数据湖计算 DLC Python 访问-客户端访问-文档中心-腾讯云

数据湖计算 DLC 提供符合 DBAPI 2.0 标准的工具。您可以通过 Python 连接到 DLC 的 Presto/Spark 引擎，可以方便地使用 SQL 的方式操作 DLC 库表。
环境准备
1. Python 3.9及以上版本。
2. 安装tencentcloud-dlc-connector。
pip install -i https://mirrors.tencent.com/pypi/simple/ tencentcloud-dlc-connector
使用示例
步骤一：连接到引擎
代码：
import tdlc_connector
import datetime
from tdlc_connector import constants
﻿
conn = tdlc_connector.connect(region="<REGION>", 
    secret_id="<SECRET_ID>", 
    secret_key="<SECRET_KEY>",
    token=None,
    endpoint=None,
    catalog=constants.Catalog.DATALAKECATALOG,  
    engine="<ENGINE>",
    engine_type=constants.EngineType.AUTO, 
    result_style=constants.ResultStyles.LIST,
    download=False,
    mode=constants.Mode.LASY,
    database='',
    config={},
    callback=None,
    callback_events=None,
    )
参数说明：
参数
说明
region
引擎所在地域，如 ap-nanjing，ap-beijing，ap-guangzhou，ap-shanghai， ap-chengdu，ap-chongqing，na-siliconvalley，ap-singapore, ap-hongkong
secret_id
腾讯云 SecretID
secret_key
腾讯云 SecretKey
token
（可选）临时密钥 Token
endpoint
（可选）连接服务节点
engine
使用的引擎名称，例如 “test_python”
engine_type
（可选）引擎类型：对应引擎名称的引擎类型， 默认值 constants.EngineType.AUTO
例如：AUTO、PRESTO、SPARK、SPARK_BATCH
result_style
（可选）返回结果的格式，可选 LIST/DICT
download
（可选）是否直接下载数据 True/False，详见下载模式说明﻿
mode
（可选）模式。支持 ALL/LASY/STREAM
database
（可选）默认数据库
config
（可选）提交到集群配置
callback
（可选）回调函数，函数签名 def cb(statement_id, status)
callback_events
（可选）回调触发事件，同callback配合使用，详见回调机制说明
driver_size
（可选）Driver 节点大小，默认值 constants.PodSize.SMALL   (仅SPARK_BATCH 集群有效)
可选值：SMALL、MEDIUM、LARGE、XLARGE、M_SMALL、M_MEDIUM、M_LARGE、M_XLARGE
executor_size
（可选）Executor 节点大小，默认值 constants.PodSize.SMALL  (仅SPARK_BATCH 集群有效)
可选值：SMALL、MEDIUM、LARGE、XLARGE、M_SMALL、M_MEDIUM、M_LARGE、M_XLARGE
executor_num
（可选）Executor 节点数量， 默认值1  (仅SPARK_BATCH 集群有效)
executor_max_num
（可选）Executor 最大节点数量，若不等于 executor_num， 则开启资源动态分配  (仅 SPARK_BATCH 集群有效)
﻿下载模式说明
：
序号
download
mode
说明
1
False
ALL
从接口获取所有数据，获取完成后才能 fetch 到数据
2
False
LASY
从接口获取数据，根据 fetch 的数据量延迟到服务端获取数据
3
False
STREAM
同 LASY 模式
4
True
ALL
从 COS 下载所有结果（需具备 COS 读权限）占用本地临时存储，数据量较大时推荐使用
5
True
LASY
从 COS 下载结果（需具备 COS 读权限），根据 fetch 数据量延迟下载文件
6
True
STREAM
实时的从 COS 读取结果流（需具备 COS 读权限），性能较慢，本地内存磁盘占用率极低
步骤二：执行 SQL
代码：
# 基本操作
﻿
cursor = conn.cursor()
count = cursor.execute("SELECT 1")
print(cursor.fetchone())                    # 读取一行数据
for row in cursor.fetchall():               # 读取剩余多行数据
    print(row)
﻿
# 使用参数 pyformat 格式
﻿
cursor.execute("SELECT * FROM dummy WHERE date < %s", datetime.datetime.now())           
cursor.execute("SELECT * FROM dummy WHERE status in %s", (('SUCCESS', 'INIT', 'FAIL'),))
cursor.execute("SELECT * FROM dummy WHERE date < %(date)s AND status = %(status)s", {'date': datetime.datetime.now(), 'status': 'SUCCESS'})
﻿
# 使用BULK方式
﻿
cursor.executemany("INSERT INTO dummy VALUES(%s, %s)", [('张三', 18), ('李四', 20)])
基本操作流程
上述代码流程如下：
1. 通过conn.cursor()创建了一个游标对象。
2. 通过cursor.execute("SELECT 1")执行了一条 SQL 查询语句，并将结果赋值给变量count。
3. 通过调用cursor.fetchone()方法读取了一行数据，并将其打印出来。
4. 在一个循环中调用了cursor.fetchall()方法来读取剩余的多行数据，并逐行打印出来。
参数传递方式
支持两种不同的参数传递方式：
使用 pyformat 格式：在执行 SQL 语句时，可以使用%s作为占位符，并将实际参数以元组或字典形式传入。
使用 BULK 方式：通过调用executemany()方法可以批量插入多个记录到数据库表中。
特性功能
回调机制使用说明
import tdlc_connector
import datetime
from tdlc_connector import constants
﻿
﻿
def tdlc_connector_callback(statement_id, state):
    '''
    parmas: statement_id 任务id
    params: state 任务状态，枚举值 参考constants.TaskStatus
    '''
    print(statement_id, state)
﻿
﻿
conn = tdlc_connector.connect(region="<REGION>", 
    secret_id="<SECRET_ID>", 
    secret_key="<SECRET_KEY>",
    engine="<ENGINE>",
    engine_type=constants.EngineType.SPARK, 
    result_style=constants.ResultStyles.LIST,
    callback=tdlc_connector_callback,
    callback_events=[constants.CallbackEvent.ON_INIT, constants.CallbackEvent.ON_SUCCESS]
    )
﻿
cursor = conn.cursor()
cursor.execute("SELECT 1")
cursor.fetchone()
﻿
# callback 函数会在任务初始化 和 任务成功时调用
﻿
提交任务到作业集群
当前已支持提交任务到 Spark 作业集群，具体请参考如下示例。
from tdlc_connector import constants
﻿
conn = tdlc_connector.connect(region="<REGION>", 
    secret_id="<SECRET_ID>", 
    secret_key="<SECRET_KEY>",
    engine="<ENGINE>",                            # 请选择 spark 作业引擎
    result_style=constants.ResultStyles.LIST,
    driver_size=constants.PodSize.SMALL,          # 选择 Driver 规格
    executor_size=constants.PodSize.SMALL,        # 选择 Executor 规格
    executor_num=1,                               # 设置 Executor 数量
    executor_max_num=1,                           # 设置 Executor 最大数量， 如果 不等于{executor_num}，则开启动态资源分配
)
说明：
如需使用该特性，请将 connector 升级至 >= 1.1.0。
自动推断引擎类型
当前指定使用引擎后无需再指定引擎类型，connector 会自动推断，具体请参考如下示例。
from tdlc_connector import constants
﻿
conn = tdlc_connector.connect(region="<REGION>", 
    secret_id="<SECRET_ID>", 
    secret_key="<SECRET_KEY>",
    engine="<ENGINE>",                            
    engine_type=constants.EngineType.AUTO      # 可设置成AUTO 或者 不传入该参数，驱动自动推断
)
说明：
如需使用该特性，请将 connector 升级至 >= 1.1.0。
空值转换
当前结果集基于CSV格式存储，引擎默认将空值转换成空字符串，如果需要区分空值，请指定空值表示符, 例如 “\\1” ，引擎查询结果会将空值转换成 “\\1”，同时驱动会将 “\\1”字段转换成 None，具体请参考如下示例。
from tdlc_connector import constants, formats
﻿
formats.FORMAT_STRING_NULL = '\\1'  
﻿
conn = tdlc_connector.connect(region="<REGION>", 
    secret_id="<SECRET_ID>", 
    secret_key="<SECRET_KEY>",
    engine="<ENGINE>",
    result_style=constants.ResultStyles.LIST
)
说明：
空值转换目前仅支持 SparkSQL集群，请将 connector 升级至 >= 1.1.3。
﻿

参数	说明
region	引擎所在地域，如 ap-nanjing，ap-beijing，ap-guangzhou，ap-shanghai， ap-chengdu，ap-chongqing，na-siliconvalley，ap-singapore, ap-hongkong
secret_id	腾讯云 SecretID
secret_key	腾讯云 SecretKey
token	（可选）临时密钥 Token
endpoint	（可选）连接服务节点
engine	使用的引擎名称，例如 “test_python”
engine_type	（可选）引擎类型：对应引擎名称的引擎类型，默认值 constants.EngineType.AUTO 例如：AUTO、PRESTO、SPARK、SPARK_BATCH
result_style	（可选）返回结果的格式，可选 LIST/DICT
download	（可选）是否直接下载数据 True/False，详见下载模式说明
mode	（可选）模式。支持 ALL/LASY/STREAM
database	（可选）默认数据库
config	（可选）提交到集群配置
callback	（可选）回调函数，函数签名 def cb(statement_id, status)
callback_events	（可选）回调触发事件，同callback配合使用，详见回调机制说明
driver_size	（可选）Driver 节点大小，默认值 constants.PodSize.SMALL (仅SPARK_BATCH 集群有效) 可选值：SMALL、MEDIUM、LARGE、XLARGE、M_SMALL、M_MEDIUM、M_LARGE、M_XLARGE
executor_size	（可选）Executor 节点大小，默认值 constants.PodSize.SMALL (仅SPARK_BATCH 集群有效) 可选值：SMALL、MEDIUM、LARGE、XLARGE、M_SMALL、M_MEDIUM、M_LARGE、M_XLARGE
executor_num	（可选）Executor 节点数量，默认值1 (仅SPARK_BATCH 集群有效)
executor_max_num	（可选）Executor 最大节点数量，若不等于 executor_num，则开启资源动态分配 (仅 SPARK_BATCH 集群有效)

序号	download	mode	说明
1	False	ALL	从接口获取所有数据，获取完成后才能 fetch 到数据
2	False	LASY	从接口获取数据，根据 fetch 的数据量延迟到服务端获取数据
3	False	STREAM	同 LASY 模式
4	True	ALL	从 COS 下载所有结果（需具备 COS 读权限）占用本地临时存储，数据量较大时推荐使用
5	True	LASY	从 COS 下载结果（需具备 COS 读权限），根据 fetch 数据量延迟下载文件
6	True	STREAM	实时的从 COS 读取结果流（需具备 COS 读权限），性能较慢，本地内存磁盘占用率极低

Python 访问

本页目录：

环境准备

使用示例

步骤一：连接到引擎

步骤二：执行 SQL

基本操作流程

参数传递方式

特性功能

回调机制使用说明

提交任务到作业集群

自动推断引擎类型

空值转换