MongoDB または MongoDB Atlas 接続を使用する
MongoDB または MongoDB Atlas の接続を作成すると、ETL ジョブで接続を使用することができます。AWS Glue Data Catalog にテーブルを作成し、テーブルの connection 属性に MongoDB または MongoDB Atlas 接続を指定します。
AWS Glue では、接続 url と MongoDB 接続の認証情報が保存されます。接続 URI の形式は次のとおりです。
MongoDB の場合: mongodb://host:port/database ホストは、ホスト名、IP アドレス、UNIX ドメインソケットのいずれかにすることができます。接続文字列でポートが指定されていない場合は、デフォルトの MongoDB ポート、27017 が使用されます。
MongoDB Atlas: mongodb+srv://server.example.com/database ホストは、DNS SRV レコードに対応するホスト名にすることができます。SRV 形式ではポートは不要であり、デフォルトの MongoDB ポート、27017 が使用されます。
さらに、ジョブスクリプトで次のオプションを指定できます。
-
"database": (必須) 読み込み元の MongoDB データベース。 -
"collection": (必須) 読み込み元の MongoDB コレクション。 -
"ssl": (オプション、MongoDB でのみ利用可能)trueの場合、AWS Glue は SSL 接続を開始します。デフォルト値は、「false」です。 -
"ssl.domain_match": (オプション)trueとsslがtrueの場合、AWS Glueは ドメイン一致チェックを実行します。デフォルト値は、「true」です。 -
"batchSize": (オプション): 内部バッチのカーソル内で使用される、バッチごとに返されるドキュメントの数。 -
"partitioner": (オプション): MongoDB から入力データを読み取るためのパーティショナーのクラス名。コネクタには、次のパーティショナーがあります。-
MongoDefaultPartitioner(デフォルト) -
MongoSamplePartitioner(MongoDB 3.2 以降が必要です) -
MongoShardedPartitioner -
MongoSplitVectorPartitioner -
MongoPaginateByCountPartitioner -
MongoPaginateBySizePartitioner
-
-
"partitionerOptions"(オプション): 指定されたパーティショナーのオプション。各パーティショナーでは、次のオプションがサポートされています。-
MongoSamplePartitioner–partitionKey、partitionSizeMB、およびsamplesPerPartition -
MongoShardedPartitioner–shardkey -
MongoSplitVectorPartitioner–partitionKeyおよびpartitionSizeMB -
MongoPaginateByCountPartitioner–partitionKeyおよびnumberOfPartitions -
MongoPaginateBySizePartitioner–partitionKeyおよびpartitionSizeMB
-
これらのパラメータの詳細については、「https://docs.mongodb.com/spark-connector/master/configuration/#partitioner-conf
