Dai 数据管理 API

由small_q创建，最终由small_q更新于2025-12-15 08:09 被浏览 2 用户

1 模块介绍

本模块提供数据查询、数据源读写、自定义函数等功能，支持远程查询和 BDB 数据管理

2 API 介绍

2.1 自定义 UDF 函数

类名： dai.DaiUDF

功能：自定义 UDF 函数定义

参数：

name : str，必填，UDF 函数名称
function : Callable，必填，Python 函数对象
parameters : Optional[List]，非必填，参数类型列表，默认为 None
return_type : Optional[Any]，非必填，返回值类型，默认为 None
type : Optional[Any]，非必填，UDF 类型，默认为 None
null_handling : Optional[Any]，非必填，NULL 值处理方式，默认为 None
exception_handling : Optional[Any]，非必填，异常处理方式，默认为 None
side_effects : bool，非必填，是否有副作用，默认为 False

说明：用于在 dai.query() 中传递自定义函数，SDK 会自动序列化函数代码并在云端执行

2.2 远程查询数据

方法名：dai.query()\n功能：远程查询\n参数：

sql: str，必填，mysql 查询语句
udf_list：List[DaiUDF]，非必填，UDF 函数列表，默认为 [ ]
full_db_scan： bool，非必填，是否允许全表查询，默认为 False
filters：Dict[str, List[Any]]，非必填，过滤条件 {"column": ["value1", "value2"]}，默认为 {}
bind_relations：Dict[str, Any]，非必填，绑定本地数据到 SQL 查询 {"name": DataFrame/Table}，默认为 None
params：Dict[str, Any]，非必填，查询参数 {"param_name": "value"}，默认为 None
compression：bool，非必填，是否启用字符串压缩，默认为 False
resource_spec_id：str，指定 AIStudio 资源规格 ID（SDK 专属），默认为 D0(1C/6G) 免费
space_id：str，指定 AIStudio 空间 ID（SDK 专属），默认为主空间

返回：QueryResult 对象

2.3 数据源管理

类名：dai.DataSource

功能：数据源管理

参数：

datasource_id : str，必填，数据源 ID

方法：见下

2.3.1 读取 BDB 数据

方法名： dai.DataSource.read_bdb()

功能：读取 BDB 数据

参数：

as_type : Type，非必填，返回类型，默认为 pa.Table，支持 pd.DataFrame, pa.Table
partition_filter : Optional[Dict[str, Union[tuple, set]]]，非必填，分区过滤条件，默认为 None
- tuple: 表示范围，如 ("2024-01-01", "2024-12-31")
- set: 表示特定值，如 {"000001.SZ", "600000.SH"}
columns : Optional[List[str]]，非必填，要读取的列名列表，默认为 None（读取所有列）

返回： 根据 as_type 参数返回 pd.DataFrame 或 pa.Table

2.3.2 写入 BDB 数据

方法名：dai.DataSource.write_bdb()

功能：写入 BDB 数据

参数：

• data : Union[pd.DataFrame, pa.Table]，必填，要写入的数据

• update_logs : Optional[Union[bool, Dict]]，非必填，是否记录更新日志，默认为 None

• update_msg : Optional[str]，非必填，更新备注信息，默认为 None

• id : Optional[str]，非必填，数据源 ID，默认为 None（创建临时数据源）

• partitioning : Optional[List[str]]，非必填，分区列，默认为 None

• indexes : Optional[List[str]]，非必填，索引列，默认为 None

• excludes : Optional[Set[str]]，非必填，排除字段，默认为 None

• unique_together : Optional[List[str]]，非必填，唯一约束，默认为 None

• on_duplicates : str，非必填，冲突处理策略，默认为 "last"，可选值：["last", "first", "error", "none"]

• sort_by : Optional[List[Tuple[str, str]]]，非必填，排序，格式为 [("field", "ascending/descending"), ...]，默认为 None

• preserve_pandas_index : bool，非必填，是否保留 pandas 索引，默认为 False

• docs : Optional[Dict[str, Any]]，非必填，文档，默认为 None

• timeout : int，非必填，写入锁的超时时间（秒），默认为 300

• extra : str，非必填，额外信息，默认为 ""

• base_ds : Optional[DataSource]，非必填，继承 extra 参数，默认为 None

• overwrite : bool，非必填，是否覆盖已有数据，默认为 False

• max_threads : Optional[int]，非必填，最大线程数，默认为 None

• preserve_order : bool，非必填，是否保持顺序，默认为 False

返回：DataSource 对象

2.4 查询结果

类名：dai.QueryResult

功能：查询结果包装类，提供多种数据格式转换方法

方法：见下

2.4.1 获取 Arrow Table

方法名：dai.QueryResult.arrow()

功能：返回 Arrow Table 格式的查询结果

参数：无

返回：pa.Table 对象

2.4.2 转换为 pandas DataFrame

方法名：dai.QueryResult.df()

功能：转换为 pandas DataFrame

参数：无

返回：pd.DataFrame 对象

2.4.3 转换为 Polars DataFrame

方法名：dai.QueryResult.pl()

功能：转换为 Polars DataFrame

参数：无

返回：polars.DataFrame 对象

2.4.4 获取所有行

方法名：dai.QueryResult.fetchall()

功能：获取所有行为列表

参数：无

返回：list，所有行的列表

2.4.5 获取流式读取器

方法名：dai.QueryResult.fetch_arrow_reader()

功能：获取 Arrow 流式读取器，用于大数据场景分批读取

参数：

batch_size : int，非必填，每批数据的行数，默认为 1000000

返回：pyarrow.RecordBatchReader 对象