Nano Hash - криптовалюты, майнинг, программирование

Запрос на получение DynamoDB

@DynamoDBTable(tableName = "OrderDashboardMetadata")
public class OrderDashBoardMetaData {

private int position;
private Date ETA = null;
private List<String> notes;

@DynamoDBHashKey(attributeName = "queueName")
private String queueName;

@DynamoDBRangeKey(attributeName = "orderId")
private String orderId;

@DynamoDBIndexHashKey(globalSecondaryIndexName = "city")
private String city;

@DynamoDBIndexRangeKey(globalSecondaryIndexName = "city")
private String fcId;

@DynamoDBIndexHashKey(globalSecondaryIndexName = "orderState")
private String orderState;

@DynamoDBAttribute(attributeName = "action")
private String action;

@DynamoDBAttribute(attributeName = "createdTime")
private Date createdTime = new Date();

@DynamoDBAttribute(attributeName = "updatedTime")
private Date updatedTime = new Date();

Hi

У меня есть структура таблицы, подобная приведенной выше. Каким будет запрос для получения результатов только с

1) queueName -> PFS
2) ETA -> более 1 января 2017 г.
3) состояние заказа - PO

Пожалуйста, предложите полный запрос для вышеуказанного сценария в JAVA.

java amazon-dynamodb
12.01.2017

Ответы:


1

Поскольку вы не аннотировали, предполагая, что ETA также является атрибутом DDBA

 Map<String, AttributeValue> expValues = new HashMap<>();
 expValues.put(":hv", new AttributeValue("PFS"));
 expValues.put(":osv", new AttributeValue("PO"));
 expValues.put(":etav", new AttributeValue("2017-01-01"));

 QueryRequest q = new QueryRequest("OrderDashboardMetadata");
 q.setKeyConditionExpression("queueName = :hv");
 q.setFilterExpression("orderState = :osv and ETA > :etav");
 q.setExpressionAttributeValues(expValues);
 QueryResult r = dbClient.query(q);

Примечание. Даты сохраняются как S (строковый тип). Значения даты хранятся в виде строк в формате ISO-8601.

12.01.2017
  • Голосовать за и принять - хороший способ сказать спасибо, это тоже поможет другим. 13.01.2017
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..