import os
from odps import ODPS
# 保证 ALIBABA_CLOUD_ACCESS_KEY_ID 环境变量设置为用户 Access Key ID，
# ALIBABA_CLOUD_ACCESS_KEY_SECRET 环境变量设置为用户 Access Key Secret，
# 不建议直接使用 Access Key ID / Access Key Secret 字符串
o = ODPS(
    os.getenv('ALIBABA_CLOUD_ACCESS_KEY_ID'),
    os.getenv('ALIBABA_CLOUD_ACCESS_KEY_SECRET'),
    project='**your-project**',
    endpoint='**your-endpoint**',
    tunnel_endpoint='**your-tunnel-endpoint**',
怎么配置 SQL / DataFrame 的执行选项？
ODPS SQL 的执行选项可在 这里 找到。设置时，可将该选项设置到 options.sql.settings，即
from odps import options
# 将 <option_name> 和 <option_value> 替换为选项名和选项值
options.sql.settings = {'<option_name>': '<option_value>'}
也可在每次调用执行时即席配置，该配置中的配置项会覆盖全局配置。
当使用 odps.execute_sql 时，可以使用
from odps import options
# 将 <option_name> 和 <option_value> 替换为选项名和选项值
o.execute_sql('<sql_statement>', hints={'<option_name>': '<option_value>'})
当使用 dataframe.execute 或 dataframe.persist 时，可以使用
from odps import options
# 将 <option_name> 和 <option_value> 替换为选项名和选项值
df.persist('<table_name>', hints={'<option_name>': '<option_value>'})
改用 o.execute_sql('select * from <table_name>').open_reader()
改用 DataFrame，o.get_table('<table_name>').to_df()
出现 ImportError，并且在 ipython 或者 jupyter 下使用
如果 from odps import errors 也不行，则是缺少 ipython 组件，执行 pip install -U jupyter 解决。
执行 SQL 通过 open_reader 只能取到最多1万条记录，如何取多余1万条？
使用 create table as select ... 把SQL的结果保存成表，再使用 table.open_reader 来读取。
上传 pandas DataFrame 到 ODPS 时报错：ODPSError: ODPS entrance should be provided
原因是没有找到全局的ODPS入口，有三个方法：
使用 room 机制 ，%enter 的时候，会配置全局入口
对odps入口调用 to_global 方法
使用odps参数，DataFrame(pd_df).persist('your_table', odps=odps)
在 DataFrame 中如何使用 max_pt ？
使用 odps.df.func 模块来调用 ODPS 内建函数
from odps.df import func
df = o.get_table('your_table').to_df()
df[df.ds == func.max_pt('your_project.your_table')]  # ds 是分区字段
通过 DataFrame 写表时报 table lifecycle is not specified in mandatory mode
Project 要求对每张表设置 lifecycle，因而需要在每次执行时设置
from odps import options
options.lifecycle = 7  # 或者你期望的 lifecycle 整数值，单位为天
执行 SQL 时报 Please add put { “odps.sql.submit.mode” : “script”} for multi-statement query in settings
请参考 SQL设置运行参数 。
如何遍历 PyODPS DataFrame 中的每行数据
PyODPS DataFrame 不支持遍历每行数据。这样设计的原因是由于 PyODPS DataFrame 面向大规模数据设计，在这种场景下，
数据遍历是非常低效的做法。我们建议使用 DataFrame 提供的 apply 或 map_reduce 接口将原本串行的遍历操作并行化，
具体可参见 这篇文章 。如果确认你的场景必须要使用数据遍历，
而且遍历的代价可以接受，可以使用 to_pandas 方法将 DataFrame 转换为 Pandas DataFrame，或者将 DataFrame
存储为表后使用 read_table 或者 Tunnel 读取数据。
为何调用 to_pandas 后内存使用显著大于表的大小？
有两个原因可能导致这个现象发生。首先，MaxCompute 在存储数据时会对数据进行压缩，你看到的表大小应当是压缩后的大小。
其次，Python 中的值存在额外的存储开销。例如，对于字符串类型而言，每个 Python 字符串都会额外占用近 40 字节空间，
即便该字符串为空串，这可以通过调用 sys.getsizeof("") 发现。
需要注意的是，使用 Pandas 的 info 或者 memory_usage 方法获得的 Pandas DataFrame
内存使用可能是不准确的，因为这些方法默认不计算 string 或者其他 object 类型对象的实际内存占用。使用
df.memory_usage(deep=True).sum() 获得的大小更接近实际内存使用，具体可参考
这篇 Pandas 文档 。
为减小读取数据时的内存开销，可以考虑使用 Arrow 格式，具体可以参考 这里。