aws/aws-sdk-pandas

Wrangler to support Hudi/Iceberg datasets read/write

Open

#1,470 opened on 2022年7月22日

GitHub で見る
 (8 comments) (11 reactions) (0 assignees)Python (3,560 stars) (630 forks)batch import
backlogenhancementhelp wanted

説明

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.

コントリビューターガイド

技術スタック
pythonspark
領域
databackend
Issue 種別
feature
難度新しい貢献者にとっての実装難度です。1 は非常に小さな変更、5 は専門的な作業です。
5
推定時間経験ある貢献者が調査、実装、テスト、pull request 準備にかけるおおよその時間範囲です。
over 1 week
活動状況Issue が今どれだけ取り組みやすいかを示します。新しい、活発、古い、ブロック中、またはメンテナー入力待ちなどです。
stale
明確さ期待される変更、受け入れ条件、次の手順がどれだけ明確かを示します。
mostly clear
前提条件
PythonAWS Glue/Athena conceptsApache Hudi/Iceberg basics
初心者向け度初回貢献者にどれだけ取り組みやすいかを 1-100 で推定したスコアです。
10
調査方針
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.