Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Lavorare con le tabelle Iceberg utilizzando PyIceberg
Questa sezione spiega come è possibile interagire con le tabelle Iceberg utilizzando. [PyIceberg](https://py.iceberg.apache.org/) [Gli esempi forniti sono codice standard che puoi eseguire su EC2 istanze, [AWS Lambda](https://aws.amazon.com/lambda/)funzioni di [Amazon Linux 2023](https://aws.amazon.com/linux/amazon-linux-2023/) o qualsiasi ambiente [Python](https://www.python.org/) con credenziali configurate correttamente.AWS](https://docs.aws.amazon.com/IAM/latest/UserGuide/security-creds.html)
## Prerequisiti
**Nota**
[PyIceberg Questi](https://github.com/apache/iceberg/releases/tag/apache-iceberg-1.9.1) esempi utilizzano la versione 1.9.1.
Con cui lavorare PyIceberg, è necessario PyIceberg e AWS SDK per Python (Boto3) installato. Ecco un esempio di come è possibile configurare un ambiente virtuale Python con PyIceberg cui lavorare e: AWS Glue Data Catalog
1. Scarica [PyIceberg](https://pypi.org/project/pyiceberg/)utilizzando il programma di installazione del [pacchetto pip python](https://pypi.org/project/pip/). Hai anche bisogno di [Boto3](https://boto3.amazonaws.com/v1/documentation/api/latest/index.html) con cui interagire. Servizi AWS Puoi configurare un ambiente virtuale Python locale da testare usando questi comandi:
```
python3 -m venv my_env
cd my_env/bin/
source activate
pip install "pyiceberg[pyarrow,pandas,glue]"
pip install boto3
```
1. Esegui `python` per aprire la shell Python e testare i comandi.
## Connessione al Data Catalog
Per iniziare a utilizzare le tabelle Iceberg in AWS Glue, devi prima connetterti a. AWS Glue Data Catalog
[La `load_catalog` funzione inizializza una connessione al Data Catalog creando un oggetto di catalogo che funge da interfaccia principale per tutte le operazioni di Iceberg:](https://py.iceberg.apache.org/reference/pyiceberg/catalog/)
```
from pyiceberg.catalog import load_catalog
region = "us-east-1"
glue_catalog = load_catalog(
'default',
**{
'client.region': region
},
type='glue'
)
```
## Elencare e creare database
Per elencare i database esistenti, usa la `list_namespaces` funzione:
```
databases = glue_catalog.list_namespaces()
print(databases)
```
Per creare un nuovo database, usa la `create_namespace` funzione:
```
database_name="mydb"
s3_db_path=f"s3://amzn-s3-demo-bucket/{database_name}"
glue_catalog.create_namespace(database_name, properties={"location": s3_db_path})
```
## Creazione e scrittura di tabelle Iceberg
### Tabelle non partizionate
Ecco un esempio di creazione di una tabella Iceberg non partizionata utilizzando la funzione: `create_table`
```
from pyiceberg.schema import Schema
from pyiceberg.types import NestedField, StringType, DoubleType
database_name="mydb"
table_name="pyiceberg_table"
s3_table_path=f"s3://amzn-s3-demo-bucket/{database_name}/{table_name}"
schema = Schema(
NestedField(1, "city", StringType(), required=False),
NestedField(2, "lat", DoubleType(), required=False),
NestedField(3, "long", DoubleType(), required=False),
)
glue_catalog.create_table(f"{database_name}.{table_name}", schema=schema, location=s3_table_path)
```
Puoi usare la `list_tables` funzione per controllare l'elenco delle tabelle all'interno di un database:
```
tables = glue_catalog.list_tables(namespace=database_name)
print(tables)
```
Puoi usare la `append` funzione e PyArrow inserire dati all'interno di una tabella Iceberg:
```
import pyarrow as pa
df = pa.Table.from_pylist(
[
{"city": "Amsterdam", "lat": 52.371807, "long": 4.896029},
{"city": "San Francisco", "lat": 37.773972, "long": -122.431297},
{"city": "Drachten", "lat": 53.11254, "long": 6.0989},
{"city": "Paris", "lat": 48.864716, "long": 2.349014},
],
)
table = glue_catalog.load_table(f"{database_name}.{table_name}")
table.append(df)
```
### Tabelle partizionate
Ecco un esempio di creazione di una tabella Iceberg [partizionata](https://iceberg.apache.org/docs/1.4.0/partitioning/) con [partizionamento nascosto utilizzando](https://iceberg.apache.org/docs/1.4.0/partitioning/#icebergs-hidden-partitioning) la funzione e: `create_table` `PartitionSpec`
```
from pyiceberg.schema import Schema
from pyiceberg.types import (
NestedField,
StringType,
FloatType,
DoubleType,
TimestampType,
)
# Define the schema
schema = Schema(
NestedField(field_id=1, name="datetime", field_type=TimestampType(), required=True),
NestedField(field_id=2, name="drone_id", field_type=StringType(), required=True),
NestedField(field_id=3, name="lat", field_type=DoubleType(), required=False),
NestedField(field_id=4, name="lon", field_type=DoubleType(), required=False),
NestedField(field_id=5, name="height", field_type=FloatType(), required=False),
)
from pyiceberg.partitioning import PartitionSpec, PartitionField
from pyiceberg.transforms import DayTransform
partition_spec = PartitionSpec(
PartitionField(
source_id=1, # Refers to "datetime"
field_id=1000,
transform=DayTransform(),
name="datetime_day"
)
)
database_name="mydb"
partitioned_table_name="pyiceberg_table_partitioned"
s3_table_path=f"s3://amzn-s3-demo-bucket/{database_name}/{partitioned_table_name}"
glue_catalog.create_table(
identifier=f"{database_name}.{partitioned_table_name}",
schema=schema,
location=s3_table_path,
partition_spec=partition_spec
)
```
È possibile inserire dati in una tabella partizionata allo stesso modo in cui si inserisce una tabella non partizionata. Il partizionamento viene gestito automaticamente.
```
from datetime import datetime
arrow_schema = pa.schema([
pa.field("datetime", pa.timestamp("us"), nullable=False),
pa.field("drone_id", pa.string(), nullable=False),
pa.field("lat", pa.float64()),
pa.field("lon", pa.float64()),
pa.field("height", pa.float32()),
])
data = [
{
"datetime": datetime(2024, 6, 1, 12, 0, 0),
"drone_id": "drone_001",
"lat": 52.371807,
"lon": 4.896029,
"height": 120.5,
},
{
"datetime": datetime(2024, 6, 1, 12, 5, 0),
"drone_id": "drone_002",
"lat": 37.773972,
"lon": -122.431297,
"height": 150.0,
},
{
"datetime": datetime(2024, 6, 2, 9, 0, 0),
"drone_id": "drone_001",
"lat": 53.11254,
"lon": 6.0989,
"height": 110.2,
},
{
"datetime": datetime(2024, 6, 2, 9, 30, 0),
"drone_id": "drone_003",
"lat": 48.864716,
"lon": 2.349014,
"height": 145.7,
},
]
df = pa.Table.from_pylist(data, schema=arrow_schema)
table = glue_catalog.load_table(f"{database_name}.{partitioned_table_name}")
table.append(df)
```
## Lettura dei dati
È possibile utilizzare la PyIceberg `scan` funzione per leggere i dati dalle tabelle Iceberg. È possibile filtrare righe, selezionare colonne specifiche e limitare il numero di record restituiti.
```
table= glue_catalog.load_table(f"{database_name}.{table_name}")
scan_df = table.scan(
row_filter=(
f"city = 'Amsterdam'"
),
selected_fields=("city", "lat"),
limit=100,
).to_pandas()
print(scan_df)
```
## Eliminazione di dati
La PyIceberg `delete` funzione consente di rimuovere i record dalla tabella utilizzando un`delete_filter`:
```
table = glue_catalog.load_table(f"{database_name}.{table_name}")
table.delete(delete_filter="city == 'Paris'")
```
## Accesso ai metadati
PyIceberg fornisce diverse funzioni per accedere ai metadati delle tabelle. Ecco come è possibile visualizzare le informazioni sulle istantanee delle tabelle:
```
#List of snapshots
table.snapshots()
#Current snapshot
table.current_snapshot()
#Take a previous snapshot
second_last_snapshot_id=table.snapshots()[-2].snapshot_id
print(f"Second last SnapshotID: {second_last_snapshot_id}")
```
Per un elenco dettagliato dei metadati disponibili, consulta la sezione di riferimento al codice [dei metadati](https://py.iceberg.apache.org/reference/pyiceberg/table/metadata/) della documentazione. PyIceberg
## Usare il viaggio nel tempo
È possibile utilizzare le istantanee delle tabelle per viaggiare nel tempo per accedere agli stati precedenti della tabella. Ecco come visualizzare lo stato della tabella prima dell'ultima operazione:
```
second_last_snapshot_id=table.snapshots()[-2].snapshot_id
time_travel_df = table.scan(
limit=100,
snapshot_id=second_last_snapshot_id
).to_pandas()
print(time_travel_df)
```
Per un elenco completo delle funzioni disponibili, consulta la documentazione dell'[API PyIceberg Python](https://py.iceberg.apache.org/api/).