Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Lesen aus Okta-Entitäten
Voraussetzungen
-
Ein Okta-Objekt, aus dem gelesen werden soll. In der folgenden Tabelle mit unterstützten Entitäten können Sie die verfügbaren Entitäten überprüfen.
Unterstützte Entitäten
| Entität | Kann gefiltert werden | Unterstützt Limit | Unterstützt „Sortieren nach“ | Unterstützt „* auswählen“ | Unterstützt Partitionierung |
|---|---|---|---|---|---|
| Anwendungen | Ja | Ja | Nein | Ja | Nein |
| Geräte | Ja | Ja | Nein | Ja | Ja |
| Gruppen | Ja | Ja | Ja | Ja | Ja |
| Benutzer | Ja | Ja | Ja | Ja | Ja |
| Benutzertypen | Nein | Nein | Nein | Ja | Nein |
Beispiel
okta_read = glueContext.create_dynamic_frame.from_options( connection_type="Okta", connection_options={ "connectionName": "connectionName", "ENTITY_NAME": "applications", "API_VERSION": "v1" }
Okta-Entitäts- und Felddetails
Liste der Entitäten:
-
Anwendung: https://developer.okta.com/docs/api/openapi/okta-management/management/tag/Application/
-
Gerät: https://developer.okta.com/docs/api/openapi/okta-management/management/tag/Device/
-
Gruppe: https://developer.okta.com/docs/api/openapi/okta-management/management/tag/Group/
-
Benutzer: https://developer.okta.com/docs/api/openapi/okta-management/management/tag/User/
-
Benutzertyp: https://developer.okta.com/docs/api/openapi/okta-management/management/tag/UserType/
Partitionierung von Abfragen
Die zusätzlichen Spark-Optionen PARTITION_FIELD,LOWER_BOUND, UPPER_BOUND und NUM_PARTITIONS können angegeben werden, wenn Sie Parallelität in Spark nutzen möchten. Mit diesen Parametern würde die ursprüngliche Abfrage in NUM_PARTITIONS Unterabfragen aufgeteilt, die von Spark-Aufgaben gleichzeitig ausgeführt werden können.
-
PARTITION_FIELD: der Name des Feldes, das zur Partitionierung der Abfrage verwendet werden soll. -
LOWER_BOUND: ein inklusiver Untergrenzwert des ausgewählten Partitionsfelds.Als Datum akzeptieren wir das Spark-Datumsformat, das in Spark-SQL-Abfragen verwendet wird. Beispiel für gültige Werte:
"2024-02-06". -
UPPER_BOUND: ein exklusiver Obergrenzwert des ausgewählten Partitionsfelds. -
NUM_PARTITIONS: Anzahl der Partitionen.
Beispiel
okta_read = glueContext.create_dynamic_frame.from_options( connection_type="okta", connection_options={ "connectionName": "connectionName", "ENTITY_NAME": "lastUpdated", "API_VERSION": "v1", "PARTITION_FIELD": "lastMembershipUpdated" "LOWER_BOUND": "2022-08-10T10:28:46.000Z" "UPPER_BOUND": "2024-08-10T10:28:46.000Z" "NUM_PARTITIONS": "10" }