關於 Boto Boto 文件用戶端和資源層使用 batch_writer 其他程式碼範例工作階段和執行緒安全 Config 錯誤處理日誌事件勾點分頁和分頁程式等待程式

使用 Python 和 Boto3 為 Amazon DynamoDB 編寫程式

本指南為想要透過 Python 使用 Amazon DynamoDB 的程式設計人員提供指導。了解不同的抽象層、組態管理、錯誤處理、控制重試政策、管理保持連線等。

主題

關於 Boto
使用 Boto 文件
了解用戶端和資源抽象層
使用資料表資源 batch_writer
探索用戶端和資源層的其他程式碼範例
了解用戶端和資源物件如何與工作階段和執行緒互動
自訂 Config 物件
錯誤處理
日誌
事件勾點
分頁和分頁程式
等待程式

關於 Boto

您可以使用適用於 Python 的官方 AWS SDK 從 Python 存取 DynamoDB，通常稱為 Boto3。Boto (發音為 boh-toh) 的名稱來自亞馬遜河原生的淡水海豚。Boto3 程式庫是程式庫的第三個主要版本，於 2015 年首次發行。Boto3 程式庫相當大，因為它支援所有 AWS 服務，不只是 DynamoDB。此指導僅針對 Boto3 中與 DynamoDB 相關的部分。

Boto 由 AWS 維護並發布為在 GitHub 上託管的開放原始碼專案，分為兩個套件：Botocore 和 Boto3。

Botocore 提供低階功能。在 Botocore 中，您會找到用戶端、工作階段、憑證、組態和例外類別。
Boto3 建置在 Botocore 之上，提供更高階、更具 Python 風格的介面。具體而言，它公開 DynamoDB 資料表做為資源，並提供比服務導向的低階用戶端介面更簡單、更優雅的介面。

由於這些專案託管在 GitHub 上，因此您可以檢視原始程式碼、追蹤未解決的問題，或提交您自己的問題。

使用 Boto 文件

使用下列資源開始使用 Boto 文件：

從 Quickstart 區段開始，該區段提供安裝套件的堅實起點。如需安裝 Boto3 的說明，請前往該處 (Boto3 通常可在 AWS Lambda 等 AWS 服務內自動取得)。
之後，請專注於文件的 DynamoDB 指南。它說明如何執行基本的 DynamoDB 活動：建立和刪除資料表、操作項目，以及執行批次操作、查詢和掃描。其範例使用資源介面。當您看到 boto3.resource('dynamodb')，表示您正在使用較高階的資源介面。
在本指南之後，您可以檢閱 DynamoDB 參考。此登陸頁面提供您可使用的類別和方法的完整清單。在頂端，您會看到 DynamoDB.Client 類別，提供所有控制平面和資料平面操作的低階存取。在底部則可查看 DynamoDB.ServiceResource 類別，這是更高階且具有 Python 風格的介面。您可以使用它來建立資料表、跨資料表執行批次操作，或取得資料表特定動作的 DynamoDB.ServiceResource.Table 執行個體。

了解用戶端和資源抽象層

您將使用的兩個介面是用戶端介面和資源介面。

低階用戶端介面提供對基礎服務 API 的 1 對 1 映射。DynamoDB 提供的每個 API 都可以透過用戶端取得。這表示用戶端介面可以提供完整的功能，但使用起來通常更冗長且複雜。
較高階的資源介面不提供基礎服務 API 的 1 對 1 映射。不過，它提供可讓您更方便存取服務的方法，例如 batch_writer。

以下是使用用戶端介面插入項目的範例。請注意所有的值如何以映射形式傳遞，其中鍵代表其類型 (字串為「S」，數字為「N」)，值則為字串。這稱為 DynamoDB JSON 格式。


import boto3

dynamodb = boto3.client('dynamodb')

dynamodb.put_item(
    TableName='YourTableName',
    Item={
        'pk': {'S': 'id#1'},
        'sk': {'S': 'cart#123'},
        'name': {'S': 'SomeName'},
        'inventory': {'N': '500'},
        # ... more attributes ...
    }
)

以下是使用資源介面的相同 PutItem 操作。資料類型是隱含的：


import boto3

dynamodb = boto3.resource('dynamodb')

table = dynamodb.Table('YourTableName')

table.put_item(
    Item={
        'pk': 'id#1',
        'sk': 'cart#123',
        'name': 'SomeName',
        'inventory': 500,
        # ... more attributes ...
    }
)

如有需要，您可以使用 boto3 提供的 TypeSerializer 和 TypeDeserializer 類別，在一般 JSON 和 DynamoDB JSON 之間轉換：


def dynamo_to_python(dynamo_object: dict) -> dict:
    deserializer = TypeDeserializer()
    return {
        k: deserializer.deserialize(v) 
        for k, v in dynamo_object.items()
    }  
  
def python_to_dynamo(python_object: dict) -> dict:
    serializer = TypeSerializer()
    return {
        k: serializer.serialize(v)
        for k, v in python_object.items()
    }

以下是如何使用用戶端介面執行查詢。它將查詢表達為 JSON 建構，使用需要變數替換的 KeyConditionExpression 字串來處理任何潛在的關鍵字衝突：


import boto3

client = boto3.client('dynamodb')

# Construct the query
response = client.query(
    TableName='YourTableName',
    KeyConditionExpression='pk = :pk_val AND begins_with(sk, :sk_val)',
    FilterExpression='#name = :name_val',
    ExpressionAttributeValues={
        ':pk_val': {'S': 'id#1'},
        ':sk_val': {'S': 'cart#'},
        ':name_val': {'S': 'SomeName'},
    },
    ExpressionAttributeNames={
        '#name': 'name',
    }
)

使用資源介面的相同查詢操作可以縮短和簡化：


import boto3
from boto3.dynamodb.conditions import Key, Attr

dynamodb = boto3.resource('dynamodb')
table = dynamodb.Table('YourTableName')

response = table.query(
    KeyConditionExpression=Key('pk').eq('id#1') & Key('sk').begins_with('cart#'),
    FilterExpression=Attr('name').eq('SomeName')
)

最後，假設您想要取得資料表的大致大小 (這是保留在資料表上的中繼資料，大約每 6 小時更新一次)。使用用戶端介面，您可以執行 describe_table() 操作，並從傳回的 JSON 結構提取答案：


import boto3

dynamodb = boto3.client('dynamodb')

response = dynamodb.describe_table(TableName='YourTableName')
size = response['Table']['TableSizeBytes']

透過資源介面，資料表會隱含地執行描述操作，並直接將資料顯示為屬性：


import boto3

dynamodb = boto3.resource('dynamodb')

table = dynamodb.Table('YourTableName')
size = table.table_size_bytes

注意

考慮使用用戶端或資源介面進行開發時，請注意，根據以下資源文件說明，新功能不會新增至資源介面：「AWSPython SDK 團隊不打算將新功能新增至 boto3 中的資源介面。在 boto3 的生命週期期間，現有的介面將繼續運作。客戶可以透過用戶端介面尋找存取較新服務功能。」

使用資料表資源 batch_writer

batch_writer 是一種便利的方法，僅適用於較高階的資料表資源。DynamoDB 支援批次寫入操作，在一個網路請求中最多允許 25 個放置或刪除操作。像這樣的批次處理可最大限度減少網路往返，從而提高效率。

透過低階用戶端程式庫，您可以使用 client.batch_write_item() 操作來執行批次。您必須手動將工作分成 25 個批次。在每次操作之後，您也必須請求獲得未處理項目的清單 (有些寫入操作可能會成功，有些則可能會失敗)。然後，您必須將這些未處理的項目再次傳遞至稍後的 batch_write_item() 操作。有大量的樣板程式碼。

Table.batch_writer 方法會建立內容管理員，用於以批次方式寫入物件。它會顯示一個介面，看起來像是您一次寫入一個項目，但其實在內部會分批緩衝和傳送項目。它也會隱含地處理未處理的項目重試。


dynamodb = boto3.resource('dynamodb')

table = dynamodb.Table('YourTableName')

movies = # long list of movies in {'pk': 'val', 'sk': 'val', etc} format
with table.batch_writer() as writer:
    for movie in movies:
        writer.put_item(Item=movie)

探索用戶端和資源層的其他程式碼範例

您也可以參考下列程式碼範例儲存庫，以探索在使用用戶端和資源的情況下，各種函數的使用方式：

了解用戶端和資源物件如何與工作階段和執行緒互動

資源物件不具備執行緒安全性，不應跨執行緒或程序共用。如需詳細資訊，請參閱資源指南。

相反地，用戶端物件通常具備執行緒安全性，但特定進階功能除外。如需更多詳細資訊，請參閱用戶端指南。

工作階段物件不具備執行緒安全性。因此，每次在多執行緒環境中建立用戶端或資源時，應先建立新的工作階段，然後從工作階段建立用戶端或資源。如需詳細資訊，請參閱工作階段指南。

當您呼叫 boto3.resource() 時，您會隱含地使用預設工作階段。這有助於撰寫單執行緒程式碼。撰寫多執行緒程式碼時，您會想要先為每個執行緒建構新的工作階段，然後從該工作階段擷取資源：


# Explicitly create a new Session for this thread 
session = boto3.Session()
dynamodb = session.resource('dynamodb')

自訂 Config 物件

建構用戶端或資源物件時，您可以傳遞選用的已命名參數來自訂行為。名為 config 的參數會解鎖各種功能。這是 botocore.client.Config 的執行個體，而 Config 參考文件會顯示它公開供您控制的所有內容。組態指南提供良好的概觀。

注意

您可以修改在工作階段層級、AWS 組態檔案內或作為環境變數的許多行為設定。

逾時的組態

自訂組態的一個用途是調整聯網行為：

connect_timeout (浮點數或整數) – 嘗試建立連線時擲出逾時例外狀況的秒數。預設值為 60 秒。
read_timeout (浮點數或整數) – 嘗試從連線讀取時擲出逾時例外狀況前的秒數。預設值為 60 秒。

對 DynamoDB 而言，60 秒的逾時太長了。這表示暫時性網路故障會導致用戶端延遲一分鐘，然後才可以再試一次。下列程式碼會將逾時縮短為一秒：


import boto3
from botocore.config import Config

my_config = Config(
   connect_timeout = 1.0,
   read_timeout = 1.0
)
dynamodb = boto3.resource('dynamodb', config=my_config)

如需關於逾時的詳細討論，請參閱為延遲感知的 DynamoDB 應用程式調整 AWS Java SDK HTTP 請求設定。請注意，Java SDK 具有比 Python 更多的逾時組態。

保持連線的組態

如果您使用的是 botocore 1.27.84 或更新版本，您也可以控制 TCP Keep-Alive：

tcp_keepalive (bool) - 啟用 TCP Keep-Alive 通訊端選項，如果設定為 True (預設為 False)，則在建立新連線時使用。從 botocore 1.27.84 開始才能使用。

將 TCP Keep-Alive 設定為 True 可減少平均延遲。以下是當您有正確的 botocore 版本時，將 TCP Keep-Alive 設定為 true 的範例程式碼：


import botocore
import boto3
from botocore.config import Config
from distutils.version import LooseVersion

required_version = "1.27.84"
current_version = botocore.__version__

my_config = Config(
   connect_timeout = 0.5,
   read_timeout = 0.5
)
if LooseVersion(current_version) > LooseVersion(required_version):
    my_config = my_config.merge(Config(tcp_keepalive = True))

dynamodb = boto3.resource('dynamodb', config=my_config)

注意

TCP Keep-Alive 與 HTTP Keep-Alive 不同。使用 TCP Keep-Alive 時，基礎作業系統會透過通訊端連線傳送小型封包，以保持連線並立即偵測任何下降。使用 HTTP Keep-Alive 時，會重複使用基礎通訊端上建置的 Web 連線。boto3 一律會啟用 HTTP Keep-Alive。

閒置連線可以保持運作的時間有限制。如果您有閒置連線，但希望下一個請求使用已建立的連線，請考慮定期傳送請求 (每分鐘傳送一次)。

重試的組態

組態也會接受稱為重試的字典，您可以在其中指定所需的重試行為。當 SDK 收到錯誤且錯誤為暫時性類型時，會在 SDK 中重試。如果在內部重試錯誤 (重試最終產生成功的回應)，從呼叫程式碼的角度就不會看到錯誤，只是延遲稍微增加。以下是您可以指定的值：

max_attempts – 一個整數，表示對單一請求進行的重試嘗試次數上限。例如，若將此值設定為 2，初始請求後最多可重試請求兩次。若將此值設為 0，則在初始請求後不會嘗試任何重試。
total_max_attempts – 一個整數，代表對單一請求所嘗試的總數上限。這包括初始請求，因此值 1 表示不會重試任何請求。如果同時提供 total_max_attempts 和 max_attempts，則 total_max_attempts 具有優先權。total_max_attempts 優先於 max_attempts，因為它映射到 AWS_MAX_ATTEMPTS 環境變數和 max_attempts 組態檔案值。
mode – 一個字串，代表應該使用的重試模式 botocore 類型。有效的值如下：
- legacy – 預設模式。第一次重試等待 50 毫秒，然後使用基本係數為 2 的指數退避。對於 DynamoDB，會執行最多總計 10 次嘗試 (除非以上述覆寫)。
  
  注意
  使用指數退避時，最後一次嘗試將等待近 13 秒。
- standard – 命名為 standard (標準)，因為與其他 AWS SDK 更一致。第一次重試將等待從 0 毫秒到 1,000 毫秒的隨機時間。如果需要再次重試，會挑選從 0 毫秒到 1,000 毫秒的另一個隨機時間，並乘以 2。如果需要額外的重試，會執行相同的隨機挑選乘以 4，依此類推。每次等待上限為 20 秒。相較於 legacy 模式，此模式在偵測到更多失敗條件時會執行重試。對於 DynamoDB，會執行最多總共 3 次嘗試 (除非以上述覆寫)。
- adaptive - 實驗性重試模式，包含標準模式的所有功能，但新增了自動用戶端限流。透過自適應速率限制，SDK 可以減慢傳送請求的速率，以更好地適應 AWS 服務的容量。這是一種暫時性模式，其行為可能會變更。

您可以在重試指南中找到這些重試模式的擴展定義，也可以在 SDK 參考的重試行為主題中找到。

以下是明確使用 legacy 重試政策的範例，總共最多 3 個請求 (2 次重試)：


import boto3
from botocore.config import Config

my_config = Config(
   connect_timeout = 1.0,
   read_timeout = 1.0,
   retries = {
     'mode': 'legacy',
     'total_max_attempts': 3
   }
)
dynamodb = boto3.resource('dynamodb', config=my_config)

由於 DynamoDB 是高度可用、低延遲的系統，因此建議您可以比內建重試政策所允許的程度，加快重試速度。您可以實作自己的重試政策，方法是將最大嘗試次數設定為 0，自行擷取例外狀況，並從自己的程式碼適當重試，而不是依賴 boto3 進行隱含重試。

如果您管理自己的重試政策，您會想要區分限流和錯誤：

限流 (由 ProvisionedThroughputExceededException 或 ThrottlingException 表示) 表示運作狀態良好的服務，通知您已超過 DynamoDB 資料表或分割區的讀取或寫入容量。每經過一毫秒，就能獲得更多的讀取或寫入容量，因此您可以快速重試 (例如每 50 毫秒) 以嘗試存取該新發布的容量。使用限流時，您不需要特別使用指數退避，因為傳回限流對 DynamoDB 很輕量，而且不會向您收取每次請求的費用。指數退避會將較長的延遲指派給已等待最長時間的用戶端執行緒，以統計方式將 p50 和 p99 向外延伸。
錯誤 (由 InternalServerError 或 ServiceUnavailable 等表示) 表示服務有暫時性問題。可能涉及整個資料表，也可能只是您正在讀取或寫入的分割區。發生錯誤時，您可以在重試之前暫停更長的時間 (例如 250 毫秒或 500 毫秒)，並使用抖動來交錯重試。

集區連線上限的組態

最後，組態可讓您控制連線集區大小：

max_pool_connections (整數) – 在連線集區中保留的最大連線數。如果未指定任何值，則會使用預設值 10。

此選項控制要保留在集區中以供重複使用的 HTTP 連線數目上限。每個工作階段會保留不同的集區。如果您預期針對同一工作階段建置的用戶端或資源有 10 個以上的執行緒，您應該考慮將此值提高，讓執行緒不必等待其他正在使用集區連線的執行緒。


import boto3
from botocore.config import Config

my_config = Config(
   max_pool_connections = 20
)

# Setup a single session holding up to 20 pooled connections
session = boto3.Session(my_config)

# Create up to 20 resources against that session for handing to threads
# Notice the single-threaded access to the Session and each Resource
resource1 = session.resource('dynamodb')
resource2 = session.resource('dynamodb')
# etc

錯誤處理

Boto3 中並未靜態定義所有 AWS 服務例外狀況。這是因為 AWS 服務的錯誤和例外狀況差異很大，而且可能會有所變更。Boto3 將所有服務例外狀況包裝為 ClientError，並以結構化 JSON 公開詳細資訊。例如，錯誤回應的結構如下所示：


{
    'Error': {
        'Code': 'SomeServiceException',
        'Message': 'Details/context around the exception or error'
    },
    'ResponseMetadata': {
        'RequestId': '1234567890ABCDEF',
        'HostId': 'host ID data will appear here as a hash',
        'HTTPStatusCode': 400,
        'HTTPHeaders': {'header metadata key/values will appear here'},
        'RetryAttempts': 0
    }
}

下列程式碼會擷取任何 ClientError 例外狀況，並查看 Error 內的 Code 字串值，以決定要採取的動作：


import botocore
import boto3

dynamodb = boto3.client('dynamodb')

try:
    response = dynamodb.put_item(...)

except botocore.exceptions.ClientError as err:
    print('Error Code: {}'.format(err.response['Error']['Code']))
    print('Error Message: {}'.format(err.response['Error']['Message']))
    print('Http Code: {}'.format(err.response['ResponseMetadata']['HTTPStatusCode']))
    print('Request ID: {}'.format(err.response['ResponseMetadata']['RequestId']))

    if err.response['Error']['Code'] in ('ProvisionedThroughputExceededException', 'ThrottlingException'):
        print("Received a throttle")
    elif err.response['Error']['Code'] == 'InternalServerError':
        print("Received a server error")
    else:
        raise err

部分 (但並非全部) 例外狀況代碼已具體化為最高階類別。您可以選擇直接處理這些例外狀況。使用用戶端介面時，這些例外狀況會在您的用戶端上動態填入，而您使用用戶端執行個體來擷取這些例外狀況，如下所示：


except ddb_client.exceptions.ProvisionedThroughputExceededException:

使用資源介面時，您必須使用 .meta.client 從資源周遊到基礎用戶端來存取例外狀況，如下所示：


except ddb_resource.meta.client.exceptions.ProvisionedThroughputExceededException:

若要檢閱具體化例外狀況類型的清單，您可以動態產生清單：


ddb = boto3.client("dynamodb")
print([e for e in dir(ddb.exceptions) if e.endswith('Exception') or e.endswith('Error')])

使用條件表達式執行寫入操作時，您可以請求假如表達式失敗，應在錯誤回應中傳回項目的值。


try:
    response = table.put_item(
        Item=item,
        ConditionExpression='attribute_not_exists(pk)',
        ReturnValuesOnConditionCheckFailure='ALL_OLD'
    )
except table.meta.client.exceptions.ConditionalCheckFailedException as e:
    print('Item already exists:', e.response['Item'])

如需進一步了解錯誤處理和例外狀況：

有關錯誤處理的 boto3 指南提供了有關錯誤處理技巧的詳細資訊。
程式設計錯誤的 DynamoDB 開發人員指南區段列出了您可能會遇到的錯誤。
API 參考中的常見錯誤區段。
每個 API 操作的文件會列出呼叫可能產生的錯誤 (例如 BatchWriteItem)。

日誌

boto3 程式庫與 Python 的內建記錄模組整合，以追蹤工作階段期間發生的情況。若要控制記錄層級，您可以設定記錄模組：


import logging

logging.basicConfig(level=logging.INFO)

這樣會設定根記錄器來記錄 INFO 和更高層級的訊息。系統會忽略嚴重程度低於層級的記錄訊息。記錄層級包括 DEBUG、INFO、WARNING、ERROR 和 CRITICAL。預設值為 WARNING。

boto3 中的記錄器是階層式的。程式庫使用幾個不同的記錄器，每個記錄器對應至程式庫的不同部分。您可以個別控制每個記錄器的行為：

boto3：boto3 模組的主要記錄器。
botocore：botocore 套件的主要記錄器。
botocore.auth：用於記錄請求的 AWS 簽章建立。
botocore.credentials：用於記錄憑證擷取和重新整理的程序。
botocore.endpoint：用於在透過網路傳送請求之前記錄建立請求。
botocore.hooks：用於記錄程式庫中觸發的事件。
botocore.loaders：用於載入部分 AWS 服務模型時的記錄。
botocore.parsers：用於在剖析之前記錄 AWS 服務回應。
botocore.retryhandler：用於記錄 AWS 服務請求重試的處理 (舊版模式)。
botocore.retries.standard：用於記錄 AWS 服務請求重試的處理 (標準或適應模式)。
botocore.utils：用於記錄程式庫中的其他活動。
botocore.waiter：用於記錄等待程式的功能，該程式在達到特定狀態之前會輪詢 AWS 服務。

其他程式庫也會記錄。在內部，boto3 會使用第三方 urllib3 來處理 HTTP 連線。當延遲很重要時，您可以監看其日誌，以確保您的集區在 urllib3 建立新連線或關閉閒置連線時獲得充分利用。

urllib3.connectionpool：用於記錄連線集區處理事件。

下列程式碼片段將大部分記錄設定為 INFO，DEBUG 記錄則用於端點和連線集區活動：


import logging

logging.getLogger('boto3').setLevel(logging.INFO)
logging.getLogger('botocore').setLevel(logging.INFO)
logging.getLogger('botocore.endpoint').setLevel(logging.DEBUG)
logging.getLogger('urllib3.connectionpool').setLevel(logging.DEBUG)

事件勾點

Botocore 在執行的各個階段期間發出事件。您可以為這些事件註冊處理常式，以便每次發出事件時，都會呼叫您的處理常式。這可讓您擴充 botocore 的行為，而不必修改其內部。

例如，假設您希望每次在應用程式中對任何 DynamoDB 資料表呼叫 PutItem 操作時加以記錄。您可以在 'provide-client-params.dynamodb.PutItem' 事件上註冊，以便每次在關聯的工作階段上調用 PutItem 操作時擷取和記錄。範例如下：


import boto3
import botocore
import logging

def log_put_params(params, **kwargs):
    if 'TableName' in params and 'Item' in params:
        logging.info(f"PutItem on table {params['TableName']}: {params['Item']}")

logging.basicConfig(level=logging.INFO)

session = boto3.Session()
event_system = session.events

# Register our interest in hooking in when the parameters are provided to PutItem
event_system.register('provide-client-params.dynamodb.PutItem', log_put_params)

# Now, every time you use this session to put an item in DynamoDB,
# it will log the table name and item data.
dynamodb = session.resource('dynamodb')
table = dynamodb.Table('YourTableName')
table.put_item(
    Item={
        'pk': '123',
        'sk': 'cart#123',
        'item_data': 'YourItemData',
        # ... more attributes ...
    }
)

在處理常式中，您甚至可以透過程式設計方式操作參數來變更行為：


params['TableName'] = "NewTableName"

如需事件的詳細資訊，請參閱事件的 botocore 文件和事件的 boto3 文件。

分頁和分頁程式

有些請求，例如查詢和掃描，會限制單一請求上傳回的資料大小，並要求您重複提出請求以提取後續分頁。

您可以使用 limit 參數控制每個分頁要讀取的項目數量上限。例如，如果您想要最後 10 個項目，您可以使用 limit 僅擷取最後 10 個項目。請注意，限制是指套用任何篩選之前，應該從資料表讀取多少。篩選後無法指定您想要的確切 10 個項目；您只能控制預先篩選的計數，並在實際擷取 10 個項目時在用戶端檢查。無論限制為何，每個回應的大小上限一律為 1 MB。

如果回應包含 LastEvaluatedKey，則表示回應因為達到計數或大小限制而結束。索引鍵是針對回應評估的最後一個鍵。您可以擷取此 LastEvaluatedKey 並將其傳遞至後續呼叫做為 ExclusiveStartKey，以讀取該起點的下一個區塊。沒有 LastEvaluatedKey 傳回該項目時，表示沒有更多符合查詢或掃描的項目。

以下是一個簡單的範例 (使用資源介面，但用戶端介面具有相同的模式)，每個頁面和迴圈最多讀取 100 個項目，直到所有項目都已讀取為止。


import boto3

dynamodb = boto3.resource('dynamodb')
table = dynamodb.Table('YourTableName')

query_params = {
    'KeyConditionExpression': Key('pk').eq('123') & Key('sk').gt(1000),
    'Limit': 100
}

while True:
    response = table.query(**query_params)

    # Process the items however you like
    for item in response['Items']:
        print(item)

    # No LastEvaluatedKey means no more items to retrieve
    if 'LastEvaluatedKey' not in response:
        break

    # If there are possibly more items, update the start key for the next page
    query_params['ExclusiveStartKey'] = response['LastEvaluatedKey']

為了方便起見，boto3 可以使用分頁程式為您執行此操作。不過，它僅適用於用戶端介面。以下是改寫為使用分頁程式的程式碼：


import boto3

dynamodb = boto3.client('dynamodb')

paginator = dynamodb.get_paginator('query')

query_params = {
    'TableName': 'YourTableName',
    'KeyConditionExpression': 'pk = :pk_val AND sk > :sk_val',
    'ExpressionAttributeValues': {
        ':pk_val': {'S': '123'},
        ':sk_val': {'N': '1000'},
    },
    'Limit': 100
}

page_iterator = paginator.paginate(**query_params)

for page in page_iterator:
    # Process the items however you like
    for item in page['Items']:
        print(item)

如需詳細資訊，請參閱分頁程式指南和 DynamoDB.Paginator.Query 的 API 參考。

注意

分頁程式也有自己的組態設定，名為 MaxItems、StartingToken 和 PageSize。若要使用 DynamoDB 進行分頁，您應該忽略這些設定。

等待程式

等待程式提供在繼續之前等待某些項目完成的能力。目前，僅支援等待建立或刪除資料表。在背景中，等待程式操作會每 20 秒為您檢查一次，最多 25 次。您可以自行執行此操作，但在撰寫自動化時，使用等待程式是一種簡練的方式。

此程式碼說明如何等待特定資料表建立完成：


# Create a table, wait until it exists, and print its ARN
response = client.create_table(...)
waiter = client.get_waiter('table_exists')
waiter.wait(TableName='YourTableName')
print('Table created:', response['TableDescription']['TableArn']

如需詳細資訊，請參閱等待程式指南和等待程式參考。

您的瀏覽器已停用或無法使用 Javascript。

您必須啟用 Javascript，才能使用 AWS 文件。請參閱您的瀏覽器說明頁以取得說明。

文件慣用形式

低階 API

使用 JavaScript 編寫程式