Leitura de entidades do Pipedrive - AWS Glue
Particionamento de consultas

Leitura de entidades do Pipedrive

Pré-requisitos

  • Um objeto do Pipedrive do qual você deseja ler. Consulte a tabela de entidades compatíveis abaixo para verificar as entidades disponíveis.

Entidades compatíveis

Entidade Pode ser filtrada Oferece suporte a limite Oferece suporte a Ordenar por Oferece suporte a Selecionar * Oferece suporte a particionamento
Atividades Sim Sim Não Sim Sim
Tipo de atividade Não Não Não Sim Não
Logs de chamadas Não Não Não Sim Não
Moedas Sim Sim Não Sim Não
Ofertas Sim Sim Sim Sim Sim
Leads Sim Sim Sim Sim Não
Fontes de leads Não Sim Não Sim Não
Rótulos de leads Não Não Não Não Não
Observações Sim Sim Sim Sim Sim
Organização Sim Sim Não Sim Sim
Conjuntos de permissões Sim Não Não Sim Não
Pessoas Sim Sim Sim Sim Sim
Pipelines Não Sim Não Sim Não
Produtos Sim Sim Não Sim Sim
Perfis Não Sim Não Sim Não
Estágios Sim Sim Não Sim Não
Usuários Não Não Não Sim Não

Exemplo 

pipedrive_read= glueContext.create_dynamic_frame.from_options(
    connection_type="PIPEDRIVE",
    connection_options={
        "connectionName": "connectionName",
        "ENTITY_NAME": "activites",
        "API_VERSION": "v1"
    }

Detalhes das entidades e dos campos do Pipedrive

Lista de entidades:

Entidade Tipo de dado Operadores com suporte
Atividades, Ofertas, Observações, Organização, Pessoas e Produtos. Data '='
Inteiro '='
String '='
Booleano '='

Particionamento de consultas

No Pipedrive, apenas um campo (due_date) da entidade Atividades oferece suporte ao particionamento baseado em campos, que é um campo de Data.

Podem ser fornecidas as opções adicionais do Spark PARTITION_FIELD, LOWER_BOUND, UPPER_BOUND e NUM_PARTITIONS se você quiser utilizar a simultaneidade no Spark. Com esses parâmetros, a consulta original seria dividida em NUM_PARTITIONS subconsultas, que poderiam ser executadas pelas tarefas do Spark simultaneamente.

  • PARTITION_FIELD: o nome do campo a ser usado para particionar a consulta.

  • LOWER_BOUND: um valor limite inferior inclusivo do campo de partição escolhido.

    Na data, aceitamos o formato de data do Spark usado em consultas SQL do Spark. Exemplo de valores válidos: "2024-02-06".

  • UPPER_BOUND: um valor limite superior exclusivo do campo de partição escolhido.

  • NUM_PARTITIONS: número de partições.

Exemplo 

pipedrive_read = glueContext.create_dynamic_frame.from_options(
    connection_type="PIPEDRIVE",
    connection_options={
        "connectionName": "connectionName",
        "ENTITY_NAME": "activites",
        "API_VERSION": "v1",
        "PARTITION_FIELD": "due_date"
        "LOWER_BOUND": "2023-09-07T02:03:00.000Z"
        "UPPER_BOUND": "2024-05-07T02:03:00.000Z"
        "NUM_PARTITIONS": "10"
    }