跳到主要內容
Open In ColabOpen on GitHub

Airbyte CDK (已停用)

注意：AirbyteCDKLoader 已停用。請改用 AirbyteLoader。

Airbyte 是一個資料整合平台，適用於從 API、資料庫和檔案到資料倉儲和資料湖的 ELT 管道。它擁有最大的 ELT 連接器目錄，可連接到資料倉儲和資料庫。

許多來源連接器是使用 Airbyte CDK 實作的。此載入器允許執行任何這些連接器，並將資料以文件形式傳回。

安裝​

首先，您需要安裝 airbyte-cdk python 套件。

%pip install --upgrade --quiet  airbyte-cdk

然後，從 Airbyte Github 儲存庫 安裝現有的連接器，或使用 Airbyte CDK 建立您自己的連接器。

例如，若要安裝 Github 連接器，請執行

%pip install --upgrade --quiet  "source_github@git+https://github.com/airbytehq/airbyte.git@master#subdirectory=airbyte-integrations/connectors/source-github"

某些來源也以常規套件形式發佈在 PyPI 上

範例​

現在您可以根據匯入的來源建立 AirbyteCDKLoader。它採用傳遞至連接器的 config 物件。您也必須依名稱 (stream_name) 選取您要從中檢索記錄的串流。查看連接器文件頁面和規格定義，以取得有關 config 物件和可用串流的更多資訊。對於 Github 連接器，這些是

from langchain_community.document_loaders.airbyte import AirbyteCDKLoader
from source_github.source import SourceGithub  # plug in your own source here

config = {
    # your github configuration
    "credentials": {"api_url": "api.github.com", "personal_access_token": "<token>"},
    "repository": "<repo>",
    "start_date": "<date from which to start retrieving records from in ISO format, e.g. 2020-10-20T00:00:00Z>",
}

issues_loader = AirbyteCDKLoader(
    source_class=SourceGithub, config=config, stream_name="issues"
)
API 參考：AirbyteCDKLoader

現在您可以像平常一樣載入文件

docs = issues_loader.load()

由於 load 傳回清單，因此它將封鎖直到所有文件都載入完成。若要更好地控制此程序，您也可以使用 lazy_load 方法，該方法會改為傳回迭代器

docs_iterator = issues_loader.lazy_load()

請記住，預設情況下，頁面內容為空，而 metadata 物件包含記錄中的所有資訊。若要以不同的方式建立文件，請在建立載入器時傳入 record_handler 函數

from langchain_core.documents import Document


def handle_record(record, id):
    return Document(
        page_content=record.data["title"] + "\n" + (record.data["body"] or ""),
        metadata=record.data,
    )


issues_loader = AirbyteCDKLoader(
    source_class=SourceGithub,
    config=config,
    stream_name="issues",
    record_handler=handle_record,
)

docs = issues_loader.load()
API 參考：Document

增量載入​

某些串流允許增量載入，這表示來源會追蹤已同步的記錄，並且不會再次載入它們。這對於具有大量資料且經常更新的來源很有用。

若要利用此功能，請儲存載入器的 last_state 屬性，並在再次建立載入器時傳入它。這將確保僅載入新記錄。

last_state = issues_loader.last_state  # store safely

incremental_issue_loader = AirbyteCDKLoader(
    source_class=SourceGithub, config=config, stream_name="issues", state=last_state
)

new_docs = incremental_issue_loader.load()

此頁面是否對您有幫助？