Amazon web services AWS Glue与其开发端点之间存在差异

我的理解是AWS Glue中的开发端点可以用于迭代开发代码，然后将其部署到Glue作业中。我发现这在开发Spark作业时特别有用，因为每次运行作业时，在后台启动Hadoop集群都需要几分钟的时间。然而，当在Glue而不是Spark中使用Python shell时，我看到了一个差异<代码>导入pg在我使用Sagemaker JupyterLab Python notebook创建的开发端点中不起作用，但在我使用Python shell创建作业时在AWS Glue中起作用。dev端点中不应该存在与Glue中相同的库吗？如果不能在两个位置（开发端点和粘合作业）复制相同的代码，那么拥有开发端点有什么意义呢？

首先，Python shell作业不会在后端启动Hadooo集群，因为它不会为作业提供Spark环境。 其次，由于PyGreSQL不是用纯Python编写的，因此它不能与Glue的本机环境（Glue Spark作业、开发端点等）一起工作 第三，pythonshell对某些内置包有额外的支持

---

因此，我不认为在Python Shell作业中使用DevEndpoint有什么意义。

首先，Python Shell作业不会在后端启动Hadoo集群，因为它不会为作业提供Spark环境。 其次，由于PyGreSQL不是用纯Python编写的，因此它不能与Glue的本机环境（Glue Spark作业、开发端点等）一起工作 第三，pythonshell对某些内置包有额外的支持

因此，我不认为在Python Shell作业中使用DevEndpoint有什么意义