Lecture à partir d’entités Slack - AWS Glue

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Lecture à partir d’entités Slack

Prérequis

  • Un objet Slack à partir duquel vous souhaitez lire.

Entités prises en charge

Entité Peut être filtré Limit prise en charge Order by prise en charge Select prise en charge* Partitionnement pris en charge
conversations Oui Oui Non Oui Oui

Exemple

slack_read = glueContext.create_dynamic_frame.from_options( connection_type="slack", connection_options={ "connectionName": "connectionName", "ENTITY_NAME": "conversations/C058W38R5J8" } )

Détails des entités et des champs Slack

Entité Champ Type de données Opérateurs pris en charge
conversationsattachmentsListeNA
conversationsbot_idChaîneNA
conversationsBlocs deListeNA
conversationsclient_msg_idChaîneNA
conversationsis_starredBooléenNA
conversationslast_readChaîneNA
conversationslatest_replyChaîneNA
conversationsreactionsListeNA
conversationsrepliesListeNA
conversationsreply_countEntierNA
conversationsreply_usersListeNA
conversationsreply_users_countEntierNA
conversationssubscribedBooléenNA
conversationssubtypeChaîneNA
conversationstextChaîneNA
conversationsteamChaîneNA
conversationsthread_tsChaîneNA
conversationstsChaîneEQUAL_TO, BETWEEN, LESS_THAN, LESS_THAN_OR_EQUAL_TO, GREATER_THAN, GREATER_THAN_OR_EQUAL_TO
conversationstypeChaîneNA
conversationsutilisateurChaîneNA
conversationsinviterChaîneNA
conversationsracineStructNA
conversationsis_lockedBooléenNA
conversationsfilesListeNA
conversationssalleStructNA
conversationschargerBooléenNA
conversationsdisplay_as_botBooléenNA
conversationschannelChaîneNA
conversationsno_notificationsBooléenNA
conversationspermalinkChaîneNA
conversationspinned_toListeNA
conversationspinned_infoStructNA
conversationseditedStructNA
conversationsapp_idChaîneNA
conversationsbot_profileStructNA
conversationsmétadonnéesStructNA

Requêtes de partitionnement

Les options Spark supplémentaires PARTITION_FIELD, LOWER_BOUND, UPPER_BOUND et NUM_PARTITIONS peuvent être indiquées si vous souhaitez utiliser la simultanéité dans Spark. Avec ces paramètres, la requête d’origine serait divisée en NUM_PARTITIONS nombres de sous-requêtes pouvant être exécutées simultanément par les tâches Spark.

  • PARTITION_FIELD : le nom du champ à utiliser pour partitionner la requête.

  • LOWER_BOUND : une valeur limite inférieure inclusive du champ de partition choisi.

    Pour le champ Date, nous acceptons le format de date Spark utilisé dans les requêtes SQL Spark. Exemple de valeur valide : "2024-07-01T00:00:00.000Z".

  • UPPER_BOUND : une valeur limite supérieure exclusive du champ de partition choisi.

  • NUM_PARTITIONS : nombre de partitions.

Les détails relatifs à la prise en charge des champs de partitionnement par entité sont présentés dans le tableau ci-dessous.

Nom de l’entité Champ de partitionnement Type de données
conversations ts Chaîne

Exemple

slack_read = glueContext.create_dynamic_frame.from_options( connection_type="slack", connection_options={ "connectionName": "connectionName", "ENTITY_NAME": "conversations/C058W38R5J8", "PARTITION_FIELD": "ts" "LOWER_BOUND": "2022-12-01T00:00:00.000Z" "UPPER_BOUND": "2024-09-23T15:00:00.000Z" "NUM_PARTITIONS": "2" } )