aws/aws-sdk-pandas

Wrangler to support Hudi/Iceberg datasets read/write

开放

#1,470 创建于 2022年7月22日

在 GitHub 查看贡献者指南
 (8 条评论) (11 个反应) (0 位负责人)Python (630 个派生)batch import
backlogenhancementhelp wanted

仓库指标

星标
 (3,560 个星标)
PR 合并指标
 (平均合并 6天 23小时) (30 天内合并 37 个 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.

贡献者指南

研究方向
研究 aws sdk pandas 代码库中现有的数据源实现（例如 S3、Parquet）。了解读写接口。研究 Apache Hudi 和 Iceberg 的 API 以及 Python 库（pyhudi、pyiceberg）。设计插件或扩展模式来支持这些格式，同时保持与当前 DataFrame 操作的兼容性。
技术栈
python
领域
backenddata engineering
议题类型
功能
难度面向新贡献者的预计实现难度，1 表示很小改动，5 表示专家级工作。
4
预计时间有经验贡献者完成调查、实现、测试并准备 pull request 的粗略时间范围。
超过 1 周
活动状态议题当前的可参与程度：新鲜、活跃、陈旧、阻塞或等待维护者输入。
活跃
清晰度议题是否清楚说明期望改动、验收标准和下一步。
清晰
前置要求
PythonGit
新手友好度1-100 的估计分数，表示该议题对首次贡献者的友好程度。
30