Guía de DataZone inicio rápido de Amazon con datos de AWS Glue

Paso 1: Crea el portal de DataZone dominios y datos de Amazon

En esta sección se describen los pasos para crear un DataZone dominio de Amazon y un portal de datos para este flujo de trabajo.

Complete el siguiente procedimiento para crear un DataZone dominio de Amazon. Para obtener más información sobre DataZone los dominios de Amazon, consulte DataZone Terminología y conceptos de Amazon.

1. Ve a la DataZone consola de Amazon en https://console.aws.amazon.com/datazone, inicia sesión y, a continuación, selecciona Crear dominio.

   nota

   Si quieres usar un DataZone dominio de Amazon existente para este flujo de trabajo, selecciona Ver dominios, elige el dominio que quieres usar y, a continuación, continúa con el paso 2 de creación de un proyecto de publicación.

2. En la página Crear dominio, proporciona valores para los siguientes campos:

   • Nombre: especifique un nombre para su dominio. A los efectos de este flujo de trabajo, puede denominar a este dominio Marketing.

   • Descripción: especifique una descripción de dominio opcional.

   • Cifrado de datos: sus datos se cifran de forma predeterminada con una clave que le AWS pertenece y administra por usted. Para este caso de uso, puede dejar la configuración de cifrado de datos predeterminada.

     Para obtener más información sobre el uso de claves administradas por el cliente, consulteEl cifrado de datos en reposo para Amazon DataZone. Si utiliza su propia clave KMS para el cifrado de datos, debe incluir la siguiente declaración en la configuración predeterminadaAmazonDataZoneDomainExecutionRole.

     
     {
       "Version": "2012-10-17",
       "Statement": [
         {
           "Effect": "Allow",
           "Action": [
             "kms:Decrypt",
             "kms:GenerateDataKey"
           ],
           "Resource": "*"
         }
       ]
     }
                 

   • Acceso al servicio: deje sin cambios la opción seleccionada de forma predeterminada Usar un rol predeterminado.

     nota

     Si utilizas un DataZone dominio de Amazon existente para este flujo de trabajo, puedes elegir la opción Usar un rol de servicio existente y, a continuación, elegir un rol existente en el menú desplegable.

   • En Configuración rápida, selecciona Configurar esta cuenta para el consumo y la publicación de datos. Esta opción habilita los DataZone planos integrados en Amazon de Data Lake y Data Warehouse, y configura los permisos, los recursos, un proyecto predeterminado y los perfiles de entorno de data lake y data warehouse necesarios para esta cuenta. Para obtener más información sobre los DataZone blueprints de Amazon, consulte DataZone Terminología y conceptos de Amazon.

   • Mantenga sin cambios el resto de los campos de la sección Detalles de permisos.

     nota

     Si ya tienes un DataZone dominio de Amazon, puedes elegir la opción Usar un rol de servicio existente y, a continuación, elegir un rol existente en el menú desplegable para el rol Glue Manage Access, el rol Redshift Manage Access y el rol Provisioning.

   • Mantenga los campos debajo de las etiquetas sin cambios.

   • Seleccione Create domain (Crear un dominio).

3. Una vez que el dominio se haya creado correctamente, selecciónelo y, en la página de resumen del dominio, anote la URL del portal de datos correspondiente a este dominio. Puedes usar esta URL para acceder a tu portal de DataZone datos de Amazon y completar el resto de los pasos de este flujo de trabajo. También puede navegar al portal de datos seleccionando Portal de datos abiertos.

nota

En la versión actual de Amazon DataZone, una vez creado el dominio, la URL generada para el portal de datos no se puede modificar.

La creación del dominio puede tardar varios minutos en completarse. Espere a que el dominio tenga el estado Disponible antes de continuar con el siguiente paso.

Paso 2: Crea el proyecto de publicación

En esta sección se describen los pasos necesarios para crear el proyecto de publicación para este flujo de trabajo.

1. Cuando hayas completado el paso 1 anterior y hayas creado un dominio, verás el mensaje ¡Bienvenido a Amazon DataZone! ventana. En esta ventana, selecciona Crear proyecto.

2. Especifique el nombre del proyecto, por ejemplo, para este flujo de trabajo, puede asignarle un nombre SalesDataPublishingProject, dejar el resto de los campos sin cambios y, a continuación, elegir Crear.

Paso 3: Crea el entorno

En esta sección se describen los pasos necesarios para crear un entorno para este flujo de trabajo.

1. Cuando complete el paso 2 anterior y cree su proyecto, verá la ventana Su proyecto está listo para usarse. En esta ventana, selecciona Crear entorno.

2. En la página Crear entorno, especifique lo siguiente y, a continuación, seleccione Crear entorno.

3. Especifique valores para lo siguiente:

   • Nombre: especifique el nombre del entorno. Para este tutorial, puede llamarlo. Default data lake environment

   • Descripción: especifique una descripción para el entorno.

   • Perfil de entorno: elija el perfil de DataLakeProfileentorno. Esto le permite utilizar Amazon DataZone en este flujo de trabajo para trabajar con datos en Amazon S3, AWS Glue Catalog y Amazon Athena.

   • Para este tutorial, mantenga el resto de los campos sin cambios.

4. Seleccione Crear entorno.

Paso 4: Producir datos para su publicación

En esta sección se describen los pasos necesarios para producir datos para su publicación en este flujo de trabajo.

1. Cuando complete el paso 3 anterior, en su SalesDataPublishingProject proyecto, en el panel de la derecha, en Herramientas de análisis, elija Amazon Athena. Esto abre el editor de consultas de Athena con las credenciales de su proyecto para la autenticación. Asegúrese de que su entorno de publicación esté seleccionado en el menú desplegable del DataZone entorno de Amazon y de que la <environment_name>%_pub_db base de datos esté seleccionada como en el editor de consultas.

2. En este tutorial, utilizará el script de consulta Create Table as Select (CTAS) para crear una tabla nueva que desee publicar en Amazon. DataZone En su editor de consultas, ejecute este script de CTAS para crear una mkt_sls_table tabla que pueda publicar y poner a disposición para su búsqueda y suscripción.

   
   CREATE TABLE mkt_sls_table AS
   SELECT 146776932 AS ord_num, 23 AS sales_qty_sld, 23.4 AS wholesale_cost, 45.0 as lst_pr, 43.0 as sell_pr, 2.0 as disnt, 12 as ship_mode,13 as warehouse_id, 23 as item_id, 34 as ctlg_page, 232 as ship_cust_id, 4556 as bill_cust_id
   UNION ALL SELECT 46776931, 24, 24.4, 46, 44, 1, 14, 15, 24, 35, 222, 4551
   UNION ALL SELECT 46777394, 42, 43.4, 60, 50, 10, 30, 20, 27, 43, 241, 4565
   UNION ALL SELECT 46777831, 33, 40.4, 51, 46, 15, 16, 26, 33, 40, 234, 4563
   UNION ALL SELECT 46779160, 29, 26.4, 50, 61, 8, 31, 15, 36, 40, 242, 4562
   UNION ALL SELECT 46778595, 43, 28.4, 49, 47, 7, 28, 22, 27, 43, 224, 4555
   UNION ALL SELECT 46779482, 34, 33.4, 64, 44, 10, 17, 27, 43, 52, 222, 4556
   UNION ALL SELECT 46779650, 39, 37.4, 51, 62, 13, 31, 25, 31, 52, 224, 4551
   UNION ALL SELECT 46780524, 33, 40.4, 60, 53, 18, 32, 31, 31, 39, 232, 4563
   UNION ALL SELECT 46780634, 39, 35.4, 46, 44, 16, 33, 19, 31, 52, 242, 4557
   UNION ALL SELECT 46781887, 24, 30.4, 54, 62, 13, 18, 29, 24, 52, 223, 4561
             

   Asegúrese de que la tabla mkt_sls_table se ha creado correctamente en la sección Tablas y vistas de la parte izquierda. Ahora tienes un activo de datos que se puede publicar en el DataZone catálogo de Amazon.

Paso 5: Recopila metadatos de AWS Glue

En esta sección se describe el paso de recopilar metadatos de AWS Glue para este flujo de trabajo.

1. Una vez que hayas completado el paso 4 anterior, en el portal de DataZone datos de Amazon, elige el SalesDataPublishingProject proyecto, luego elige la pestaña Datos y, a continuación, elige Fuentes de datos en el panel de la izquierda.

2. Elija la fuente que se creó como parte del proceso de creación del entorno.

3. Selecciona Ejecutar junto al menú desplegable Acción y, a continuación, selecciona el botón de actualización. Una vez finalizada la ejecución de la fuente de datos, los activos se añaden al DataZone inventario de Amazon.

Paso 6: Seleccione y publique el activo de datos

En esta sección se describen los pasos para conservar y publicar el activo de datos en este flujo de trabajo.

1. Una vez que hayas completado el paso 5 anterior, en el portal de DataZone datos de Amazon, elige el SalesDataPublishingProject proyecto que creaste en el paso anterior, elige la pestaña Datos de inventario en el panel de la izquierda y localiza la mkt_sls_table tabla.

2. Abre la página de detalles del mkt_sls_table activo para ver los nombres comerciales generados automáticamente. Seleccione el icono de metadatos generados automáticamente para ver los nombres generados automáticamente para los activos y las columnas. Puede aceptar o rechazar cada nombre de forma individual o seleccionar Aceptar todos para aplicar los nombres generados. Si lo desea, también puede añadir el formulario de metadatos disponible a su activo y seleccionar los términos del glosario para clasificar los datos.

3. Elija Publicar recurso para publicar el mkt_sls_table recurso.

Paso 7: Cree el proyecto para el análisis de datos

En esta sección se describen los pasos para crear el proyecto para el análisis de datos. Este es el comienzo de los pasos de consumo de datos de este flujo de trabajo.

1. Cuando hayas completado el paso 6 anterior, en el portal de DataZone datos de Amazon, selecciona Crear proyecto en el menú desplegable Proyecto.

2. En la página Crear proyecto, especifique el nombre del proyecto, por ejemplo, para este flujo de trabajo, puede asignarle un nombre MarketingDataAnalysisProject, dejar el resto de los campos sin cambios y, a continuación, seleccionar Crear.

Paso 8: Crear un entorno para el análisis de datos

En esta sección se describen los pasos para crear un entorno para el análisis de datos.

1. Una vez que haya completado el paso 7 anterior, en el portal de DataZone datos de Amazon, elija el MarketingDataAnalysisProject proyecto, elija la pestaña Entornos y, por último, elija Crear entorno.

2. En la página Crear entorno, especifique lo siguiente y, a continuación, seleccione Crear entorno.

   • Nombre: especifique el nombre del entorno. Para este tutorial, puede llamarlo. Default data lake environment

   • Descripción: especifique una descripción para el entorno.

   • Perfil de entorno: elija el perfil de DataLakeProfileentorno integrado.

   • Para este tutorial, mantenga el resto de los campos sin cambios.

Paso 9: busque en el catálogo de datos y suscríbase a los datos

En esta sección se describen los pasos para buscar en el catálogo de datos y suscribirse a los datos.

1. Una vez que complete el paso 8 anterior, en el portal de DataZone datos de Amazon, elija el DataZone icono de Amazon y, en el campo DataZone Búsqueda de Amazon, busque activos de datos mediante palabras clave (por ejemplo, «catálogo» o «ventas») en la barra de búsqueda del portal de datos.

   Si es necesario, aplique filtros o clasifíquelos y, una vez que encuentre el activo de datos de ventas de productos, podrá seleccionarlo para abrir la página de detalles del activo.

2. En la página de detalles del activo de datos de ventas por catálogo, seleccione Suscribirse.

3. En el cuadro de diálogo Suscribirse, elija su proyecto de MarketingDataAnalysisProjectconsumidor en el menú desplegable, especifique el motivo de su solicitud de suscripción y, a continuación, elija Suscribirse.

Paso 10: Aprueba la solicitud de suscripción

En esta sección se describen los pasos para aprobar la solicitud de suscripción.

1. Una vez que complete el paso 9 anterior, en el portal de DataZone datos de Amazon, elija el SalesDataPublishingProjectproyecto con el que publicó su activo.

2. Selecciona la pestaña Datos, luego Datos publicados y, a continuación, selecciona Solicitudes entrantes.

3. Ahora puedes ver la fila de la nueva solicitud que necesita aprobación. Selecciona Ver solicitud. Indique el motivo de la aprobación y elija Aprobar.

Paso 11: Cree una consulta y analice los datos en Amazon Athena

Ahora que has publicado correctamente un activo en el DataZone catálogo de Amazon y te has suscrito a él, puedes analizarlo.

1. En el portal de DataZone datos de Amazon, elige tu proyecto de MarketingDataAnalysisProjectconsumidor y, a continuación, en el panel de la derecha, en Herramientas de análisis, selecciona el enlace Consulta de datos con Amazon Athena. Esto abre el editor de consultas de Amazon Athena con las credenciales de su proyecto para la autenticación. Elija el entorno de MarketingDataAnalysisProjectconsumo en el menú desplegable Amazon DataZone Environment del editor de consultas y, a continuación, elija el de su proyecto en el menú desplegable <environment_name>%sub_db de la base de datos.

2. Ahora puede ejecutar consultas en la tabla suscrita. Puede elegir la tabla en Tablas y vistas y, a continuación, elegir Vista previa para que la declaración seleccionada aparezca en la pantalla del editor. Ejecute la consulta para ver los resultados.