Sélectionner vos préférences de cookies

Nous utilisons des cookies essentiels et des outils similaires qui sont nécessaires au fonctionnement de notre site et à la fourniture de nos services. Nous utilisons des cookies de performance pour collecter des statistiques anonymes afin de comprendre comment les clients utilisent notre site et d’apporter des améliorations. Les cookies essentiels ne peuvent pas être désactivés, mais vous pouvez cliquer sur « Personnaliser » ou « Refuser » pour refuser les cookies de performance.

Si vous êtes d’accord, AWS et les tiers approuvés utiliseront également des cookies pour fournir des fonctionnalités utiles au site, mémoriser vos préférences et afficher du contenu pertinent, y compris des publicités pertinentes. Pour accepter ou refuser tous les cookies non essentiels, cliquez sur « Accepter » ou « Refuser ». Pour effectuer des choix plus détaillés, cliquez sur « Personnaliser ».

Lecture à partir d'entités Slack

Mode de mise au point
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.

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.

Prérequis

  • Un objet Slack dont vous souhaitez lire un extrait.

Entités prises en charge

Entité Peut être filtré Limite de supports Supporte Order By Supporte Select * Supporte le partitionnement
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" } )

Informations sur les entités et les champs Slack

Entité Champ Type de données Opérateurs pris en charge
conversationspièces jointesListeNA
conversationsbot_idChaîneNA
conversationsBlocs deListeNA
conversationsclient_msg_idChaîneNA
conversationsest étoiléBooléenNA
conversationsdernière_lectureChaîneNA
conversationsdernière_réponseChaîneNA
conversationsréactionsListeNA
conversationsréponsesListeNA
conversationsnombre de réponsesEntierNA
conversationsrépondre_utilisateursListeNA
conversationsreply_users_countEntierNA
conversationsabonnéBooléenNA
conversationssous-typeChaîneNA
conversationstextChaîneNA
conversationséquipeChaîneNA
conversationsthread_tsChaîneNA
conversationstsChaîneÉGAL À, ENTRE, INFÉRIEUR À, INFÉRIEUR À, INFÉRIEUR OU ÉGAL À, SUPÉRIEUR À, SUPÉRIEUR OU ÉGAL À
conversationstypeChaîneNA
conversationsutilisateurChaîneNA
conversationsinvitantChaîneNA
conversationsracineStructNA
conversationsest verrouilléBooléenNA
conversationsfilesListeNA
conversationssalleStructNA
conversationschargerBooléenNA
conversationsafficher en tant que robotBooléenNA
conversationschannelChaîneNA
conversationsaucune notificationBooléenNA
conversationspermalienChaîneNA
conversationsépingléListeNA
conversationsinfo_épingléeStructNA
conversationséditéStructNA
conversationsapp_idChaîneNA
conversationsbot_profileStructNA
conversationsmétadonnéesStructNA

Requêtes de partitionnement

Des options Spark supplémentaires PARTITION_FIELDLOWER_BOUND,UPPER_BOUND, NUM_PARTITIONS peuvent être fournies si vous souhaitez utiliser la simultanéité dans Spark. Avec ces paramètres, la requête d'origine serait divisée en NUM_PARTITIONS plusieurs 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 la 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 du support 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" } )
ConfidentialitéConditions d'utilisation du sitePréférences de cookies
© 2025, Amazon Web Services, Inc. ou ses affiliés. Tous droits réservés.