aws/aws-sdk-pandas

Wrangler to support Hudi/Iceberg datasets read/write

Open

#1.470 geöffnet am 22. Juli 2022

Auf GitHub ansehen
 (8 Kommentare) (11 Reaktionen) (0 zugewiesene Personen)Python (3.560 Stars) (630 Forks)batch import
backlogenhancementhelp wanted

Beschreibung

Is your idea related to a problem? Please describe. No

Describe the solution you'd like It would be good to have support for CDC data lake formats like Apache Hudi, Apache Iceberg or Detla Lake format.

P.S. Please do not attach files as it's considered a security risk. Add code snippets directly in the message body as much as possible.

Contributor Guide

Tech Stack
pythonspark
Domain
databackend
Issue Type
feature
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
5
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
over 1 week
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
stale
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
mostly clear
Voraussetzungen
PythonAWS Glue/Athena conceptsApache Hudi/Iceberg basics
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
10
Research-Richtung
Investigate existing data source implementations in the repository (e.g., S3, Parquet readers) under the `awswrangler` directory. Review the AWS Glue and Athena documentation for native support of Hudi/Iceberg. Examine the closed PRs and discussions for prior attempts. The issue has 8 comments; review them for specific requirements and constraints. Consider starting with a minimal read only implementation to gauge complexity.