معرفی شرکت ها

data_pipeline_avro_util-0.2.3

Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
0.2.3
0.2.3

توضیحات

Common functionality build on top of Apache Avro
ویژگی مقدار
سیستم عامل -
نام فایل data_pipeline_avro_util-0.2.3
نام data_pipeline_avro_util
نسخه کتابخانه 0.2.3
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Josh Szepietowski
ایمیل نویسنده joshszep@yelp.com
آدرس صفحه اصلی https://github.com/Yelp/data_pipeline_avro_util
آدرس اینترنتی https://pypi.org/project/data_pipeline_avro_util/
مجوز UNKNOWN
# Data Pipeline Avro Util What is it? ----------- The Data Pipeline Avro utility package provides a Pythonic interface for reading and writing Avro schemas. It also provides an enum class for metadata that we've found useful to include in our schemas. Download and Install --------------------------- ``` git clone git@github.com:Yelp/data_pipeline_avro_util.git pip install data_pipeline_avro_util ``` Tests ----- Running unit tests ``` make test ``` Usage ----- Using Avro Schema Builder:: ``` from data_pipeline_avro_util.avro_builder import AvroSchemaBuilder from data_pipeline_avro_util.data_pipeline.avro_meta_data import AvroMetaDataKeys avro_builder = AvroSchemaBuilder() avro_builder.begin_record( name="test_name", namespace="test_namespace", doc="test_doc" ) avro_builder.add_field( name = "key1", typ = "string", # datatype of this field is string doc="test_doc1", metadata={ AvroMetaDataKeys.PRIMARY_KEY: 1 # first primary key } ) avro_builder.add_field( name = "key2", typ = "string", doc="test_doc2" ) record_json = avro_builder.end() print record_json { "type": "record", "namespace": "test_namespace", "name": "test_name", "doc": "test_doc", "fields": [ {"type": "string", "doc": "test_doc1", "name": "key1", "pkey": True}, {"type": "string", "doc": "test_doc2", "name": "key2"} ] } ``` Disclaimer ------- We're still in the process of setting up this package as a stand-alone. There may be additional work required to run code and integrate with other applications. License ------- Data Pipeline Avro Util is licensed under the Apache License, Version 2.0: http://www.apache.org/licenses/LICENSE-2.0 Contributing ------------ Everyone is encouraged to contribute to Data Pipeline Avro Util by forking the Github repository and making a pull request or opening an issue. Documentation ------------- The full documentation is at TODO (DATAPIPE-2030|abrar): upload servicedocs to public server. History ------- 0.1.0 (2015-01-29) ++++++++++++++++++ * First release.


نحوه نصب


نصب پکیج whl data_pipeline_avro_util-0.2.3:

    pip install data_pipeline_avro_util-0.2.3.whl


نصب پکیج tar.gz data_pipeline_avro_util-0.2.3:

    pip install data_pipeline_avro_util-0.2.3.tar.gz