如何判断Python脚本运行在Glue Job环境还是Jupyter Notebook中

以下几种方案均可实现环境自动判断，脚本导出后无需手动修改即可直接部署到Glue Job运行。

方案1：异常捕获法（最稳妥，兼容性最高） #

核心逻辑：Glue Job运行时会自动传入--JOB_NAME等预设参数，调用getResolvedOptions不会报错；而Notebook开发环境没有这些参数，调用会抛出异常，直接捕获异常跳过对应逻辑即可。
完整代码示例：

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

SC = SparkContext.getOrCreate()
GC = GlueContext(SC)
job = None

# 自动识别环境执行初始化
try:
    args = getResolvedOptions(sys.argv, ['JOB_NAME'])
    job = Job(GC)
    job.init(args['JOB_NAME'], args)
    print("当前运行在Glue Job环境，初始化完成")
except Exception:
    print("当前运行在开发环境，跳过Glue Job初始化逻辑")

优点：

• 适配所有版本的Glue运行环境，不需要维护额外判断规则
• 代码导出后可直接部署，无需任何修改
• 兼容性最高，不会因为自定义参数或环境变量修改出现误判

方案2：参数特征判断 #

核心逻辑：Glue Job运行时sys.argv会自动携带--JOB_NAME参数，直接判断参数是否存在即可。
代码示例：

is_glue_job = '--JOB_NAME' in sys.argv
if is_glue_job:
    args = getResolvedOptions(sys.argv, ['JOB_NAME'])
    job = Job(GC)
    job.init(args['JOB_NAME'], args)

优点：逻辑直观，没有异常捕获的额外开销
注意事项：如果在Notebook中手动给sys.argv添加了--JOB_NAME参数会导致判断失效，适合没有自定义修改sys.argv的场景。

方案3：环境变量判断 #

核心逻辑：Glue Job运行时会自动注入多个专属环境变量，比如AWS_GLUE_JOB_RUN_ID、AWS_GLUE_JOB_NAME，直接判断环境变量是否存在即可。
代码示例：

import os
is_glue_job = os.getenv('AWS_GLUE_JOB_RUN_ID') is not None
if is_glue_job:
    args = getResolvedOptions(sys.argv, ['JOB_NAME'])
    job = Job(GC)
    job.init(args['JOB_NAME'], args)

优点：不受sys.argv修改影响，判断逻辑更独立。

内容的提问来源于stack exchange，提问作者Maurice