicRecord 表示 DynamicFrame 中的一条逻辑记录。它类似于 Spark DataFrame 中的一行，只不过它是自描述的，可用于不符合固定架构的数据。

在解决任何架构不一致问题后，就可以在 DynamicFrames 和 DataFrames 之间来回转换。

init

__init__(jdf, glue_ctx, name)

jdf – 对 Java 虚拟机 (JVM) 中数据帧的引用。
glue_ctx – 一个 GlueContext 类对象。
name – 可选的名称字符串，默认为空。

fromDF

fromDF(dataframe, glue_ctx, name)

通过将 DataFrame 字段转换为 DynamicRecord 字段将 DataFrame 转换为 DynamicFrame。返回新的 DynamicFrame。

一个 DynamicRecord 表示 DynamicFrame 中的一条逻辑记录。它类似于 Spark DataFrame 中的一行，只不过它是自描述的，可用于不符合固定架构的数据。

dataframe – 要转换的 Apache Spark SQL DataFrame (必需)。
glue_ctx – 为此转换指定上下文的 GlueContext 类对象 (必需)。
name – 生成的 DynamicFrame 的名称 (必需)。

toDF

toDF(options)

通过将 DynamicRecords 转换为 DataFrame 字段将 DynamicFrame 转换为 Apache Spark DataFrame。返回新的 DataFrame。

一个 DynamicRecord 表示 DynamicFrame 中的一条逻辑记录。它类似于 Spark DataFrame 中的一行，只不过它是自描述的，可用于不符合固定架构的数据。

options – 一个选项列表。如果您选择 Project 和 Cast 操作类型，则指定目标类型。示例包括以下内容。
```
>>>toDF([ResolveOption("a.b.c", "KeepAsStruct")])
>>>toDF([ResolveOption("a.b.c", "Project", DoubleType())])
```

– 信息 –

计数
Schema
printSchema
Show
Repartition
Coalesce

计数

count( ) – 返回底层 DataFrame 中的行数。

Schema

schema( ) – 返回此 DynamicFrame 的架构，如果此架构不可用，则返回底层 DataFrame 的架构。

printSchema

printSchema( ) – 打印底层 DataFrame 的架构。

Show

show(num_rows) – 打印底层 DataFrame 中的行数。

Repartition

repartition(numPartitions) – 返回具有 numPartitions 个分区的新 DynamicFrame。

Coalesce

coalesce(numPartitions) – 返回具有 numPartitions 个分区的新 DynamicFrame。

– 转换 –

apply_mapping
drop_fields
筛选条件
Join
映射
mergeDynamicFrame
Relationalize
rename_field
resolveChoice
select_fields
Spigot
split_fields
split_rows
Unbox
Unnest
unnest_ddb_json
Write

apply_mapping

apply_mapping(mappings, transformation_ctx="", info="", stageThreshold=0, totalThreshold=0)

将声明映射应用于此 DynamicFrame 并返回已应用那些映射的新的 DynamicFrame。

mappings – 映射元组列表，每个元组包括：(源列，源类型，目标列，目标类型)。必需。
transformation_ctx – 用于标识状态信息的唯一字符串 (可选)。
info – 与此转换的错误报告关联的字符串 (可选)。
stageThreshold – 此转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。
totalThreshold – 此转换之前及转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。

drop_fields

drop_fields(paths, transformation_ctx="", info="", stageThreshold=0, totalThreshold=0)

调用 FlatMap 类转换以从 DynamicFrame 中删除字段。返回指定字段已删除的新的 DynamicFrame。

paths – 字符串列表，每个字符串包含要删除的字段节点的完整路径。
transformation_ctx – 用于标识状态信息的唯一字符串 (可选)。
info – 与此转换的错误报告关联的字符串 (可选)。
stageThreshold – 此转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。
totalThreshold – 此转换之前及转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。

筛选条件

filter(f, transformation_ctx="", info="", stageThreshold=0, totalThreshold=0)

返回通过选择输入 DynamicFrame 内满足指定谓词函数 f 的所有 DynamicRecords 而构建的新的 DynamicFrame

f – 应用到 DynamicFrame 的谓词函数。该函数必须采用 DynamicRecord 作为参数，如果 DynamicRecord 满足筛选要求，则返回 True，否则返回 False (必需)。

一个 DynamicRecord 表示 DynamicFrame 中的一条逻辑记录。它类似于 Spark DataFrame 中的一行，只不过它是自描述的，可用于不符合固定架构的数据。
transformation_ctx – 用于标识状态信息的唯一字符串 (可选)。
info – 与此转换的错误报告关联的字符串 (可选)。
stageThreshold – 此转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。
totalThreshold – 此转换之前及转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。

有关如何使用 filter 转换的示例，请参阅 Filter 类。

Join

join(paths1, paths2, frame2, transformation_ctx="", info="", stageThreshold=0, totalThreshold=0)

执行与另一个 DynamicFrame 的等式联接并返回生成的 DynamicFrame。

paths1 – 此帧中要联接的键列表。
paths2 – 另一帧中要联接的键列表。
frame2 – 要联接的另一个 DynamicFrame。
transformation_ctx – 用于标识状态信息的唯一字符串 (可选)。
info – 与此转换的错误报告关联的字符串 (可选)。
stageThreshold – 此转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。
totalThreshold – 此转换之前及转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。

映射

map(f, transformation_ctx="", info="", stageThreshold=0, totalThreshold=0)

返回由于将指定映射函数应用到原始 DynamicFrame 中的所有记录而产生的新的 DynamicFrame。

f – 应用到 DynamicFrame 中所有记录的映射函数。该函数必须采用 DynamicRecord 作为参数并返回一个新的 DynamicRecord (必需)。

一个 DynamicRecord 表示 DynamicFrame 中的一条逻辑记录。它类似于 Apache Spark DataFrame 中的一行，只不过它是自描述的，可用于不符合固定架构的数据。
transformation_ctx – 用于标识状态信息的唯一字符串 (可选)。
info – 与转换中的错误关联的字符串 (可选)。
stageThreshold – 在转换出错之前可能在其中发生的最大错误数 (可选；默认值为零)。
totalThreshold – 在处理出错之前可能全面发生的最大错误数 (可选；默认值为零)。

有关如何使用 map 转换的示例，请参阅 Map 类。

mergeDynamicFrame

mergeDynamicFrame(stage_dynamic_frame, primary_keys, transformation_ctx = "", options = {}, info = "", stageThreshold = 0, totalThreshold = 0)

基于指定主键的将此 DynamicFrame 与暂存 DynamicFrame 合并以标识记录。不会对重复记录（具有相同主键的记录）去除重复。如果暂存帧中没有匹配的记录，则从源中保留所有记录（包括重复记录）。如果暂存帧具有匹配的记录，则暂存帧中的记录将覆盖 Amazon Glue 中的源中的记录。

stage_dynamic_frame – 要合并的暂存 DynamicFrame。
primary_keys – 要匹配源和暂存动态帧中的记录的主键字段列表。
transformation_ctx – 用于检索有关当前转换的元数据的唯一字符串（可选）。
options – 为此转换提供其他信息的 JSON 名称-值对的字符串。当前未使用此参数。
info – 一个 String。要与此转换中的错误关联的任何字符串。
stageThreshold – 一个 Long。给定转换中处理需要排除的错误的数目。
totalThreshold – 一个 Long。此转换中处理需要排除的错误的总数。

返回通过将此 DynamicFrame 与暂存 DynamicFrame 合并获取的新 DynamicFrame。

在这些情况下，返回的 DynamicFrame 将包含记录 A：

如果 A 在源帧和暂存帧中都存在，则返回暂存帧中的 A。
如果 A 在源表中，且A.primaryKeys 不在 stagingDynamicFrame 中（这意味着，未在暂存表中更新 A）。

源帧和暂存帧不需要具有相同的架构。


merged_frame = source_frame.mergeDynamicFrame(stage_frame, ["id"])

Relationalize

relationalize(root_table_name, staging_path, options, transformation_ctx="", info="", stageThreshold=0, totalThreshold=0)

通过生成由取消嵌套嵌套列和透视数组列而生成的帧列表来关系化 DynamicFrame。可使用在取消嵌套阶段生成的联接键将透视数组列联接到根表。

root_table_name – 根表的名称。
staging_path – 要将 CSV 格式的透视表分区存储到的路径（可选）。从该路径读取透视表。
options – 可选参数的词典。
transformation_ctx – 用于标识状态信息的唯一字符串 (可选)。
info – 与此转换的错误报告关联的字符串 (可选)。
stageThreshold – 此转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。
totalThreshold – 此转换之前及转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。

rename_field

rename_field(oldName, newName, transformation_ctx="", info="", stageThreshold=0, totalThreshold=0)

重命名此 DynamicFrame 中的一个字段并返回包含该重命名字段的新的 DynamicFrame。

oldName – 要重命名的节点的完整路径。

如果旧名称中包含点，则 RenameField 将不起作用，除非使用反引号 (`) 将其引起来。例如，要将 this.old.name 替换为 thisNewName，应按如下方式调用 rename_field。
```
newDyF = oldDyF.rename_field("`this.old.name`", "thisNewName")
```
newName – 新名称，作为完整路径。
transformation_ctx – 用于标识状态信息的唯一字符串 (可选)。
info – 与此转换的错误报告关联的字符串 (可选)。
stageThreshold – 此转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。
totalThreshold – 此转换之前及转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。

resolveChoice

resolveChoice(specs = None, choice = "" , database = None , table_name = None , transformation_ctx="", info="", stageThreshold=0, totalThreshold=0, catalog_id = None)

解析此 DynamicFrame 内的一个选择类型并返回新的 DynamicFrame。

specs – 要解析的特定歧义列表，每个歧义均采用元组形式：(field_path, action)。

可通过两种方式使用 resolveChoice. 第一种是使用 specs 参数指定一系列特定字段以及如何解析它们。resolveChoice 的另一种模式是使用 choice 参数为所有 ChoiceTypes 指定单个解析方法。

specs 的值被指定为由 (field_path, action) 对组成的元组。field_path 值标识特定歧义元素，action 值标识相应解析。可能的操作如下：
- cast:type – 尝试将所有值转换为指定的类型。例如：cast:int。
- make_cols – 将每个不同的类型转换为名为 columnName_type 的列。通过展平数据来解析潜在的歧义。例如，如果 columnA 是 int 或 string，则解析就是在结果 DynamicFrame 中生成名为 columnA_int 和 columnA_string 的两个列。
- make_struct – 使用 struct 表示数据，解析潜在的歧义。例如，如果某个列中的数据是 int 或 string，则使用 make_struct 操作会在结果 DynamicFrame 中生成结构列，而每个结构都同时包含 int 和 string。
- project:type – 将所有数据投影到可能的数据类型之一，解析潜在的歧义。例如，如果某个列中的数据是 int 或 string，则使用 project:string 操作会在结果 DynamicFrame 中生成一个列，其中所有 int 值都已转换为字符串。
如果 field_path 识别到数组，则在数组名称后放置一个空的方括号可避免歧义。例如，假设您正在使用结构如下的数据：
```
"myList": [
  { "price": 100.00 },
  { "price": "$100.00" }
]
```
可以通过将 field_path 设置为 "myList[].price"、将 action 设置为 "cast:double" 来选择价格的数字而非字符串版本。

注意
只能使用 specs 和 choice 参数之一。如果 specs 参数不为 None，则 choice 参数必须为空字符串。反过来，如果 choice 不为空字符串，则 specs 参数必须为 None。
choice – 为所有 ChoiceTypes 指定单个解析方法。这可以在执行前不知道 ChoiceTypes 的完整列表的情况下使用。除了之前为 specs 列出的操作外，此参数还支持以下操作：
- match_catalog – 尝试将每个 ChoiceType 转换为指定数据目录表中的对应类型。
database – 与 match_catalog 操作一起使用的数据目录数据库。
table_name – 与 match_catalog 操作一起使用的数据目录表。
transformation_ctx – 用于标识状态信息的唯一字符串 (可选)。
info – 与此转换的错误报告关联的字符串 (可选)。
stageThreshold – 此转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。
totalThreshold – 此转换之前及转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。
catalog_id – 正在访问的数据目录的目录 ID（数据目录的账户 ID）。如果设置为 None（默认值），它使用调用账户的目录 ID。



df1 = df.resolveChoice(choice = "make_cols")
df2 = df.resolveChoice(specs = [("myList[].price", "make_struct"), ("columnA", "cast:double")])

select_fields

select_fields(paths, transformation_ctx="", info="", stageThreshold=0, totalThreshold=0)

返回包含选定字段的新的 DynamicFrame。

paths – 字符串列表，每个字符串就是一个到您要选择的顶层节点的路径。
transformation_ctx – 用于标识状态信息的唯一字符串 (可选)。
info – 与此转换的错误报告关联的字符串 (可选)。
stageThreshold – 此转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。
totalThreshold – 此转换之前及转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。

Spigot

spigot(path, options={})

在转换期间将示例记录写入指定目标位置，并返回包含一个额外写入步骤的输入 DynamicFrame。

path – 要向其中写入内容的目标位置的路径 (必需)。
options – 指定选项的键值对（可选）。"topk" 选项指定应写入第一条 k 记录。"prob" 选项指定选择任何给定记录的可能性（以十进制数字形式表示），用于选择要写入的记录。
transformation_ctx – 用于标识状态信息的唯一字符串 (可选)。

split_fields

split_fields(paths, name1, name2, transformation_ctx="", info="", stageThreshold=0, totalThreshold=0)

返回一个新的 DynamicFrameCollection，其中包含两个 DynamicFrames：第一个包含所有已拆分的节点，第二个包含其余节点。

paths – 字符串列表，每个字符串是到一个您要拆分为新的 DynamicFrame 的节点的完整路径。
name1 – 拆分的 DynamicFrame 的名称字符串。
name2 – 指定节点拆分后留存的 DynamicFrame 的名称字符串。
transformation_ctx – 用于标识状态信息的唯一字符串 (可选)。
info – 与此转换的错误报告关联的字符串 (可选)。
stageThreshold – 此转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。
totalThreshold – 此转换之前及转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。

split_rows

将 DynamicFrame 中的一个或多个行拆分到新的 DynamicFrame 中。

split_rows(comparison_dict, name1, name2, transformation_ctx="", info="", stageThreshold=0, totalThreshold=0)

返回一个新的 DynamicFrameCollection，其中包含两个 DynamicFrames：第一个包含所有已拆分的行，第二个包含其余行。

comparison_dict – 一个词典，其中的键是到一个列的路径，值是另一个词典，用于将比较器映射到与该列值所比较的值。例如，{"age": {">": 10, "<": 20}} 拆分其年龄列中的值大于 10 但小于 20 的行。
name1 – 拆分的 DynamicFrame 的名称字符串。
name2 – 指定节点拆分后留存的 DynamicFrame 的名称字符串。
transformation_ctx – 用于标识状态信息的唯一字符串 (可选)。
info – 与此转换的错误报告关联的字符串 (可选)。
stageThreshold – 此转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。
totalThreshold – 此转换之前及转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。

Unbox

unbox(path, format, transformation_ctx="", info="", stageThreshold=0, totalThreshold=0, **options)

取消装箱 DynamicFrame 中的一个字符串字段并返回包含已取消装箱 DynamicRecords 的新的 DynamicFrame。

一个 DynamicRecord 表示 DynamicFrame 中的一条逻辑记录。它类似于 Apache Spark DataFrame 中的一行，只不过它是自描述的，可用于不符合固定架构的数据。

path – 要取消装箱的字符串节点的完整路径。
format – 格式规范（可选）。这用于 Amazon Simple Storage Service（Amazon S3）或支持多种格式的 Amazon Glue 连接。有关支持的格式，请参阅 Amazon Glue 中的 ETL 输入和输出的数据格式选项。
transformation_ctx – 用于标识状态信息的唯一字符串 (可选)。
info – 与此转换的错误报告关联的字符串 (可选)。
stageThreshold – 此转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。
totalThreshold – 此转换之前及转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。
options – 下列一个或多个：
- separator – 包含分隔符字符的字符串。
- escaper – 包含转义字符的字符串。
- skipFirst – 指示是否跳过第一个实例的布尔值。
- withSchema – 包含架构的字符串；必须使用 StructType.json( ) 调用。
- withHeader – 指示是否包括标头的布尔值。

例如：unbox("a.b.c", "csv", separator="|")

Unnest

取消嵌套 DynamicFrame 中的嵌套对象，使其成为顶级对象，并返回新的取消嵌套的 DynamicFrame。

unnest(transformation_ctx="", info="", stageThreshold=0, totalThreshold=0)

取消嵌套 DynamicFrame 中的嵌套对象，使其成为顶级对象，并返回新的取消嵌套的 DynamicFrame。

transformation_ctx – 用于标识状态信息的唯一字符串 (可选)。
info – 与此转换的错误报告关联的字符串 (可选)。
stageThreshold – 此转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。
totalThreshold – 此转换之前及转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。

例如：unnest( )

unnest_ddb_json

解除 DynamicFrame 中的嵌套列，其具体位于 DynamoDB JSON 结构中，并返回一个新的非嵌套 DynamicFrame。属于结构类型数组的列将不会被解除嵌套。请注意，这是一种特定类型的非嵌套转换，其行为与常规 unnest 转换不同，并且要求数据已存在于 DynamoDB JSON 结构中。有关更多信息，请参阅 DynamoDB JSON。

unnest_ddb_json(transformation_ctx="", info="", stageThreshold=0, totalThreshold=0)

transformation_ctx – 用于标识状态信息的唯一字符串 (可选)。
info – 与此转换的错误报告关联的字符串 (可选)。
stageThreshold – 此转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。
totalThreshold – 此转换之前及转换过程中遇到的将导致过程出错的错误数 (可选，默认为零，表示此过程应该不会出错)。

例如，使用 DynamoDB JSON 结构读取导出的架构可能如下所示：


root
|-- Item: struct
|    |-- ColA: struct
|    |    |-- S: string
|    |-- ColB: struct
|    |    |-- S: string
|    |-- ColC: struct
|    |    |-- N: string
|    |-- ColD: struct
|    |    |-- L: array
|    |    |    |-- element: null

unnest_ddb_json() 转换会将此转换为：


root
|-- ColA: string
|-- ColB: string
|-- ColC: string
|-- ColD: array    
|    |-- element: null

以下代码示例演示了如何使用 Amazon Glue DynamoDB 导出连接器、调用 DynamoDB JSON 解除嵌套命令，以及打印分区数量：


import sys
from pyspark.context import SparkContext
from awsglue.context import GlueContext
from awsglue.job import Job
from awsglue.utils import getResolvedOptions

args = getResolvedOptions(sys.argv, ["JOB_NAME"])
glue_context= GlueContext(SparkContext.getOrCreate())
job = Job(glue_context)
job.init(args["JOB_NAME"], args)

dyf = glue_context.create_dynamic_frame.from_options(
    connection_type="dynamodb",
    connection_options={
        "dynamodb.export": "ddb",
        "dynamodb.tableArn": "<test_source>",
        "dynamodb.s3.bucket": "<bucket name>",
        "dynamodb.s3.prefix": "<bucket prefix>",
        "dynamodb.s3.bucketOwner": "<account_id>",
    }
)
unnested = dynamicFrame.unnest_ddb_json()
print(unnested.getNumPartitions())

job.commit()

Write

write(connection_type, connection_options, format, format_options, accumulator_size)

从此 DynamicFrame 的 GlueContext 类获得指定连接类型的 DataSink(object) 并将其用于格式化和写入此 DynamicFrame 的内容。返回按指定进行格式化和写入的新的 DynamicFrame。

connection_type – 要使用的连接类型。有效值包括 s3、mysql、postgresql、redshift、sqlserver 和 oracle。
connection_options – 要使用的连接选项（可选）。对于 connection_type 的 s3，将会定义 Amazon S3 路径。
```
connection_options = {"path": "s3://aws-glue-target/temp"}
```
对于 JDBC 连接，必须定义多个属性。请注意，数据库名称必须是 URL 的一部分。它可以选择性地包含在连接选项中。
```
connection_options = {"url": "jdbc-url/database", "user": "username", "password": "password","dbtable": "table-name", "redshiftTmpDir": "s3-tempdir-path"} 
```
format – 格式规范（可选）。这用于 Amazon Simple Storage Service（Amazon S3）或支持多种格式的 Amazon Glue 连接。有关支持的格式，请参阅 Amazon Glue 中的 ETL 输入和输出的数据格式选项。
format_options – 指定格式的格式选项。有关支持的格式，请参阅 Amazon Glue 中的 ETL 输入和输出的数据格式选项。
accumulator_size – 要使用的可累积大小 (可选)。

– 错误 –

assertErrorThreshold
errorsAsDynamicFrame
errorsCount
stageErrorsCount

assertErrorThreshold

assertErrorThreshold( ) – 创建此 DynamicFrame 的转换中的错误的资产。从底层 DataFrame 返回 Exception。

errorsAsDynamicFrame

errorsAsDynamicFrame( ) – 返回其中包含嵌套的错误记录的 DynamicFrame。

errorsCount

errorsCount( ) – 返回 DynamicFrame 中的错误总数。

stageErrorsCount

stageErrorsCount – 返回生成此 DynamicFrame 的过程中发生的错误数。

Javascript 在您的浏览器中被禁用或不可用。

要使用 Amazon Web Services 文档，必须启用 Javascript。请参阅浏览器的帮助页面以了解相关说明。

类型

DynamicFrameCollection