表格存储 Python SDK 开发入门

本文涉及的产品
表格存储 Tablestore,50G 2个月
简介: 本文将结合电商订单场景为例,介绍表格存储 Tablestore Python SDK 的基本使用方法。

准备工作

在您开始Tablestore SDK开发前,需确保已开通表格存储服务并且已创建表格存储实例。

您需要提前获取到以下几个参数


开发简介

开发示例中将以订单场景为例,使用Tablestore SDK实现如下几个功能。

  • 订单表创建。
  • 订单插入。
  • 订单号查询。
  • 订单搜索。


字段名

字段类型

字段描述

order_id

String

主键

订单号

customer_name

String

属性列

消费者姓名

product_name

String

属性列

产品名

product_type

String

属性列

产品类型

order_time

String

属性列

下单时间

pay_time

String

属性列

支付时间

订单表

开发步骤

初始化连接

Tablestore支持Http/Https协议访问服务端,使用Python SDK发起请求前,您需要初始化一个OTSClinet实例,初始化需要获取到服务地址(endpoint)、实例名(instanceName)、密钥(accessKeyId、accessSecret)等信息。代码如下

if__name__=='__main__':
client=OTSClient("https://order-instance.cn-beijing.ots.aliyuncs.com",# your endpoint"",# your accessKeyId"",# your accessSecret"order-instance")#your insntace name#operation_method(client)

创建数据表

示例代码中创建了一张订单数据表order。

# 创建数据表defcreateOrderTable(client):
schema_of_primary_key= [('order_id', 'STRING')]
table_meta=TableMeta("order", schema_of_primary_key)
# 设置表数据生命周期为永久,设置表最大版本数为1table_option=TableOptions(-1, 1)
# 默认设置表预留读写cu为0reserved_throughput=ReservedThroughput(CapacityUnit(0, 0))
# 发送创建数据表请求client.create_table(table_meta, table_option, reserved_throughput)
print ('Table has been created.')

写入数据

示例代码中写入了一条订单数据,订单号order_id为“o1”。样例中模拟了一万条订单数据,这里不作展示。

defputOrder(client):
primary_key= [('order_id', 'o1')]
attribute_columns= [('customer_name', '消十一'),('product_name', 'iphone 6'),('product_type', '手机'),('order_time', '2021-10-25 09:20:01'),('pay_time', '2017-10-25 10:00:01')]
table_name='order'row=Row(primary_key, attribute_columns)
condition=Condition(RowExistenceExpectation.IGNORE)
consumed, return_row=client.put_row(table_name, row, condition)
print (u'Write succeed, consume %s write cu.'%consumed.write)

查询数据

示例代码中查询订单号order_id为“o1”的记录

defgetOrder(client):
primary_key= [('order_id', 'o1')]
columns_to_get= ['customer_name','product_name','product_type','order_time','pay_time']
table_name="order"consumed, return_row, next_token=client.get_row(table_name, primary_key, columns_to_get, None, 1)
print ('Value of primary key: %s'%return_row.primary_key)
print ('Value of attribute: %s'%return_row.attribute_columns)

创建多元索引

示例代码中创建了一个多元索引order_index。分别设置customer_name字符串类型、order_time字符串类型、pay_time字符串类型、product_name分词类型、product_type字符串类型。关于索引字段类型的介绍请参考多元索引概述

defcreateSearchIndex(client):
field_a=FieldSchema('customer_name', FieldType.KEYWORD, index=True, enable_sort_and_agg=True, store=True)
field_b=FieldSchema('order_time', FieldType.KEYWORD, index=True, enable_sort_and_agg=True, store=True)
field_c=FieldSchema('pay_time', FieldType.KEYWORD, index=True, enable_sort_and_agg=True, store=True)
field_d=FieldSchema('product_type', FieldType.TEXT, index=True, store=True, analyzer=AnalyzerType.SINGLEWORD)
field_e=FieldSchema('customer_name', FieldType.KEYWORD, index=True, enable_sort_and_agg=True, store=True)
fields= [field_a, field_b, field_c, field_d, field_e]
index_meta=SearchIndexMeta(fields, None, None)
client.create_search_index("order", "order_index", index_meta)
print ('create search index succeed')

搜索数据

示例代码中查询产品类型为“手机”的订单,并统计了符合条件的行数。

defsearchQuery1():
query=TermQuery('product_type', '手机')
search_response=client.search(
"order", "order_index",
SearchQuery(query, limit=100, get_total_count=True),
ColumnsToGet(return_type=ColumnReturnType.ALL)
    )

示例代码中搜索产品名包含“iphone”的订单,并统计了符合条件的行数。

defsearchQuery2():
query=MatchQuery('product_name', 'iphone')
search_response=client.search(
"order", "order_index",
SearchQuery(query, limit=100, get_total_count=True),
ColumnsToGet(return_type=ColumnReturnType.ALL)
        )

示例代码中查询了消费者姓名为“消十一”并且下单时间在“2021-10-24 00:00:00”之间的订单。并统计了行数。

defsearchQuery3():
bool_query=BoolQuery(
must_queries=[
TermQuery('customer_name', '消十一'),
RangeQuery('order_time', range_to='2021-10-24 00:00:00', include_upper=False)
        ]
    )
search_response=client.search(
"order", "order_index",
SearchQuery(
bool_query,
None,
limit=10,
get_total_count=True),
ColumnsToGet(return_type=ColumnReturnType.ALL)
    )

删除多元索引

示例代码中展示了删除订单表order中的order_index多元索引。

defdelete_search_index(index_name):
client.delete_search_index("order", "order_index")

删除数据表

示例代码中展示了删除订单表order。删除表之前需确保先删除表中的多元索引。

defdelete_table():
client.delete_table("order")

更多关于Tablestore Python SDK的介绍请参考Tablestore Python SDK

相关实践学习
消息队列+Serverless+Tablestore:实现高弹性的电商订单系统
基于消息队列以及函数计算,快速部署一个高弹性的商品订单系统,能够应对抢购场景下的高并发情况。
阿里云表格存储使用教程
表格存储(Table Store)是构建在阿里云飞天分布式系统之上的分布式NoSQL数据存储服务,根据99.99%的高可用以及11个9的数据可靠性的标准设计。表格存储通过数据分片和负载均衡技术,实现数据规模与访问并发上的无缝扩展,提供海量结构化数据的存储和实时访问。 产品详情:https://www.aliyun.com/product/ots
目录
相关文章
|
1月前
|
存储 数据采集 人工智能
Python编程入门:从零基础到实战应用
本文是一篇面向初学者的Python编程教程,旨在帮助读者从零开始学习Python编程语言。文章首先介绍了Python的基本概念和特点,然后通过一个简单的例子展示了如何编写Python代码。接下来,文章详细介绍了Python的数据类型、变量、运算符、控制结构、函数等基本语法知识。最后,文章通过一个实战项目——制作一个简单的计算器程序,帮助读者巩固所学知识并提高编程技能。
|
10天前
|
存储 数据挖掘 数据处理
Python Pandas入门:行与列快速上手与优化技巧
Pandas是Python中强大的数据分析库,广泛应用于数据科学和数据分析领域。本文为初学者介绍Pandas的基本操作,包括安装、创建DataFrame、行与列的操作及优化技巧。通过实例讲解如何选择、添加、删除行与列,并提供链式操作、向量化处理、索引优化等高效使用Pandas的建议,帮助用户在实际工作中更便捷地处理数据。
21 2
|
16天前
|
人工智能 编译器 Python
python已经安装有其他用途如何用hbuilerx配置环境-附带实例demo-python开发入门之hbuilderx编译器如何配置python环境—hbuilderx配置python环境优雅草央千澈
python已经安装有其他用途如何用hbuilerx配置环境-附带实例demo-python开发入门之hbuilderx编译器如何配置python环境—hbuilderx配置python环境优雅草央千澈
python已经安装有其他用途如何用hbuilerx配置环境-附带实例demo-python开发入门之hbuilderx编译器如何配置python环境—hbuilderx配置python环境优雅草央千澈
|
1月前
|
IDE 程序员 开发工具
Python编程入门:打造你的第一个程序
迈出编程的第一步,就像在未知的海洋中航行。本文是你启航的指南针,带你了解Python这门语言的魅力所在,并手把手教你构建第一个属于自己的程序。从安装环境到编写代码,我们将一步步走过这段旅程。准备好了吗?让我们开始吧!
|
1月前
|
测试技术 开发者 Python
探索Python中的装饰器:从入门到实践
装饰器,在Python中是一块强大的语法糖,它允许我们在不修改原函数代码的情况下增加额外的功能。本文将通过简单易懂的语言和实例,带你一步步了解装饰器的基本概念、使用方法以及如何自定义装饰器。我们还将探讨装饰器在实战中的应用,让你能够在实际编程中灵活运用这一技术。
44 7
|
1月前
|
开发者 Python
Python中的装饰器:从入门到实践
本文将深入探讨Python的装饰器,这一强大工具允许开发者在不修改现有函数代码的情况下增加额外的功能。我们将通过实例学习如何创建和应用装饰器,并探索它们背后的原理和高级用法。
49 5
|
1月前
|
机器学习/深度学习 人工智能 算法
深度学习入门:用Python构建你的第一个神经网络
在人工智能的海洋中,深度学习是那艘能够带你远航的船。本文将作为你的航标,引导你搭建第一个神经网络模型,让你领略深度学习的魅力。通过简单直观的语言和实例,我们将一起探索隐藏在数据背后的模式,体验从零开始创造智能系统的快感。准备好了吗?让我们启航吧!
90 3
|
8月前
|
人工智能 Java Python
python入门(二)安装第三方包
python入门(二)安装第三方包
111 1
|
3月前
|
机器学习/深度学习 Python
【10月更文挑战第5天】「Mac上学Python 6」入门篇6 - 安装与使用Anaconda
本篇将详细介绍如何在Mac系统上安装和配置Anaconda,如何创建虚拟环境,并学习如何使用 `pip` 和 `conda` 管理Python包,直到成功运行第一个Python程序。通过本篇,您将学会如何高效地使用Anaconda创建和管理虚拟环境,并使用Python开发。
124 4
【10月更文挑战第5天】「Mac上学Python 6」入门篇6 - 安装与使用Anaconda
|
3月前
|
IDE 开发工具 iOS开发
【10月更文挑战第3天】「Mac上学Python 3」入门篇3 - 安装Python与开发环境配置
本篇将详细介绍如何在Mac系统上安装Python,并配置Python开发环境。内容涵盖Python的安装、pip包管理工具的配置与国内镜像源替换、安装与配置PyCharm开发工具,以及通过PyCharm编写并运行第一个Python程序。通过本篇的学习,用户将完成Python开发环境的搭建,为后续的Python编程工作打下基础。
373 2
【10月更文挑战第3天】「Mac上学Python 3」入门篇3 - 安装Python与开发环境配置

热门文章

最新文章

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等