我的理解是AWS Glue中的Dev Endpoints可用于迭代开发代码，然后将其部署到Glue作业。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集群需要几分钟时间。但是，在Glue中使用Python shell而不是Spark时，我发现存在差异。 Import pg在我使用Sagemaker JupyterLab Python笔记本创建的Dev Endpoint中不起作用，但在使用Python shell创建作业时在AWS Glue中工作。 Glue中存在的dev端点中是否应该存在相同的库？如果你不能在两个地方重现相同的代码（开发端点和胶水作业），那么拥有一个开发端点有什么意义呢？
首先，Python shell作业不会在后端启动Hadooo Cluster，因为它不会为您的作业提供Spark环境。其次，由于PyGreSQL不是用纯Python编写的，它不适用于Glue的本机环境（Glue Spark Job，Dev端点等）。第三，Python Shell对某些内置包有额外的支持。
因此，我没有看到使用DevEndpoint进行Python Shell作业的重点。