View a markdown version of this page

Lectura de entidades de Pipedrive - AWS Glue
Consultas de partición

Lectura de entidades de Pipedrive

Requisitos previos

  • Un objeto de Pipedrive del que desea leer. Consulte la tabla de entidades compatibles que aparece a continuación para comprobar las entidades disponibles.

Entidades compatibles

Entidad Se puede filtrar Admite límite Admite Ordenar por Admite Seleccionar * Admite Partición
Actividades Sí Sí No Sí Sí
Tipo de actividad No No No Sí No
Registros de llamadas No No No Sí No
Divisas Sí Sí No Sí No
Acuerdos Sí Sí Sí Sí Sí
Leads Sí Sí Sí Sí No
Fuentes de clientes potenciales No Sí No Sí No
Etiquetas de clientes potenciales No No No No No
Notas Sí Sí Sí Sí Sí
Organización Sí Sí No Sí Sí
Conjuntos de permisos Sí No No Sí No
Personas Sí Sí Sí Sí Sí
Canalizaciones No Sí No Sí No
Productos Sí Sí No Sí Sí
Roles No Sí No Sí No
Etapas Sí Sí No Sí No
Usuarios No No No Sí No

Ejemplo 

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

Detalles de entidades y campos de Pipedrive

Lista de entidades:

Entidad Tipo de datos Operadores admitidos
Actividades, negocios, notas, organización, personas y productos. Date '='
Entero '='
Cadena '='
Booleano '='

Consultas de partición

En Pipedrive, solo un campo (due_date) de la entidad Actividades admite la partición basada en campos. Se trata de un campo de fecha.

Puede proporcionar las opciones adicionales de Spark PARTITION_FIELD, LOWER_BOUND, UPPER_BOUND y NUM_PARTITIONS si quiere usar la simultaneidad en Spark. Con estos parámetros, la consulta original se dividiría en un número NUM_PARTITIONS de subconsultas que las tareas de Spark pueden ejecutar simultáneamente.

  • PARTITION_FIELD: el nombre del campo que se usará para particionar la consulta.

  • LOWER_BOUND: un valor de límite inferior inclusivo del campo de partición elegido.

    Para la fecha, aceptamos el formato de fecha de Spark que se usa en las consultas de Spark SQL. Ejemplos de valores válidos: "2024-02-06".

  • UPPER_BOUND: un valor límite superior exclusivo del campo de partición elegido.

  • NUM_PARTITIONS: el número de particiones.

Ejemplo 

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"
    }