Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

# Einen Channel erstellen
<a name="msk-data-delivery-iceberg-create"></a>

## Verwendung der AWS Management Console
<a name="msk-data-delivery-iceberg-create-console"></a>

1. Öffnen Sie die Amazon MSK-Konsole unter? [ https://console.aws.amazon.com/msk/home ](https://console.aws.amazon.com/msk/home?region=us-east-1#/home/)region=us-east-1\#/home/.

1. Klicken Sie im Navigationsbereich auf **Cluster**.

1. Wählen Sie den Namen Ihres Amazon MSK Provisioned-Clusters mit Express-Brokern.

1. Wählen Sie den ** Tab ** Channel und dann ** Create Channel aus. **

1. Gehen Sie im ** Schritt zur Konfiguration der ** Quelle wie folgt vor:
   + **Kanalname: ** Geben Sie den Namen des Kanals ein, der erstellt werden soll.
   + **Thema: ** Wählen Sie ein vorhandenes Thema aus. Erstelle ein neues Thema, falls noch keines existiert.

1. Fahren Sie mit dem ** Schritt zur ** Zielkonfiguration fort.

1. Wählen Sie unter ** Zieltyp ** ** Streaming-Tabellen für Apache Iceberg ** aus.
   + Wählen Sie ein Format für die ** Datensatzkonvertierung ** (JSON oder JSON (Glue Schema Registry)). Wählen Sie auch das Glue Schema Registry für einfaches JSON.
   + Unter ** Lagerstandort**:
     + Wählen Sie einen S3-Table-Bucket aus.
   + Unter ** Zieltabelle**:
     + Wählen Sie den ** Namespace ** aus oder geben Sie ihn ein.
     + Geben Sie den ** Tabellennamen ** und den ** Spaltennamen ** ein und wählen Sie den ** Komprimierungstyp ** (ZSTD oder Snappy).
   + Für Streaming-Tabellen für Apache Iceberg ist die ** Partitionierung zeitbasiert**.
   + Stellen Sie die Aktualität der ** Daten ein ** (5—15 Minuten).

1. Fahren Sie mit dem Schritt ** Zusätzliche Konfiguration ** fort.

1. Wählen Sie unter ** Verschlüsselungskonfiguration ** optional einen vom Kunden verwalteten Schlüssel aus, um Ihre Verschlüsselungseinstellungen anzupassen.

1. Wählen oder erstellen Sie unter ** Service Access ** eine IAM-Rolle mit den erforderlichen Berechtigungen.

1. Geben Sie unter ** Dead-letter Warteschlange ** den S3-Bucket-URI für nicht verarbeitbare Datensätze an. Geben Sie optional ein Präfix für die Fehlerausgabe ein.

1. (Optional) Wählen Sie unter ** Protokollzustellung ** eine CloudWatch Amazon-Protokollgruppe, einen Amazon S3-Bucket oder einen Amazon Data Firehose-Stream aus, um Protokolle zur Überwachung und Fehlerbehebung zu senden.

1. (Optional) Fügen Sie Tags hinzu.

1. Fahren Sie mit dem ** Schritt „**Überprüfen“ fort.

1. Überprüfe und wähle Kanal ** erstellen aus**.

Der Channel wechselt in den ** Status ** Creating und wechselt zu ** Aktiv, ** sobald die Bereitstellungspipeline vollständig bereitgestellt ist.

## Verwendung der AWS CLI
<a name="msk-data-delivery-iceberg-create-cli"></a>

Das Quellthema ist in `TopicConfigurationList` (genau ein Thema) festgelegt. Das Ziel ist entweder `IcebergDestinationConfiguration` oder `S3DestinationConfiguration` (schließt sich gegenseitig aus) festgelegt, und jede Zielkonfiguration enthält ihre eigene`ServiceExecutionRoleArn`, `DataFreshnessInSeconds` (300—900, Standard 600), und. `DeadLetterQueueS3`

Verwenden Sie den folgenden Befehl, um einen Channel mit Streaming-Tabellen für das Apache Iceberg-Ziel zu erstellen.

```
aws kafka create-channel \
    --cluster-arn "arn:aws:kafka:us-east-1:123456789012:cluster/my-express-cluster/abc123" \
    --channel-name "orders-channel" \
    --topic-configuration-list '[
        {
            "TopicArn": "arn:aws:kafka:us-east-1:123456789012:topic/my-express-cluster/abc123/orders-topic",
            "RecordConverter": { "ValueConverter": "JSON" },
            "RecordSchema": { "GsrArn": "arn:aws:glue:us-east-1:123456789012:schema/my-registry/orders-schema" }
        }
    ]' \
    --iceberg-destination-configuration '{
        "ServiceExecutionRoleArn": "arn:aws:iam::123456789012:role/MSKChannelRole",
        "DataFreshnessInSeconds": 300,
        "Catalog": {
            "WarehouseLocation": "arn:aws:s3tables:us-east-1:123456789012:bucket/analytics-table-bucket"
        },
        "DeadLetterQueueS3": {
            "BucketArn": "arn:aws:s3:::my-dlq-bucket",
            "ErrorOutputPrefix": "dlq/"
        },
        "DestinationTableList": [
            {
                "DestinationDatabaseName": "analytics_db",
                "DestinationTableName": "orders_iceberg",
                "PartitionSpec": {
                    "PartitionStrategy": "TIME_HOUR",
                    "SourceList": [ { "SourceName": "timestamp" } ]
                }
            }
        ],
        "CompressionType": "ZSTD"
    }'
```
+ `RecordConverter.ValueConverter`ist `JSON` (einfaches JSON — gibt den ARN des Glue Schema Registry Schemas an, das die Daten definiert) oder `JSON_SCHEMA_GSR` (GSR-serialized JSON — die Schema-ID ist in jeden Datensatz eingebettet). `RecordSchema.GsrArn`
+ `Catalog` ist optional. Wenn Sie angeben`Catalog.CatalogArn`, muss es auf den S3-Tabellen-Katalog (`.../catalog/s3tablescatalog/<bucket-name>`) verweisen; falls nicht angegeben, leitet Amazon MSK ihn ab. `WarehouseLocation`
+ `CompressionType`ist `ZSTD` (Standard) oder. `SNAPPY` Die Partitionierung wird `PartitionStrategy: TIME_HOUR` mit einer einzigen Zeitstempel-Quellspalte verwendet.

Die Antwort ist für beide Ziele dieselbe.

```
{
    "ChannelArn": "arn:aws:kafka:us-east-1:123456789012:channel/my-express-cluster/abc123/orders-channel",
    "ClusterOperationArn": "arn:aws:kafka:us-east-1:123456789012:cluster-operation/my-express-cluster/abc123/..."
}
```

**Anmerkung**  
Verwenden Sie den`ClusterOperationArn`, um den Status des asynchronen Vorgangs und etwaige Fehlermeldungen zu verfolgen. Der Channel beginnt `CREATING` und wechselt zu ihm, `ACTIVE` wenn die Bereitstellung abgeschlossen ist.

**API-Referenz ** — siehe `CreateChannel` in der * Amazon MSK-API-Referenz. *