跳到主要内容
Open In ColabOpen on GitHub

Glue Catalog

AWS Glue 数据目录是一个集中的元数据存储库,允许您管理、访问和共享存储在 AWS 中的数据元数据。它充当您数据资产的元数据存储,使各种 AWS 服务和您的应用程序能够高效地查询和连接所需的数据。

在 AWS Glue 中定义数据源、转换和目标时,有关这些元素的元数据会存储在数据目录中。这包括数据位置、模式定义、运行时指标等信息。它支持各种数据存储类型,例如 Amazon S3、Amazon RDS、Amazon Redshift 以及兼容 JDBC 的外部数据库。它还直接与 Amazon Athena、Amazon Redshift Spectrum 和 Amazon EMR 集成,允许这些服务直接访问和查询数据。

Langchain GlueCatalogLoader 将以与 Pandas dtype 相同的格式获取给定 Glue 数据库中所有表的模式。

设置

示例

from langchain_community.document_loaders.glue_catalog import GlueCatalogLoader
API 参考:GlueCatalogLoader
database_name = "my_database"
profile_name = "my_profile"

loader = GlueCatalogLoader(
database=database_name,
profile_name=profile_name,
)

schemas = loader.load()
print(schemas)

带表过滤的示例

表过滤允许您选择性地检索 Glue 数据库中表的特定子集的模式信息。您无需加载所有表的模式,可以使用 table_filter 参数精确指定您感兴趣的表。

from langchain_community.document_loaders.glue_catalog import GlueCatalogLoader
API 参考:GlueCatalogLoader
database_name = "my_database"
profile_name = "my_profile"
table_filter = ["table1", "table2", "table3"]

loader = GlueCatalogLoader(
database=database_name, profile_name=profile_name, table_filter=table_filter
)

schemas = loader.load()
print(schemas)