3个版本

0.1.0 2024年7月15日
0.1.0-rc.22024年7月12日
0.1.0-rc.12024年7月11日
0.1.0-alpha2 2024年7月10日

#10 in #datalake

Download history 310/week @ 2024-07-07 148/week @ 2024-07-14 35/week @ 2024-07-28

196 个月下载量
用于 hudi

Apache-2.0

115KB
2.5K SLoC

Hudi logo

Apache Hudi的原生Rust库,具有Python绑定

hudi-rs ci hudi-rs codecov join hudi slack follow hudi x/twitter follow hudi linkedin

hudi-rs项目旨在扩大Apache Hudi的使用范围,使其适用于各种用户和项目。

源代码 安装命令
PyPi pip install hudi
Crates.io cargoadd hudi

示例用法

Python

将Hudi表读入PyArrow表。

from hudi import HudiTable

hudi_table = HudiTable("/tmp/trips_table")
records = hudi_table.read_snapshot()

import pyarrow as pa
import pyarrow.compute as pc

arrow_table = pa.Table.from_batches(records)
result = arrow_table.select(
    ["rider", "ts", "fare"]).filter(
    pc.field("fare") > 20.0)
print(result)

Rust

将带有datafusion特征的crate `hudi` 添加到您的应用程序中以查询Hudi表。
[dependencies]
hudi = { version = "0" , features = ["datafusion"] }
tokio = "1"
datafusion = "39.0.0"
use std::sync::Arc;

use datafusion::error::Result;
use datafusion::prelude::{DataFrame, SessionContext};
use hudi::HudiDataSource;

#[tokio::main]
async fn main() -> Result<()> {
    let ctx = SessionContext::new();
    let hudi = HudiDataSource::new("/tmp/trips_table").await?;
    ctx.register_table("trips_table", Arc::new(hudi))?;
    let df: DataFrame = ctx.sql("SELECT * from trips_table where fare > 20.0").await?;
    df.show().await?;
    Ok(())
}

处理云存储

请确保云存储凭据已正确设置在环境变量中,例如,AWS_*AZURE_*GOOGLE_*。然后,将选择相关存储环境变量。目标表的基本URI将使用类似 s3://az://gs:// 的方案进行相应处理。

贡献

查看贡献指南 了解有关向项目贡献的所有详细信息。

依赖项

~67MB
~1.5M SLoC