使用 CerealBox 将 AWS DynamoDB JSON 序列化为 Python dict
在这里，我们讨论了一个快速演练和参考代码，用于为您的下一个 AWS 应用程序简化 DynamoDB JSON 序列化过程。
绒毛在哪里？
当我开始使用 DynamoDB 时，我喜欢它的设置和入门是多么容易，无需担心可扩展性、可扩展性或可用性。直到我在客户端应用程序上创建数据模型时遇到了这个 JSON 序列化问题，一切似乎都井井有条。
“如果你只是坚持公地，事情就会变得如此简单，不是吗？”
好吧，当涉及到我们最喜欢的 AWS 解决方案之一 DynamoDB 数据库时，情况并非如此，这就是它的模糊之处。
数据类型
DynamoDB 固有地支持 3 种数据类型——字符串、数字和二进制——其余的通用数据类型是这些基本类型的简单派生。如果我们尝试用通用 Java 数据类型映射它们，我们会得到如下映射 -
Java 类型 对比 DynamoDB 类型
所有号码类型 - >_ñ_（数字类型）
字符串->_小号_（字符串类型）
布尔值 ->_布尔值_（布尔类型），0 或 1
字节缓冲区->_乙_（二进制类型）
日期 ->_小号__（字符串类型），存储为 ISO-8601 格式的字符串
_ 放 集合类型 - >_党卫军_（字符串集）类型，_NS_（数字集）类型，或_学士学位_（二进制集）类型
Java 映射器参考： Amazon DynamoDB 开发人员指南
我们的设置
为了理解这个问题并演示解决方案，让我们设置一个 DynamoDB 表，其中包含一些关于动画电影的随机数据（只是因为我喜欢它们）。
步骤1 : 创建 dynamodb 表 'movies'
Create dynamodb table ‘ movies ’ with ‘ title ’ as PartitionKey and ‘ genre ’ as SortKey
第2步 ：添加具有不同数据类型的示例记录
这可以通过以下两种方式中的任何一种来完成 - 使用表单视图或在 DynamoDB 表的创建项目选项下提供的 JSON 视图
例如，让我们在某些假设下为电影“海兽”添加一条记录 -
Data types for movies table item constituents
Sample movie record added with multiple data types
第 3 步 : 客户端代码设置
现在是 Python 客户端——让我们将其设置为 3 个类的结构，这些类可以进一步扩展以在未来提供额外的特性——
问题
通常，为了在 Python 中将任何响应对象转换为可管理的 json 格式流，我们使用 json.dumps()，这就是我们尝试在 常规方法 在 MovieModel 类中进行了评论。
反序列化尝试
要了解 DynamoDB json 的类型转换问题，请取消注释 常规方法 在 MovieModel 类中并注释 谷物盒方法 .现在运行主文件——
$ python3 main_movie_dynamodb_example_runner.py
观察和例外
这会导致错误 语言 场地 -
TypeError：类型集的对象不是 JSON 可序列化的
出现此问题是因为 StringSet 的输入数据类型无法识别为常规 Java 数据类型导致序列化失败。
解决方案
这个确切的序列化问题由 CerealBox 库管理，该库提供对 DynamoDB JSON 的开箱即用支持。
根据他们的官方简介——
CerealBox 是用于 python 字典的极快的零依赖通用序列化器/反序列化器。它具有可扩展的架构，允许通过 config 构建自定义序列化程序。该模块还包括将常见数据类型序列化为 JSON 兼容字典或 DynamoDB JSON 的内置实现。
参考图书馆： https://github.com/a2d24/cerealbox
使用 CerealBox 库进行序列化
现在在上面的同一个例子中，尝试运行主程序，而 谷物盒方法 未注释并且 常规方法 在 MovieModel 类中被注释。现在，这将以正确的格式序列化响应，并在控制台上打印电影详细信息 -
{'languages': ['Spanish', 'french', 'English'], 'userrating': '4.8', 'isReleased': True, 'releaseYear': '2022', 'genre': 'Adventure' , 'title': '海兽'}
在数据库中找不到电影。
我们现在可以从这个序列化的响应数据中构建数据模型，并在我们的应用程序中像常规 JSON 一样进一步使用它。
CerealBox 使用以下映射将 DynamoDB json 序列化为 Python dict —
DynamoDB JSON to Python Dict mapping done by CerealBox
结论
因此，虽然与 AWS DynamoDB 合作有其自身的优势和劣势，但 CerealBox 让您在迁移/采用云期间能够非常轻松地驾驭复杂的应用程序数据级别。 ❤️
把它包起来
请在评论中分享 你遇到如此低级的设计问题以及大象经历的时候，你在推过那个尾端时会感到头痒。
[
汉堡类比：命令式与声明式编程风格
理解历史评估的系统设计范式的基本方法
更好的编程.pub
[
使用 Mosquitto MQTT 代理流式处理 Flutter 事件
通过counter app示例程序探索Flutter中MQTT消息协议的威力
更好的编程.pub
](https://betterprogramming.pub/streaming-flutter-events-with-mosquitto-mqtt-broker-28998a3b81c2)
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明
本文链接：https://www.qanswer.top/10918/15260208
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
