parent
2df926da12
commit
07be81bace
@ -0,0 +1,7 @@
|
|||||||
|
"""
|
||||||
|
This namespace/package is intended to handle read/writes against data warehouse solutions like :
|
||||||
|
- apache iceberg
|
||||||
|
- clickhouse (...)
|
||||||
|
"""
|
||||||
|
|
||||||
|
from . import iceberg
|
@ -0,0 +1,98 @@
|
|||||||
|
from pyspark.sql import SparkSession
|
||||||
|
import copy
|
||||||
|
|
||||||
|
class Iceberg :
|
||||||
|
def __init__(self,**_args):
|
||||||
|
"""
|
||||||
|
providing catalog meta information (you must get this from apache iceberg)
|
||||||
|
"""
|
||||||
|
#
|
||||||
|
# @TODO:
|
||||||
|
# Make arrangements for additional configuration elements
|
||||||
|
#
|
||||||
|
self._session = SparkSession.builder.getOrCreate()
|
||||||
|
self._catalog = self._session.catalog
|
||||||
|
self._table = _args['table'] if 'table' in _args else None
|
||||||
|
|
||||||
|
if 'catalog' in _args :
|
||||||
|
#
|
||||||
|
# Let us set the default catalog
|
||||||
|
self._catalog.setCurrentCatalog(_args['catalog'])
|
||||||
|
|
||||||
|
else:
|
||||||
|
# No current catalog has been set ...
|
||||||
|
pass
|
||||||
|
if 'database' in _args :
|
||||||
|
self._database = _args['database']
|
||||||
|
self._catalog.setCurrentDatabase(self._database)
|
||||||
|
else:
|
||||||
|
#
|
||||||
|
# Should we set the default as the first one if available ?
|
||||||
|
#
|
||||||
|
pass
|
||||||
|
self._catalogName = self._catalog.currentCatalog()
|
||||||
|
self._databaseName = self._catalog.currentDatabase()
|
||||||
|
def meta (self,**_args) :
|
||||||
|
"""
|
||||||
|
This function should return the schema of a table (only)
|
||||||
|
"""
|
||||||
|
_schema = []
|
||||||
|
try:
|
||||||
|
_tableName = self._getPrefix(**_args) + f".{_args['table']}"
|
||||||
|
print (_tableName)
|
||||||
|
_tmp = self._session.table(_tableName).schema
|
||||||
|
_schema = _tmp.jsonValue()['fields']
|
||||||
|
for _item in _schema :
|
||||||
|
del _item['nullable'],_item['metadata']
|
||||||
|
except Exception as e:
|
||||||
|
|
||||||
|
pass
|
||||||
|
return _schema
|
||||||
|
def _getPrefix (self,**_args):
|
||||||
|
_catName = self._catalogName if 'catalog' not in _args else _args['catalog']
|
||||||
|
_datName = self._databaseName if 'database' not in _args else _args['database']
|
||||||
|
|
||||||
|
return '.'.join([_catName,_datName])
|
||||||
|
|
||||||
|
def has (self,**_args):
|
||||||
|
try:
|
||||||
|
_prefix = self._getPrefix(**_args)
|
||||||
|
if _prefix.endswith('.') :
|
||||||
|
return False
|
||||||
|
return _args['table'] in [_item.name for _item in self._catalog.listTables(_prefix)]
|
||||||
|
except Exception as e:
|
||||||
|
print (e)
|
||||||
|
return False
|
||||||
|
def apply(self,sql):
|
||||||
|
pass
|
||||||
|
class Reader(Iceberg) :
|
||||||
|
def __init__(self,**_args):
|
||||||
|
super().__init__(**_args)
|
||||||
|
def read(self,**_args):
|
||||||
|
_table = self._table
|
||||||
|
_prefix = self._getPrefix(**_args)
|
||||||
|
if 'table' in _args or _table:
|
||||||
|
_table = _args['table'] if 'table' in _args else _table
|
||||||
|
_table = _prefix + f'.{_table}'
|
||||||
|
return self._session.table(_table).toPandas()
|
||||||
|
else:
|
||||||
|
sql = _args['sql']
|
||||||
|
return self._session.sql(sql).toPandas()
|
||||||
|
pass
|
||||||
|
class Writer (Iceberg):
|
||||||
|
"""
|
||||||
|
Writing data to an Apache Iceberg data warehouse (using pyspark)
|
||||||
|
"""
|
||||||
|
def __init__(self,**_args):
|
||||||
|
super().__init__(**_args)
|
||||||
|
self._mode = 'append'
|
||||||
|
self._table = None if 'table' not in _args else _args['table']
|
||||||
|
def write(self,_data,**_args):
|
||||||
|
_prefix = self._getPrefix(**_args)
|
||||||
|
if 'table' not in _args and not self._table :
|
||||||
|
raise Exception (f"Table Name should be specified for catalog/database {_prefix}")
|
||||||
|
rdd = self._session.createDataFrame(_data)
|
||||||
|
_mode = self._mode if 'mode' not in _args else _args['mode']
|
||||||
|
_table = self._table if 'table' not in _args else _args['table']
|
||||||
|
_table = f'{_prefix}.{_table}'
|
||||||
|
rdd.write.format('iceberg').mode(self._mode).save(_table)
|
Loading…
Reference in new issue