معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

A Records like database API that works with Aurora Serverless Data API

ویژگی	مقدار
سیستم عامل	-
نام فایل	camus-1.0.0
نام	camus
نسخه کتابخانه	1.0.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Rafael Izidoro
ایمیل نویسنده	izidoro.rafa@gmail.com
آدرس صفحه اصلی	https://github.com/risparfinance/camus
آدرس اینترنتی	https://pypi.org/project/camus/
مجوز	MIT

# Camus **Camus is a raw SQL library enabling an ease integration with the new [Aurora Serverless Data API]("https://aws.amazon.com/blogs/aws/new-data-api-for-amazon-aurora-serverless/"). Its API is based on the powerful [Records]("https://github.com/kennethreitz/records") library.** ![Camus Aurora Execution](https://raw.githubusercontent.com/rizidoro/camus/master/camus.png) ## Instalation The recommended installation method is `pipenv`: ```shell $ pipenv install camus ``` ## Basic Usage First you need to have an Aurora cluster ARN and a Secret ARN. If don't have one yet, just follow the [Data API Getting Started Guide]("https://docs.aws.amazon.com/AmazonRDS/latest/AuroraUserGuide/data-api.html"). With that in hands, let's drop some query in our database: ```python import camus db = camus.Database( resource_arn="arn:aws:rds:us-east-1:123456789012:cluster:your-cluster-name", secret_arn="arn:aws:secretsmanager:us-east-1:123456789012:secret:your-secret-name-ByH87J", dbname="mydb", ) rows = db.query("SELECT * FROM users") ``` You can grab one row at time (like in Records library) ```python >>> rows[0] <camus.Record at 0x109bfbd30> ``` Or iterate over them: ```python for r in rows: print(r.name, r.email) ``` Like mentioned before, Camus tries to maintain the same API of the Records library, so you have the same access patterns: ```python row.email row['email'] row[3] ``` Other options include `rows.as_dict()` and `rows.as_dict(ordered=True)` ## Transactions Data API transactions are supported by Camus: ```python with db.transaction() as txid: db.query("INSERT INTO users (name, email) VALUES (:name, :email)", name="Rafael", email="rafael@email.com") db.query("UPDATE posts SET title = :title WHERE id = :id", title="New Title", id=999) ``` If any exception is raised when executing any of the queries, a rollback is performed automatically. ## That's all folks Thanks for the awesome @kennethreitz for providing his knowledge on the excelent Records library and all the talks he has given over the years!

نیازمندی

مقدار	نام
-	boto3

نحوه نصب

نصب پکیج whl camus-1.0.0:

pip install camus-1.0.0.whl

نصب پکیج tar.gz camus-1.0.0:

pip install camus-1.0.0.tar.gz