一、引入
前面入库阿里云 MaxCompute 的数据都是读取之后直接写入，保留数据最新的状态，如果我要保留历史的状态，怎么办呢？
MaxCompute 表有一个分区功能，可以自行定义分区。我们可以使用 MaxCompute 表的分区功能，每天写入一个分区，保留每天每条数据的状态。
表单的分区功能，除了存储每天数据明细信息，也可以根据数据中的某个维度做分区。
本文重点来探讨下怎么建分区表以及怎么写入分区表。
二、MaxCompute 分区表
什么是分区？
分区表是指拥有分区空间的表，可以理解为分类，通过分类把不同类型的数据放到不同的目录下。分类的标准就是分区字段，可以是一个，也可以是多个。
MaxCompute 将分区列的每个值作为一个分区（目录），多级分区则是将表的多个字段作为表的分区。
分区其实就像我们常用的文件夹的概念，一级分区类比根目录，二级分区则是根目录下的子文件夹，然后数据就是子文件夹下的某个文件，事实上，底层也是这么存储数据的。
分区表的意义在于优化查询。查询表时通过WHERE子句查询指定所需查询的分区，避免全表扫描，提高处理效率，降低计算费用。使用数据时，如果指定需要访问的分区名称，则只会读取相应的分区。所以合理设计和使用分区，可以提高查询性能、简化数据管理，并支持更灵活的数据访问和操作。
多级分区结构参考：
2.1 创建分区表
创建分区表时，给分区的参数传递值即可。下面通过两种方法展开。
方法一：通过 Schema 创建分区表。
调用阿里云odps.models中的Partition，传递name、type和comment三个参数，创建一个分区对象，然后放到列表中，传递给Schema即可。
由于后面涉及定制化需要重新创建 schema，所以这里把partitions也返回，以便传递给后续的定制函数。
from odps.models import Schema, Column, Partition
def generate_create_schema(store_fields_info_df):
columns = []
columns_index = {}
for index, row in store_fields_info_df.iterrows():
name = row['tb_field_name']; type=row['mc_type']; comment=row['feishu_field_name']
# print(name,type,comment)
columns.append(Column(name=name, type=type, comment=comment))
columns_index[name] = (index, comment)
columns.append(Column(name='record_id', type='string', comment='飞书表行record_id'))
columns.append(Column(name='last_modified_time', type='datetime', comment='数据更新时间'))
partitions = [Partition(name='pt', type='string', comment='分区字段')]
schema = Schema(columns=columns, partitions=partitions)
print(f'成功生成 MaxCompute 建表 schema。关联方法：generate_create_schema。')
return schema, columns, columns_index, partitions
def cre_mc_table(db_table_name, schema):
if o.exist_table(db_table_name):
print(f'表单 {db_table_name} 已存在，不需要新建。关联方法：cre_mc_table。')
else:
table = o.create_table(db_table_name, schema, if_not_exists=True)
print(f'成功创建 MaxCompute 表：{db_table_name}。关联方法：cre_mc_table。')
方法二：通过类建表 DDL 创建分区表。
这个方法比较简单，以 SQL 语法的形式写一个字段的信息，比如pt string comment "分区字段"，然后直接传递给阿里云的建表函数o.create_table()即可。
def generate_create_ddl(store_fields_info_df):
cre_ddl = ''
for index, row in store_fields_info_df.iterrows():
cre_ddl += f"{row['tb_field_name']} {row['mc_type']} comment '{row['feishu_field_name']}',"
default_fields = "record_id string comment '飞书表行record_id',last_modified_time datetime comment '数据更新时间'"
cre_ddl = cre_ddl + default_fields
print(f'成功生成 MaxCompute 类建表 DDL。关联方法：generate_create_ddl。')
return cre_ddl
def cre_mc_table(db_table_name, cre_ddl):
if o.exist_table(db_table_name):
print(f'表单 {db_table_name} 已存在，不需要新建。关联方法：cre_mysql_table。')
else:
table = o.create_table(db_table_name, (cre_ddl, 'pt string comment "分区字段" '), if_not_exists=True)
print(f'创建 MaxCompute 表：{db_table_name}。关联方法：cre_mc_table。')
2.2 写入分区表
将数据写入分区表，需要额外指定分区字段的值。分区表的分区字段的值可以指定固定值，也可以使用处理结果中的某一列。此处直接使用 T-1 的日期，格式为：yyyymmdd。
这个指定的固定值可以使用datetime模块计算出来，也可以使用 DataWorks 的调度参数。
直接计算出来可以参考以下代码，其中datetime.datetime.today()能够获取到今天的日期，而datetime.timedelta(days=1)可以得到 1 天的时间间隔，将今天的日期减去 1 天便可得到昨天的日期，然后使用strftime('%Y%m%d')进行格式化便得到了最终的日期格式。
import datetime
pt_date = (datetime.datetime.today() - datetime.timedelta(days=1)).strftime('%Y%m%d')
使用 DataWorks 的调度参数则需要在右边侧边栏的属性里找到调度参数，新增一对参数，这里我把参数名定位仪为pt_date，参数值设置为$bizdate。参考如下：
设置完参数可以点击【调度参数预览】检查是否有问题，结果如下，结果是 T-1，且格式为：yyyymmdd，符合预期。
参数配置好了，那怎么使用呢？
阿里云提供了一个全局变量：args，可以直接使用args['ptdate']得到刚刚设置的ptdate参数的值。
了解了基本的信息之后，便可以进行开发，这里介绍两种方法：转为列表直接写入和通过 PyODPS 的 DataFrame 做中转再写入。
2.2.1 方法一：转为列表直接写入表。
直接在open_writer()传递参数值给partition参数即可，参数值的两种获取方式任选一种即可。特别注意的一点是要加上参数create_partition=True，即当分区不存在的时候创建分区。
import math
# 需要处理 nan 值
def replace_nan_with_none(data):
"""递归地将列表中的nan替换为None"""
# math.isnan(df.values.tolist()[1][2])
if isinstance(data, list):
return [replace_nan_with_none(item) for item in data]
elif isinstance(data, float) and math.isnan(data):
return None
else:
return data
def insert_mc_table(feishu_df, table_name):
"""
Maxcompute 插入数据
"""
feishu_data_ary = feishu_df.values.tolist()
feishu_data_ary = replace_nan_with_none(feishu_data_ary)
# print(feishu_data_ary)
t = o.get_table(table_name)
# # 参数值获取1：使用 datetime 模块获取
# ptdate = (datetime.datetime.today()- datetime.timedelta(days=1)).strftime('%Y%m%d') #昨天
# 参数值获取2：使用 DataWorks 调度参数获取
ptdate = args['ptdate']
with t.open_writer(partition=f"pt={ptdate}", create_partition=True) as writer:
writer.write(feishu_data_ary)
print(f'成功将飞书数据写入 MaxCompute 数据表：{table_name}。关联方法：insert_mc_table。')
2.2.2 方法二：转为 PyODPS DataFrame 再写入表。
直接在persist()传递参数值给partition参数即可，参数值的两种获取方式任选一种即可。特别注意的一点是要加上参数create_partition=True，即当分区不存在的时候创建分区。
def insert_mc_table(feishu_df, mc_table_name, mc_df_astype):
"""
生成 PyODPS DataFrame 并将数据插入 Maxcompute 表
"""
aliyun_df = DataFrame(feishu_df,as_type=mc_df_astype)
# # 参数值获取1：使用 datetime 模块获取
# ptdate = (datetime.datetime.today()- datetime.timedelta(days=1)).strftime('%Y%m%d') #昨天
# 参数值获取2：使用 DataWorks 调度参数获取
ptdate = args['ptdate']
aliyun_df.persist(mc_table_name, partition=f"pt={ptdate}", create_partition=True)
print(f'成功将飞书数据写入 MaxCompute 数据表：{mc_table_name}。关联方法：insert_mc_table。')
另外，一个数据出入常见的问题：如果执行多次是在原分区追加插入，还是覆盖插入，或是删除原分区重新新建分区插入？
使用 列表插入，即使用write_table()方法插入，在写入数据时会追加到原有数据中，PyODPS 不提供覆盖数据的选项，如果需要覆盖数据，需要手动清除原有数据。对于非分区表，可以调用truncate()方法；对于分区表，需要删除分区后再建立新的分区。
而转为 PyODPS 的 DataFrame 再插入数据，阿里云提供了drop_partition和create_partition参数，当分区存在时，先将分区删除，然后再创建新的同名（参数值）分区。参考代码如下，即在上面的代码的persist()方法多加上一对参数drop_partition=True。
df.persist('table_name', partition='ds=test', drop_partition=True, create_partition=True)
2.3 迭代定制化函数
前面介绍了两种建表方式和两种写表方式，再进行定制化的时候，需要修改建表的逻辑和写表的逻辑，建表和写表的方法两两结合可以有四种组合，下面拿其中两种展开阐述，分别是 Schema + DataFrame 和 类 DDL+列表。
2.3.1 Schema + DataFrame
当需要局部进行定制化迭代的时候，如果是使用 Schema 需要重新生成，使用分区表时，需要多传递分区信息，此处将前面创建表单的partitions传递到函数中，并用于最终重新生成 schema。
当使用 PyODPS 的 DataFrame 中转将数据入库的时候，还需要处理 DataFrame 的 astype，值得注意的时，DataFrame 中没有 date 类型，所以时间列转为日期不需要修改 astype。
def custom_field(df_return, columns, columns_index, mc_df_astype, partitions):
# 2.1 场景一：把数字入库为 int 类型
# 修改 SQL 即可
# cre_ddl = cre_ddl.replace('field_number float','field_number int')
column = Column(name='field_number', type='bigint', comment=columns_index['field_number'][1])
columns[columns_index['field_number'][0]] = column
#修改mc_df_astype
mc_df_astype['field_number'] = 'int64'
# 2.2 场景二：把日期入库为 date 类型
# 修改 df，MySQL会自动截断，Maxcompute不行，需要使用 x.date() 处理
df_return['field_createdtime'] = df_return['field_createdtime'].apply(lambda x:x.date())
# 修改 SQL
# cre_ddl = cre_ddl.replace('field_createdtime datetime','field_createdtime date')
column = Column(name='field_createdtime', type='date', comment=columns_index['field_createdtime'][1])
columns[columns_index['field_createdtime'][0]] = column
# #修改mc_df_astype
# mc_df_astype['field_createdtime'] = 'date'
# 2.3 场景三：日期给定默认最大值
# 修改 df 即可
#默认值改为 2222-01-01 00:00:00
mask = df_return['field_date'] == pd.Timestamp('1970-01-01 08:00:01')
df_return.loc[mask, 'field_date'] = pd.Timestamp('2222-01-01 00:00:00')
# 2.4 场景四：公式保留具体值
# 修改 df
# 修改 SQL
df_return['field_numformula'] = df_return['field_numformula'].apply(lambda x:json.loads(x)['value'][0])
# cre_ddl = cre_ddl.replace('field_numformula varchar(256)','field_numformula int')
column = Column(name='field_numformula', type='bigint', comment=columns_index['field_numformula'][1])
columns[columns_index['field_numformula'][0]] = column
#修改mc_df_astype
mc_df_astype['field_numformula'] = 'int64'
# 创建新的 schema
schema = Schema(columns=columns, partitions=partitions)
print('定制函数打印数据和建表语句')
print('----------------------------------------------\n', df_return[['field_number','field_createdtime','field_date','field_numformula']].head(5))
print('----------------------------------------------\n', schema.columns)
return df_return, schema, mc_df_astype
2.3.2 类 DDL+列表
在定制化某些列信息时，如果是使用类 建表的 DDL 语句，根据建表的规则，识别对应的字符串进行替换即可。使用列表写入数据则不需要进行修改。
def custom_field(df_return, cre_ddl):
# 2.1 场景一：把数字入库为 int 类型
# 修改 SQL 即可
cre_ddl = cre_ddl.replace('field_number float','field_number int')
# 2.2 场景二：把日期入库为 date 类型
# 修改 df，MySQL会自动截断，Maxcompute不行，需要使用 x.date() 处理
df_return['field_createdtime'] = df_return['field_createdtime'].apply(lambda x:x.date())
# 修改 SQL
cre_ddl = cre_ddl.replace('field_createdtime datetime','field_createdtime date')
# 2.3 场景三：日期给定默认最大值
# 修改 df 即可
#默认值改为 2222-01-01 00:00:00
mask = df_return['field_date'] == pd.Timestamp('1970-01-01 08:00:01')
df_return.loc[mask, 'field_date'] = pd.Timestamp('2222-01-01 00:00:00')
# 2.4 场景四：公式保留具体值
# 修改 df
# 修改 SQL
df_return['field_numformula'] = df_return['field_numformula'].apply(lambda x:json.loads(x)['value'][0])
cre_ddl = cre_ddl.replace('field_numformula varchar(256)','field_numformula int')
print('定制函数打印数据和建表语句')
print('----------------------------------------------\n', df_return[['field_number','field_createdtime','field_date','field_numformula']].head(5))
print('----------------------------------------------\n', schema.columns)
return df_return, cre_ddl
三、整合代码（Schema+DataFrame）
上面介绍了两种建表方式和两种写入方式，可以有4种搭配，这里提供 schema+DataFrame 的，即在上一小节最终的代码的基础上在generate_create_schema()、custom_field()、insert_mc_table()三个函数中都加上分区字段即可。
两点说明：
- 该代码加上分区处理逻辑：当分区存在时，删除重建，确保重复跑数据不会重复。
- 该代码使用了 DataWorks 的调度参数，所以使用时需要配置调度参数：pt_date=$bizdate
import requests
import json
import datetime
import pandas as pd
from sqlalchemy import create_engine, text
from urllib.parse import urlparse, parse_qs
from odps.models import Schema, Column, Partition
import math
def get_table_params(bitable_url):
# bitable_url = "https://feishu.cn/base/aaaaaaaa?table=tblccc&view=vewddd"
parsed_url = urlparse(bitable_url) #解析url：(ParseResult(scheme='https', netloc='feishu.cn', path='/base/aaaaaaaa', params='', query='table=tblccc&view=vewddd', fragment='')
query_params = parse_qs(parsed_url.query) #解析url参数：{'table': ['tblccc'], 'view': ['vewddd']}
app_token = parsed_url.path.split('/')[-1]
table_id = query_params.get('table', [None])[0]
view_id = query_params.get('view', [None])[0]
print(f'成功解析链接，app_token：{app_token}，table_id：{table_id}，view_id：{view_id}。关联方法：get_table_params。')
return app_token, table_id, view_id
def get_tenant_access_token(app_id, app_secret):
url = "https://open.feishu.cn/open-apis/auth/v3/tenant_access_token/internal"
payload = json.dumps({
"app_id": app_id,
"app_secret": app_secret
})
headers = {'Content-Type': 'application/json'}
response = requests.request("POST", url, headers=headers, data=payload)
tenant_access_token = response.json()['tenant_access_token']
print(f'成功获取tenant_access_token：{tenant_access_token}。关联函数：get_table_params。')
return tenant_access_token
def get_bitable_datas(tenant_access_token, app_token, table_id, view_id, page_token='', page_size=20):
url = f"https://open.feishu.cn/open-apis/bitable/v1/apps/{app_token}/tables/{table_id}/records/search?page_size={page_size}&page_token={page_token}&user_id_type=user_id"
payload = json.dumps({"view_id": view_id})
headers = {
'Content-Type': 'application/json',
'Authorization': f'Bearer {tenant_access_token}'
}
response = requests.request("POST", url, headers=headers, data=payload)
print(f'成功获取page_token为【{page_token}】的数据。关联函数：get_bitable_datas。')
return response.json()
def get_all_bitable_datas(tenant_access_token, app_token, table_id, view_id, page_token='', page_size=20):
has_more = True
feishu_datas = []
while has_more:
response = get_bitable_datas(tenant_access_token, app_token, table_id, view_id, page_token, page_size)
if response['code'] == 0:
page_token = response['data'].get('page_token')
has_more = response['data'].get('has_more')
# print(response['data'].get('items'))
# print('\n--------------------------------------------------------------------\n')
feishu_datas.extend(response['data'].get('items'))
else:
raise Exception(response['msg'])
print(f'成功获取飞书多维表所有数据，返回 feishu_datas。关联函数：get_all_bitable_datas。')
return feishu_datas
def get_bitable_fields(tenant_access_token, app_token, table_id, page_size=500):
url = f"https://open.feishu.cn/open-apis/bitable/v1/apps/{app_token}/tables/{table_id}/fields?page_size={page_size}"
payload = ''
headers = {'Authorization': f'Bearer {tenant_access_token}'}
response = requests.request("GET", url, headers=headers, data=payload)
field_infos = response.json().get('data').get('items')
print('成功获取飞书字段信息，关联函数：get_bitable_fields。')
return field_infos
def merge_list(ls_from, ls_join, on=None, left_on=None, right_on=None):
"""将两个[{},{}]结构的数据合并"""
df_from = pd.DataFrame(ls_from)
df_join = pd.DataFrame(ls_join)
if on is not None:
df_merge = df_from.merge(df_join, how='left', on=on)
else:
df_merge = df_from.merge(df_join, how='left', left_on=left_on, right_on=right_on) # , suffixes=('', '_y')
print(f'成功合并列表或DataFrame。关联方法：merge_list。')
return df_merge
def extract_key_fields(feishu_datas, store_fields_info_df):
"""处理飞书数据类型编号的数据"""
print('开始处理飞书多维表关键字段数据...')
# 需要record_id 和 订单号，用于和数据库数据匹配
df_feishu = pd.DataFrame(feishu_datas)
df_return = pd.DataFrame()
#根据列的数据类型，分别处理对应的数据。注意：仅返回以下列举的数据类型，如果fields_map的内容包含按钮、流程等数据类型的飞书列，忽略。
for index, row in store_fields_info_df.iterrows():
if row['type'] == 1: #文本
df_return[row['tb_field_name']] = df_feishu['fields'].apply(lambda x:x.get(row['field_name'],[{}])[0].get('text'))
elif row['type'] in (2, 3, 4, 7, 13, 1005): #数字、单选、多选、复选框、手机号、自动编号
df_return[row['tb_field_name']] = df_feishu['fields'].apply(lambda x:x.get(row['field_name']))
elif row['type'] in (5, 1001, 1002): #日期(包含创建和更新)，需要加 8 小时，即 8*60*60*1000=28800 秒
df_return[row['tb_field_name']] = pd.to_datetime(df_feishu['fields'].apply(lambda x:28800 + int(x.get(row['field_name'],1000)/1000)), unit='s')
elif row['type'] in(11, 23, 1003, 1004): #人员、群组、创建人、修改人，遍历取name
df_return[row['tb_field_name']] = df_feishu['fields'].apply(lambda x: ','.join([i.get('name') for i in x.get(row['field_name'],[{"name":""}])])) # 需要遍历
elif row['type'] == 15: #链接
df_return[row['tb_field_name']] = df_feishu['fields'].apply(lambda x:x.get(row['field_name'],{}).get('link'))
elif row['type'] == 17: #附件，遍历取url
df_return[row['tb_field_name']] = df_feishu['fields'].apply(lambda x:[i.get('url') for i in x.get(row['field_name'],[{}])]) #需要遍历
elif row['type'] in(18, 21): #单向关联、双向关联，取link_record_ids
df_return[row['tb_field_name']] = df_feishu['fields'].apply(lambda x:x.get(row['field_name'],{}).get('link_record_ids'))
elif row['type'] in(19, 20): #查找引用和公式
df_return[row['tb_field_name']] = df_feishu['fields'].apply(lambda x:json.dumps(x.get(row['field_name'])))
elif row['type'] == 22: #地理位置
df_return[row['tb_field_name']] = df_feishu['fields'].apply(lambda x:x.get(row['field_name'],{}).get('location'))
#加上record_id
df_return['record_id'] = df_feishu.record_id
#加上表更新字段
df_return['last_modified_time'] = datetime.datetime.now()
print(f'成功提取入库字段的数据。关联方法：extract_key_fields。')
return df_return
def generate_create_schema(store_fields_info_df):
columns = []
columns_index = {}
for index, row in store_fields_info_df.iterrows():
name = row['tb_field_name']; type=row['mc_type']; comment=row['feishu_field_name']
# print(name,type,comment)
columns.append(Column(name=name, type=type, comment=comment))
columns_index[name] = (index, comment)
columns.append(Column(name='record_id', type='string', comment='飞书表行record_id'))
columns.append(Column(name='last_modified_time', type='datetime', comment='数据更新时间'))
partitions = [Partition(name='pt', type='string', comment='分区字段')]
schema = Schema(columns=columns, partitions=partitions)
print(f'成功生成 MaxCompute 建表 schema。关联方法：generate_create_schema。')
return schema, columns, columns_index, partitions
def cre_mc_table(db_table_name, schema):
if o.exist_table(db_table_name):
print(f'表单 {db_table_name} 已存在，不需要新建。关联方法：cre_mc_table。')
else:
table = o.create_table(db_table_name, schema, if_not_exists=True)
print(f'成功创建 MaxCompute 表：{db_table_name}。关联方法：cre_mc_table。')
def generate_astype(store_fields_info_df):
"""
功能：对整合了飞书列入库的列、飞书列类型、和阿里云 DataFrame 数据类型的 pandas DataFrame，提取字段名和阿里云DataFrame 数据类型
"""
#生成阿里云DataFrame的as_type，用于将处理好的数据转为阿里云DataFrame，格式：{'field_no': 'string', 'field_select': 'float64', 'field_text': 'datatime'}
mc_df_astype = store_fields_info_df.set_index('tb_field_name').to_dict()['mc_df_type']
#加上record_id
mc_df_astype['record_id'] = 'string'
#加一个表更新时间
mc_df_astype['last_modified_time'] = 'DATETIME'
# print(mc_df_astype)
print('成功生成阿里云 DataFrame 的 as_type。方法：generate_astype')
return mc_df_astype
def insert_mc_table(feishu_df, mc_table_name, mc_df_astype):
"""
生成 PyODPS DataFrame 并将数据插入 Maxcompute 表
"""
aliyun_df = DataFrame(feishu_df,as_type=mc_df_astype)
# # 参数值获取1：使用 datetime 模块获取
# ptdate = (datetime.datetime.today()- datetime.timedelta(days=1)).strftime('%Y%m%d') #昨天
# 参数值获取2：使用 DataWorks 调度参数获取
ptdate = args['ptdate']
aliyun_df.persist(mc_table_name, partition=f"pt={ptdate}", drop_partition=True, create_partition=True)
print(f'成功将飞书数据写入 MaxCompute 数据表：{mc_table_name}。关联方法：insert_mc_table。')
def custom_field(df_return, columns, columns_index, mc_df_astype, partitions):
# 2.1 场景一：把数字入库为 int 类型
# 修改 SQL 即可
# cre_ddl = cre_ddl.replace('field_number float','field_number int')
column = Column(name='field_number', type='bigint', comment=columns_index['field_number'][1])
columns[columns_index['field_number'][0]] = column
#修改mc_df_astype
mc_df_astype['field_number'] = 'int64'
# 2.2 场景二：把日期入库为 date 类型
# 修改 df，MySQL会自动截断，Maxcompute不行，需要使用 x.date() 处理
df_return['field_createdtime'] = df_return['field_createdtime'].apply(lambda x:x.date())
# 修改 SQL
# cre_ddl = cre_ddl.replace('field_createdtime datetime','field_createdtime date')
column = Column(name='field_createdtime', type='date', comment=columns_index['field_createdtime'][1])
columns[columns_index['field_createdtime'][0]] = column
# #修改mc_df_astype
# mc_df_astype['field_createdtime'] = 'date'
# 2.3 场景三：日期给定默认最大值
# 修改 df 即可
#默认值改为 2222-01-01 00:00:00
mask = df_return['field_date'] == pd.Timestamp('1970-01-01 08:00:01')
df_return.loc[mask, 'field_date'] = pd.Timestamp('2222-01-01 00:00:00')
# 2.4 场景四：公式保留具体值
# 修改 df
# 修改 SQL
df_return['field_numformula'] = df_return['field_numformula'].apply(lambda x:json.loads(x)['value'][0])
# cre_ddl = cre_ddl.replace('field_numformula varchar(256)','field_numformula int')
column = Column(name='field_numformula', type='bigint', comment=columns_index['field_numformula'][1])
columns[columns_index['field_numformula'][0]] = column
#修改mc_df_astype
mc_df_astype['field_numformula'] = 'int64'
# 创建新的 schema
schema = Schema(columns=columns, partitions=partitions)
print('定制函数打印数据和建表语句')
print('----------------------------------------------\n', df_return[['field_number','field_createdtime','field_date','field_numformula']].head(5))
print('----------------------------------------------\n', schema.columns)
return df_return, schema, mc_df_astype
def main(mc_table_name, bitable_url, fields_map):
# 基本配置
app_token, table_id, view_id = get_table_params(bitable_url)
app_id = 'your_app_id'
app_secret = 'your_app_secret'
tenant_access_token = get_tenant_access_token(app_id, app_secret)
page_size = 50
# 获取飞书多维表所有数据
feishu_datas = get_all_bitable_datas(tenant_access_token, app_token, table_id, view_id, page_size=page_size)
#获取飞书字段信息
feishu_fields = get_bitable_fields(tenant_access_token, app_token, table_id)
# 以 fields_map 为准关联数据
store_fields_info_df = merge_list(fields_map, feishu_fields, left_on='feishu_field_name', right_on='field_name')
# 处理入库字段数据
feishu_df = extract_key_fields(feishu_datas, store_fields_info_df)
# 关联入库数据类型
data_type_map = [{"feishu_type": 1 ,"mc_type": "string" ,"mc_df_type": "string" }
,{"feishu_type": 2 ,"mc_type": "double" ,"mc_df_type": "float64" }
,{"feishu_type": 3 ,"mc_type": "string" ,"mc_df_type": "string" }
,{"feishu_type": 4 ,"mc_type": "array<string>" ,"mc_df_type": "list<string>" }
,{"feishu_type": 5 ,"mc_type": "datetime" ,"mc_df_type": "datetime" }
,{"feishu_type": 7 ,"mc_type": "boolean" ,"mc_df_type": "boolean" }
,{"feishu_type": 11 ,"mc_type": "string" ,"mc_df_type": "string" }
,{"feishu_type": 13 ,"mc_type": "string" ,"mc_df_type": "string" }
,{"feishu_type": 15 ,"mc_type": "string" ,"mc_df_type": "string" }
,{"feishu_type": 17 ,"mc_type": "array<string>" ,"mc_df_type": "list<string>" }
,{"feishu_type": 18 ,"mc_type": "array<string>" ,"mc_df_type": "list<string>" }
,{"feishu_type": 19 ,"mc_type": "string" ,"mc_df_type": "string" }
,{"feishu_type": 20 ,"mc_type": "string" ,"mc_df_type": "string" }
,{"feishu_type": 21 ,"mc_type": "array<string>" ,"mc_df_type": "list<string>" }
,{"feishu_type": 22 ,"mc_type": "string" ,"mc_df_type": "string" }
,{"feishu_type": 23 ,"mc_type": "string" ,"mc_df_type": "string" }
,{"feishu_type": 1001,"mc_type": "datetime" ,"mc_df_type": "datetime" }
,{"feishu_type": 1002,"mc_type": "datetime" ,"mc_df_type": "datetime" }
,{"feishu_type": 1003,"mc_type": "string" ,"mc_df_type": "string" }
,{"feishu_type": 1004,"mc_type": "string" ,"mc_df_type": "string" }
,{"feishu_type": 1005,"mc_type": "string" ,"mc_df_type": "string" }]
store_fields_info_df = merge_list(store_fields_info_df, data_type_map, left_on='type', right_on='feishu_type')
# 生成 MaxCompute schema
schema, columns, columns_index, partitions = generate_create_schema(store_fields_info_df)
# 生成 DataFrame astype
mc_df_astype = generate_astype(store_fields_info_df)
# 定制化
feishu_df, schema, mc_df_astype = custom_field(feishu_df, columns, columns_index, mc_df_astype, partitions)
# 建 MaxCompute 数据表
cre_mc_table(mc_table_name, schema)
# MaxCompute 表插入数据
insert_mc_table(feishu_df, mc_table_name, mc_df_astype)
print(f'成功将飞书多维表（{bitable_url}）的数据入库到 mysql 数据表：{mc_table_name}。')
if __name__ == '__main__':
mc_table_name = 'for_ods.feishu_data_type_test'
bitable_url = "https://forchangesz.feishu.cn/base/SpY3b9LMFaodpOsE0kdcGEyonbg?table=tbl5BZE0Aubjz5Yy&view=vewDM4NGlP"
fields_map = [{'tb_field_name': 'field_text','feishu_field_name': '文本'}
,{'tb_field_name': 'field_email','feishu_field_name': 'email'}
,{'tb_field_name': 'field_select','feishu_field_name': '单选'}
,{'tb_field_name': 'field_mobile','feishu_field_name': '电话号码'}
,{'tb_field_name': 'field_no','feishu_field_name': '自动编号'}
,{'tb_field_name': 'field_member1','feishu_field_name': '人员1'}
,{'tb_field_name': 'field_group1','feishu_field_name': '群组1'}
,{'tb_field_name': 'field_creator','feishu_field_name': '创建人'}
,{'tb_field_name': 'field_modifier','feishu_field_name': '修改人'}
,{'tb_field_name': 'field_member2','feishu_field_name': '人员2'}
,{'tb_field_name': 'field_group2','feishu_field_name': '群组2'}
,{'tb_field_name': 'field_url','feishu_field_name': '超链接'}
,{'tb_field_name': 'field_location','feishu_field_name': '地理位置'}
,{'tb_field_name': 'field_findnum','feishu_field_name': '查找引用数值'}
,{'tb_field_name': 'field_numformula','feishu_field_name': '数字公式'}
,{'tb_field_name': 'field_number','feishu_field_name': '数字'}
,{'tb_field_name': 'field_progress','feishu_field_name': '进度'}
,{'tb_field_name': 'field_money','feishu_field_name': '货币'}
,{'tb_field_name': 'field_Rating','feishu_field_name': '评分'}
,{'tb_field_name': 'field_bool','feishu_field_name': '复选框'}
,{'tb_field_name': 'field_date','feishu_field_name': '日期'}
,{'tb_field_name': 'field_createdtime','feishu_field_name': '创建时间'}
,{'tb_field_name': 'field_updatedtime','feishu_field_name': '更新时间'}
,{'tb_field_name': 'field_mulselect','feishu_field_name': '多选'}
,{'tb_field_name': 'field_singleunion','feishu_field_name': '单向关联'}
,{'tb_field_name': 'field_doubleunion','feishu_field_name': '双向关联'}
,{'tb_field_name': 'field_file','feishu_field_name': '附件'}
]
main(mc_table_name, bitable_url, fields_map)
写入成功之后，查询数据看看结构长什么样。执行以下 SQL：
select * from for_ods.feishu_data_type_test;
最终执行的结果参考如下，最后多了一个分区列pt，记录一个昨天的日期：
四、小结
本文探讨了将飞书多维表数据入库 MaxCompute 分区表的方法，介绍了MaxCompute分区表的概念和建表方法，并探讨了如何写入分区表。
分区表可以按照定义的分区字段将数据分为不同的目录，通过分区可以优化查询效率，提高查询性能。
建表时，可以先创建 Schema，再根据 schema 建表；也可以直接使用类建表的 DDL 直接建表。
写表时，可以将 Pandas 的 DataFrame 转为列表直接写入；也可以先转为 PyODPS 的 DataFrame 再写入。
两种创建分区表的方法和两种写入分区表的方法，它们可以两两组合搭配使用。
至此，关于飞书多维表的读取和入库基本介绍完了。/手动撒花
