View a markdown version of this page

从 Pipedrive 实体读取内容 - AWS Glue
对查询进行分区

从 Pipedrive 实体读取内容

先决条件

  • 要从中读取内容的 Pipedrive 对象。请参阅下面的支持的实体表，查看可用的实体。

支持的实体

实体 可以筛选 支持限制 支持排序依据 支持 Select * 支持分区
活动 支持 是 否 是 是
活动类型 否 否 否 是 否
Call Logs 否 否 否 是 否
Currencies 支持 是 否 是 否
交易 支持 是 是 是 是
线索 支持 是 是 是 否
Lead Sources 否 是 否 是 否
Lead Labels 否 否 否 否 否
备注 支持 是 是 是 是
组织 支持 是 否 是 是
权限集 是 否 否 是 否
人员 支持 是 是 是 是
Pipelines 否 是 否 是 否
产品 支持 是 否 是 是
角色 否 是 否 是 否
阶段 支持 是 否 是 否
Users 否 否 否 是 否

示例 

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

Pipedrive 实体和字段详细信息

实体列表：

实体 数据类型 支持的运算符
Activities、Deals、Notes、Organization、Persons 及 Products。 日期 '='
整数 '='
字符串 '='
布尔值 '='

对查询进行分区

在 Pipedrive 中，“Activities”实体中只有一个字段（due_date）支持基于字段的分区。即“Date”字段。

如果您想在 Spark 中利用并发，可以提供附加 Spark 选项 PARTITION_FIELD、LOWER_BOUND、UPPER_BOUND 和 NUM_PARTITIONS。使用这些参数，原始查询将被拆分为 NUM_PARTITIONS 个子查询，这些子查询可以由 Spark 任务同时执行。

  • PARTITION_FIELD：用于对查询进行分区的字段的名称。

  • LOWER_BOUND：所选分区字段的包含下限值。

    对于日期，我们接受 Spark SQL 查询中使用的 Spark 日期格式。有效值示例："2024-02-06"。

  • UPPER_BOUND：所选分区字段的排除上限值。

  • NUM_PARTITIONS：分区的数量。

示例 

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"
    }