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.
Datenquellenverbindungen für die SQL-Erweiterung
Vor der Verwendung der SQL-Erweiterung in JupyterLab Notebooks müssen Administratoren oder Benutzer AWS Glue Verbindungen zu ihren Datenquellen herstellen. Die SQL-Erweiterung ermöglicht die Verbindung zu Datenquellen wie Amazon Redshift, Amazon Athena oder Snowflake.
Um die Verbindungen einzurichten, müssen Administratoren zunächst sicherstellen, dass ihre Netzwerkkonfiguration die Kommunikation zwischen Studio und den Datenquellen ermöglicht, und dann die erforderlichen IAM-Berechtigungen erteilen, damit Studio auf die Datenquellen zugreifen kann. Informationen darüber, wie Administratoren das Netzwerk einrichten können, finden Sie unterKonfigurieren Sie den Netzwerkzugriff zwischen Studio und Datenquellen (für Administratoren). Informationen darüber, welche Richtlinien eingerichtet werden müssen, finden Sie unterRichten Sie die IAM-Berechtigungen für den Zugriff auf die Datenquellen ein (für Administratoren). Sobald die Verbindungen eingerichtet sind, können Datenwissenschaftler die SQL-Erweiterung in ihren JupyterLab Notizbüchern verwenden, um die verbundenen Datenquellen zu durchsuchen und abzufragen.
Anmerkung
Wir empfehlen, Ihre Anmeldeinformationen für den Datenbankzugriff als geheim in Secrets Manager zu speichern. Informationen zum Erstellen von Geheimnissen für das Speichern von Amazon Redshift- oder Snowflake-Zugangsdaten finden Sie unter. Erstellen Sie Geheimnisse für Datenbankzugriffsanmeldeinformationen in Secrets Manager
In diesem Abschnitt wird erklärt, wie eine AWS Glue Verbindung eingerichtet wird, und es werden die IAM-Berechtigungen aufgeführt, die die JupyterLab Studio-Anwendung benötigt, um über die Verbindung auf die Daten zuzugreifen.
Anmerkung
Amazon SageMaker Assets integriert Amazon DataZone mit Studio. Es enthält einen SageMaker KI-Blueprint für Administratoren, um Studio-Umgebungen aus DataZone Amazon-Projekten innerhalb einer DataZone Amazon-Domain zu erstellen.
Benutzer einer JupyterLab Anwendung, die von einer mit dem Blueprint erstellten Studio-Domain gestartet wurde, können automatisch auf AWS Glue Verbindungen zu Datenbeständen in ihrem DataZone Amazon-Katalog zugreifen, wenn sie die SQL-Erweiterung verwenden. Auf diese Weise können diese Datenquellen abgefragt werden, ohne manuell Verbindungen einrichten zu müssen.
Themen
