Glue Catalog
AWS Glue Data Catalog 是一个集中式元数据存储库，允许您管理、访问和共享有关存储在 AWS 中的数据的元数据。它充当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到它们所需的数据。
当您在 AWS Glue 中定义数据源、转换和目标时，有关这些元素的元数据将存储在 Data Catalog 中。这包括有关数据位置、架构定义、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 和与 JDBC 兼容的外部数据库。它还与 Amazon Athena、Amazon Redshift Spectrum 和 Amazon EMR 直接集成，允许这些服务直接访问和查询数据。
Langchain GlueCatalogLoader 将获取给定 Glue 数据库中所有表的架构，格式与 Pandas dtype 相同。
设置
- 按照说明设置 AWS 账户。
- 安装 boto3 库：
pip install boto3
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
表过滤允许您有选择地检索 Glue 数据库中特定子表的架构信息。您可以使使用 table_filter 参数指定您感兴趣的具体表，而不是加载所有表的架构。
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)