aws/aws-sdk-pandas

Wrangler to support Hudi/Iceberg datasets read/write

開放

#1,470 建立於 2022年7月22日

在 GitHub 查看貢獻者指南
 (8 則留言) (11 個反應) (0 位負責人)Python (630 個分叉)batch import
backlogenhancementhelp wanted

倉庫指標

星標
 (3,560 顆星)
PR 合併指標
 (平均合併 6天 23小時) (30 天內合併 37 個 PR)

描述

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.

貢獻者指南

研究方向
研究 aws sdk pandas 程式碼庫中現有的資料來源實作（例如 S3、Parquet）。了解讀寫介面。研究 Apache Hudi 和 Iceberg 的 API 以及 Python 函式庫（pyhudi、pyiceberg）。設計外掛或擴展模式來支援這些格式，同時保持與當前 DataFrame 操作的相容性。
技術棧
python
領域
backenddata engineering
議題類型
功能
難度面向新貢獻者的預計實作難度，1 表示很小改動，5 表示專家級工作。
4
預計時間有經驗貢獻者完成調查、實作、測試並準備 pull request 的粗略時間範圍。
超過 1 週
活動狀態議題目前的可參與程度：新鮮、活躍、陳舊、阻塞或等待維護者輸入。
活躍
清晰度議題是否清楚說明預期改動、驗收標準和下一步。
清晰
前置要求
PythonGit
新手友善度1-100 的估計分數，表示該議題對首次貢獻者的友善程度。
30