Ejecutar un ViewDefinition con DuckDB (experimental)

Experimental. Este motor es un prototipo: su interfaz y el subconjunto de FHIRPath que admite pueden cambiar. Para resultados de referencia usa vista_ejecutar().

Usage

vista_ejecutar_duckdb(
  archivos,
  vista,
  con_db = NULL,
  tabla = NULL,
  diferido = FALSE
)

Arguments

archivos

Rutas de archivos .ndjson, .ndjson.gz o .parquet (se pueden usar comodines como "datos/*.ndjson"), el nombre de una tabla de con_db con una columna json, o recursos en cualquier forma que acepte fhir_recursos() (que se escriben antes en un archivo temporal).

vista

Un ViewDefinition en cualquier forma que acepte vista_leer().

con_db

Conexión DBI a DuckDB. Si es NULL (por defecto), se usa una base en memoria.

tabla

Nombre opcional de una tabla de con_db donde guardar el resultado en lugar de traerlo a R; útil con resultados muy grandes.

diferido

Si es TRUE, no ejecuta la vista: devuelve una tabla diferida de dplyr (tbl_dbi de dbplyr) sobre la consulta, para filtrar, agrupar y resumir con dplyr dentro de DuckDB y traer a R solo el resultado con dplyr::collect(). Requiere los paquetes dplyr y dbplyr. Cada vez que se usa la tabla, DuckDB vuelve a leer los archivos.

Value

Un data.frame como el de vista_ejecutar(); si se indica tabla, la conexión DBI de forma invisible; con diferido = TRUE, una tabla diferida de dbplyr.

Details

Traduce el ViewDefinition a SQL con vista_sql() y lo ejecuta en DuckDB directamente sobre archivos NDJSON o Parquet, sin cargar los recursos en R ni en el motor de FHIRPath. DuckDB lee los archivos en paralelo y por partes, de modo que se pueden procesar millones de recursos con poca memoria.

Es un motor alternativo a vista_ejecutar(), que evalúa FHIRPath completo con fhirpath.js. Este motor admite un subconjunto de FHIRPath (ver vista_sql()); si la vista usa algo que no se puede traducir, el error lo indica y sugiere usar vista_ejecutar().

Requiere los paquetes DBI y duckdb (versión 1.3.0 o posterior) y la extensión json de DuckDB, que el paquete duckdb no trae incorporada: DuckDB la descarga la primera vez que se usa en cada sesión de R (hace falta conexión a internet). La conexión que crea esta función guarda las extensiones en la carpeta temporal de la sesión, no en ~/.duckdb.

Con diferido = TRUE la tabla queda unida a la conexión: si con_db es NULL se crea una que sigue abierta mientras exista la tabla (ciérrala con DBI::dbDisconnect(dbplyr::remote_con(tabla)) al terminar), y si archivos son recursos de R, el archivo temporal se borra al cerrar la sesión de R. Las columnas sin tipo deducible se convierten según los valores, lo que obliga a recorrer los datos una vez al crear la tabla. Al traer los datos con dplyr::collect(), los elementos complejos (como name.first()) llegan como texto JSON y las colecciones como listas de DuckDB, no como las listas de R de vista_ejecutar().

Examples

if (FALSE) { # requireNamespace("duckdb", quietly = TRUE) && interactive()
archivo <- system.file("extdata", "caso_clinico.ndjson",
                       package = "fhirviews")
vista <- vista_crear("Patient", c(sexo = "gender", nacimiento = "birthDate"))
vista_ejecutar_duckdb(archivo, vista)
}
if (FALSE) { # requireNamespace("duckdb", quietly = TRUE) && requireNamespace("dbplyr", quietly = TRUE) && interactive()
# Resultado diferido: el resumen se calcula en DuckDB
pacientes <- vista_ejecutar_duckdb(archivo, vista, diferido = TRUE)
dplyr::count(pacientes, sexo) |> dplyr::collect()
DBI::dbDisconnect(dbplyr::remote_con(pacientes))
}