Flight service in R-Notebooks

Sie können „ Flight service “ und das „ Apache Arrow “-Flight-Protokoll verwenden, um Daten aus Datenressourcen in einem Projekt oder Bereich zu lesen und in diese zu schreiben. Bei diesen Datenbeständen kann es sich um Dateien im Speicher Ihres aktuellen Projekts oder Arbeitsbereichs handeln oder um Daten, auf die über eine Datenbankverbindung zugegriffen wird.

Daten mit generiertem Code über Flight service laden

Wenn Sie Daten aus einem Projekt-Asset in ein Notebook laden, verwendet der generierte pyarrow Code zum Aufruf von ` Flight service `, obwohl die Funktionsaufrufe an nicht sichtbar pyarrow sind, da sie in übergeordnete Funktionen eingebettet sind, die von einer anderen itc_utils Bibliothek namens bereitgestellt werden.

Diese itc_utils Bibliothek ist in allen von IBM bereitgestellten Notebook-Laufzeitumgebungen vorinstalliert, um den Codeumfang zu reduzieren und die Lesbarkeit des Codes zu verbessern. Um dieses Ziel zu erreichen, nutzt die itc_utils Bibliothek Informationen aus der Laufzeitumgebung und aus ibm_watson_studio_lib der Bibliothek.

Ein weiterer wesentlicher Vorteil des generierten Codes besteht darin, dass die Datenanfrage je nach Art des Assets, für das Sie den Code generieren, bestimmte Eigenschaften aufweist, nämlich „connection_name“, „connected_data_name“ oder „data_name“. itc_utils wandelt diese Eigenschaften in ein asset_id, sowie ein project_id oder um space_id, bevor ein Flugdeskriptor erstellt wird.

Beispiel für den Code, der zum Laden von Daten generiert wird:

library("reticulate")
library("arrow")

itcfs <- import("itc_utils.flight_service")

readClient <- itcfs$get_flight_client()

nb_data_request = dict(
    "connection_name" = "MyConnection",
    "interaction_properties" = dict(
         "row_limit" = 500,
        "schema_name" = "<schema>",
        "table_name" = "<table>"
    )
)

flightInfo <- itcfs$get_flight_info(readClient, nb_data_request=nb_data_request)

tables <- itcfs$read_tables(readClient, flightInfo, timeout=240)
data_df_1 <- as.data.frame(tables[[1]])
head(data_df_1)

Sie können die von bereitgestellten Funktionen itc_utils nutzen, um Code zu erweitern, der die pyarrow Bibliothek verwendet. Da auf itc_utils pyarrowbasiert, kannst du bestimmte Funktionen von auswählen itc_utils und sie mit deinem pyarrow Code kombinieren.

Hinweis:

Die itc_utils Bibliothek bietet Hilfsfunktionen, mit denen Sie Ihre Programme übersichtlicher gestalten können. Diese Bibliothek kann jederzeit von IBM entfernt werden, falls dies als notwendig erachtet wird, und Funktionen können ohne vorherige Ankündigung geändert werden.

Eine Liste der itc_utils Funktionen, die Ihre Code-Entwicklung erheblich vereinfachen können, finden Sie unter „Verwendung itc_utils mit Ihrem eigenen Code “. Beachten Sie, dass die Syntax für Deskriptoren und Anfragen sowie alle Funktionsaufrufe in den Beispielen in der Notation von „ Python “ vorliegen, die Sie für R entsprechend anpassen müssen.

Sollten Zeitüberschreitungsfehler auftreten, lesen Sie bitte die Hinweise und Tipps zum Thema Zeitüberschreitungen. Auch hier sind alle Funktionsaufrufe in den Beispielen in der Notation von „ Python “ geschrieben, die Sie für R entsprechend anpassen müssen.

Weitere Informationen