Uso de Amazon S3 como origen para AWS DMS - AWS Database Migration Service

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Uso de Amazon S3 como origen para AWS DMS

Puede migrar datos desde un bucket de Amazon S3 mediante AWS DMS. Para ello, proporcione acceso a un bucket de Amazon S3 que contenga uno o varios archivos de datos. En ese bucket de S3 incluya un archivo JSON que describa el mapeo entre los datos y las tablas de la base de datos de los datos de esos archivos.

Los archivos de datos de origen deben estar en el bucket de Amazon S3 antes de que comience la carga completa. El nombre del bucket se especifica mediante el parámetro bucketName.

Los archivos de datos de origen deben estar en formato de valores separados por comas (CSV). Denomínelos utilizando la siguiente convención de nomenclatura. En esta convención, schemaName es el esquema de origen y tableName es el nombre de una tabla dentro de dicho esquema.

/schemaName/tableName/LOAD001.csv /schemaName/tableName/LOAD002.csv /schemaName/tableName/LOAD003.csv ...

Por ejemplo, supongamos que los archivos de datos están en mybucket, en la siguiente ruta de Amazon S3.

s3://mybucket/hr/employee

En tiempo de carga, AWS DMS presupone que el nombre del esquema de origen es hr y que el nombre de la tabla de origen es employee.

Además de bucketName (que es necesario), tiene la opción de proporcionar un parámetro bucketFolder para especificar en qué ubicación del bucket de Amazon S3 debe buscar AWS DMS archivos de datos. Prosiguiendo con el ejemplo anterior, si establece bucketFolder en sourcedata, entonces AWS DMS leerá los archivos de datos en la ruta siguiente.

s3://mybucket/sourcedata/hr/employee

Puede especificar el delimitador de columnas, el delimitador de filas, el indicador de valor nulo y otros parámetros mediante los atributos de conexión adicionales. Para obtener más información, consulte Configuración de puntos de conexión para Amazon S3 como origen para AWS DMS.

Puede especificar el propietario de un bucket y evitar saqueos mediante la configuración del punto de conexión de Amazon S3 ExpectedBucketOwner, como se muestra a continuación. A continuación, cuando realice una solicitud para probar una conexión o realizar una migración, S3 comprobará el ID de cuenta del propietario del bucket con el parámetro especificado.

--s3-settings='{"ExpectedBucketOwner": "AWS_Account_ID"}'

Definición de tablas externas para Amazon S3 como origen para AWS DMS

Además de los archivos de datos, debe indicar también una definición de tabla externa. Una definición de tabla externa es un documento JSON en el que se describe cómo AWS DMS debe interpretar los datos de Amazon S3. El tamaño máximo de este documento es de 2 MB. Si crea un punto de enlace de origen con la consola de administración de AWS DMS, puede escribir el JSON directamente en el cuadro de mapeo de la tabla. Si utiliza la AWS Command Line Interface (AWS CLI) o la API de AWS DMS para realizar migraciones, puede crear un archivo JSON para especificar la definición de tabla externa.

Supongamos que tiene un archivo de datos que contiene la información siguiente.

101,Smith,Bob,2014-06-04,New York 102,Smith,Bob,2015-10-08,Los Angeles 103,Smith,Bob,2017-03-13,Dallas 104,Smith,Bob,2017-03-13,Dallas

A continuación se muestra un ejemplo de definición de tabla externa para estos datos.

{ "TableCount": "1", "Tables": [ { "TableName": "employee", "TablePath": "hr/employee/", "TableOwner": "hr", "TableColumns": [ { "ColumnName": "Id", "ColumnType": "INT8", "ColumnNullable": "false", "ColumnIsPk": "true" }, { "ColumnName": "LastName", "ColumnType": "STRING", "ColumnLength": "20" }, { "ColumnName": "FirstName", "ColumnType": "STRING", "ColumnLength": "30" }, { "ColumnName": "HireDate", "ColumnType": "DATETIME" }, { "ColumnName": "OfficeLocation", "ColumnType": "STRING", "ColumnLength": "20" } ], "TableColumnsTotal": "5" } ] }

Los elementos de este documento JSON son los siguientes:

TableCount: el número de tablas de origen. En este ejemplo, solo hay una tabla.

Tables: una matriz que consta de un mapa JSON por tabla de origen. En este ejemplo, solo hay un mapa. Cada mapa está formado por los siguientes elementos:

  • TableName: el nombre de la tabla de origen.

  • TablePath: la ruta del bucket de Amazon S3 donde AWS DMS puede encontrar el archivo de carga de datos completa. Si se especifica un valor bucketFolder, el valor se anexa delante de la ruta.

  • TableOwner: nombre del esquema para esta tabla.

  • TableColumns: una matriz de uno o varios mapas, en la que cada mapa describe una columna de la tabla de origen:

    • ColumnName: el nombre de una columna de la tabla de origen.

    • ColumnType: el tipo de datos de la columna. Para consultar los tipos de datos válidos, vea Tipos de datos de origen de Amazon S3.

    • ColumnLength: el número de bytes de esta columna. La longitud máxima de columna está limitada a 2147483647 bytes (2047 megabytes), ya que el origen de S3 no admite el modo de LOB completo. ColumnLength es válido para los siguientes tipos de datos:

      • BYTE

      • STRING

    • ColumnNullable: valor booleano que es true si esta columna puede contener valores NULL (predeterminado=false).

    • ColumnIsPk: un valor booleano que es true si esta columna es parte de la clave principal (predeterminado=false).

    • ColumnDateFormat: el formato de fecha de entrada de una columna con los tipos DATE, TIME y DATETIME, y se utiliza para analizar una cadena de datos y convertirla en un objeto de fecha. Entre los valores posibles se incluyen:

      - YYYY-MM-dd HH:mm:ss - YYYY-MM-dd HH:mm:ss.F - YYYY/MM/dd HH:mm:ss - YYYY/MM/dd HH:mm:ss.F - MM/dd/YYYY HH:mm:ss - MM/dd/YYYY HH:mm:ss.F - YYYYMMdd HH:mm:ss - YYYYMMdd HH:mm:ss.F
  • TableColumnsTotal: el número total de columnas. Este número debe coincidir con el número de elementos de la matriz TableColumns.

Si no especifica lo contrario, AWS DMS presupone que ColumnLength es cero.

nota

En las versiones compatibles de AWS DMS, los datos de origen de S3 también pueden contener una columna de operación opcional como la primera columna antes del valor de la columna TableName. Esta columna de operación identifica la operación (INSERT) utilizada para migrar los datos a un punto de enlace de destino S3 durante una carga completa.

Si está presente, el valor de esta columna es el carácter inicial de la INSERTpalabra clave de operación (I). Si se especifica, esta columna generalmente indica que el origen S3 fue creado por DMS como un destino S3 durante una migración anterior.

En versiones anteriores a 3.4.2 de DMS, esta columna no estaba presente en los datos de origen de S3 creados a partir de una carga completa de DMS anterior. Agregar esta columna a los datos de destino S3 permite que el formato de todas las filas escritas en el objetivo S3 sea coherente, ya sea que se escriban durante una carga completa o durante una carga CDC. Para obtener más información acerca de las opciones para el formateo de datos de destino de S3, consulte Indicar operaciones de base de datos de origen en datos de S3 migrados.

Para una columna de tipo NUMERIC, especifique la precisión y la escala. Precisión es el número total de dígitos de un número y escala es el número de dígitos situados a la derecha de la coma decimal. Utilice los elementos ColumnPrecision y ColumnScale para esto, tal y como se muestra a continuación.

... { "ColumnName": "HourlyRate", "ColumnType": "NUMERIC", "ColumnPrecision": "5" "ColumnScale": "2" } ...

Para una columna del tipo DATETIME con datos que contienen fracciones de segundos, especifique la escala. La escala es el número de dígitos de las fracciones de segundo y puede oscilar entre 0 y 9. Utilice el elemento de ColumnScale para esto, tal y como se muestra a continuación.

... { "ColumnName": "HireDate", "ColumnType": "DATETIME", "ColumnScale": "3" } ...

Si no especifica lo contrario, AWS DMS asume que ColumnScale es cero y trunca las fracciones de segundo.

Uso de CDC con Amazon S3 como origen para AWS DMS

Una vez que AWS DMS realiza una carga de datos completa, tiene la opción de replicar los cambios de datos en el punto de enlace de destino. Para ello, debe cargar los archivos de captura de datos de cambio (archivos de CDC) en el bucket de Amazon S3. AWS DMS lee estos archivos CDC cuando los carga y, a continuación, aplica los cambios en el punto de conexión de destino.

Las archivos CDC se denominan de la forma siguiente:

CDC00001.csv CDC00002.csv CDC00003.csv ...
nota

Para poder replicar archivos de CDC correctamente en la carpeta de datos de cambios, cárguelos por orden léxico (secuencial). Por ejemplo, cargue el archivo CDC00002.csv antes que el archivo CDC00003.csv. De lo contrario, CDC00002.csv se omitirá y no se replicará si lo carga después de CDC00003.csv. Sin embargo, el archivo CDC00004.csv sí se replicará correctamente si se carga después de CDC00003.csv.

Para indicar dónde AWS DMS puede encontrar los archivos, especifique el parámetro cdcPath. Prosiguiendo con el ejemplo anterior, si establece cdcPath en changedata, entonces AWS DMS leerá los archivos de CDC en la ruta siguiente.

s3://mybucket/changedata

Si establece cdcPath en changedata y bucketFolder en myFolder, AWS DMS lee los archivos CDC en la siguiente ruta.

s3://mybucket/myFolder/changedata

Los registros de un archivo CDC se formatean de la siguiente manera:

  • Operación: la operación de cambio que realizar: INSERT o I, UPDATE o U o DELETE o D. Estos valores de palabras clave y caracteres no distinguen entre mayúsculas y minúsculas.

    nota

    En las versiones compatibles de AWS DMS, AWS DMS puede identificar la operación que se debe realizar para cada registro de carga de dos maneras. AWS DMS puede hacerlo a partir del valor de la palabra clave del registro (por ejemplo, INSERT) o desde el carácter inicial de la palabra clave (por ejemplo, I). En versiones anteriores, AWS DMS reconoció la operación de carga solo del valor completo de la palabra clave.

    Para versiones anteriores de AWS DMS, el valor de la palabra clave completa se escribió para registrar los datos de CDC. Además, las versiones anteriores escribieron el valor de la operación en cualquier destino de S3 utilizando solo la inicial de la palabra clave.

    El reconocimiento de ambos formatos permite que AWS DMS maneje la operación independientemente de cómo se escriba la columna de operación para crear los datos de origen de S3. Este enfoque admite el uso de datos de destino de S3 como origen para una migración posterior. Con este enfoque, no necesita cambiar el formato de ningún valor inicial de palabra clave que aparezca en la columna de operación de la fuente S3 posterior.

  • Nombre de tabla: el nombre de la tabla de origen.

  • Nombre de esquema: el nombre del esquema de origen.

  • Datos: una o varias columnas que representan los datos que se van a cambiar.

A continuación se muestra un ejemplo de un archivo CDC para una tabla con el nombre employee.

INSERT,employee,hr,101,Smith,Bob,2014-06-04,New York UPDATE,employee,hr,101,Smith,Bob,2015-10-08,Los Angeles UPDATE,employee,hr,101,Smith,Bob,2017-03-13,Dallas DELETE,employee,hr,101,Smith,Bob,2017-03-13,Dallas

Requisitos previos al utilizar Amazon S3 como origen para AWS DMS

Para utilizar Amazon S3 como origen para AWS DMS, el bucket de S3 de origen debe estar en la misma región de AWS que la instancia de replicación de DMS que migra los datos. Además, la cuenta de AWS que utiliza para la migración debe tener acceso de lectura al bucket de origen.

El rol de AWS Identity and Access Management (IAM) asignado a la cuenta de usuario utilizada para crear la tarea de migración debe tener el siguiente conjunto de permisos.

{ "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": [ "s3:GetObject" ], "Resource": [ "arn:aws:s3:::mybucket*/*" ] }, { "Effect": "Allow", "Action": [ "s3:ListBucket" ], "Resource": [ "arn:aws:s3:::mybucket*" ] } ] }

El rol de IAM (AWS Identity and Access Management) asignado a la cuenta de usuario utilizada para crear la tarea de migración debe tener el siguiente conjunto de permisos si el control de versiones está habilitado en el bucket de Amazon S3.

{ "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": [ "s3:GetObject", "S3:GetObjectVersion" ], "Resource": [ "arn:aws:s3:::mybucket*/*" ] }, { "Effect": "Allow", "Action": [ "s3:ListBucket" ], "Resource": [ "arn:aws:s3:::mybucket*" ] } ] }

Limitaciones del uso de Amazon S3 como origen para AWS DMS

Las siguientes limitaciones se aplican cuando se utiliza Amazon S3 como origen:

  • No habilite el control de versiones para S3. Si necesita el control de versiones de S3, utilice las políticas de ciclo de vida para eliminar activamente las versiones antiguas. De lo contrario, es posible que se produzcan errores en la conexión de las pruebas de punto de conexión debido al tiempo de espera de una llamada a list-object de S3. Para crear una política de ciclo de vida para un bucket de S3, consulte Administración del ciclo de vida del almacenamiento. Para eliminar una versión de un objeto de S3, consulte Eliminación de versiones de objetos de un bucket con control de versiones habilitado.

  • En las versiones 3.4.7 y superiores se admite un bucket S3 habilitado para VPC (VPC de puerta de enlace).

Configuración de puntos de conexión para Amazon S3 como origen para AWS DMS

Puede utilizar la configuración de punto de conexión para configurar la base de datos de origen de Amazon S3 de forma similar al uso de atributos de conexión adicionales. Se especifican los ajustes cuando se crea el punto de conexión de origen mediante la consola de AWS DMS o mediante el comando create-endpoint en la AWS CLI, con la sintaxis JSON --s3-settings '{"EndpointSetting": "value", ...}'.

La siguiente tabla muestra la configuración de punto de conexión que puede utilizar con Amazon S3 como origen.

Opción Descripción
BucketFolder

(Opcional) Nombre de carpeta en el bucket de S3. Si se proporciona este atributo, los archivos de datos de origen y los archivos de CDC se leen desde la ruta s3://myBucket/bucketFolder/schemaName/tableName/ y s3://myBucket/bucketFolder/ respectivamente. Si no se especifica este atributo, la ruta utilizada es schemaName/tableName/.

'{"BucketFolder": "sourceData"}'

BucketName

Nombre del bucket de S3.

'{"BucketName": "myBucket"}'

CdcPath La ubicación de los archivos de CDC. Este atributo es obligatorio si una tarea captura datos de cambios; de lo contrario, es opcional. Si CdcPath está incluido, AWS DMS lee los archivos CDC desde esta ruta y replica los cambios de datos en el punto de enlace de destino. Para obtener más información, consulte Uso de CDC con Amazon S3 como origen para AWS DMS.

'{"CdcPath": "changeData"}'

CsvDelimiter

Delimitador utilizado para separar columnas en los archivos de origen. El valor predeterminado es una coma. Ejemplo:

'{"CsvDelimiter": ","}'

CsvNullValue

Una cadena definida por el usuario que AWS DMS considera nula cuando se lee desde el origen. El valor predeterminado es una cadena vacía. Si no establece este parámetro, AWS DMS trata una cadena vacía como un valor nulo. Si establece este parámetro en una cadena como “”\N”, AWS DMS trata esta cadena como un valor nulo y trata las cadenas vacías como un valor de cadena vacío.

CsvRowDelimiter

Delimitador utilizado para separar filas en los archivos de origen. El valor predeterminado es una nueva línea (\n).

'{"CsvRowDelimiter": "\n"}'

IgnoreHeaderRows

Cuando este valor se establece en 1, AWS DMS omite el encabezado de la primera fila en un archivo .csv. Un valor de 1 habilita la característica, un valor de 0 deshabilita la característica.

El valor predeterminado es 0.

'{"IgnoreHeaderRows": 1}'

Rfc4180

Cuando este valor se establece en true o y, las comillas dobles de inicio tienen que ir seguidas de comillas dobles finales. Este formato cumple con RFC 4180. Cuando este valor se establece en false o n, los literales de cadena se copian en el destino tal cual. En este caso, un delimitador (fila o columna) señala el final del campo. Por lo tanto, no puede utilizar un delimitador como parte de la cadena, ya que señala el final del valor.

El valor predeterminado es true.

Valores válidos: true, false, y, n

'{"Rfc4180": false}'

Tipos de datos de origen de Amazon S3

La migración de datos que utiliza Amazon S3 como origen para AWS DMS tiene que asignar datos de Amazon S3 a tipos de datos de AWS DMS. Para obtener más información, consulte Definición de tablas externas para Amazon S3 como origen para AWS DMS.

Para obtener más información sobre cómo ver el tipo de datos que se asigna en el destino, consulte la sección del punto de enlace de destino que esté utilizando.

Para obtener más información sobre los tipos de datos de AWS DMS, consulte Tipos de datos de AWS Database Migration Service.

Los siguientes tipos de datos de AWS DMS se utilizan con Amazon S3 como origen: