기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
Kinesis 연결
데이터 카탈로그 테이블에 저장된 정보를 사용하거나 데이터 스트림에 직접 액세스할 수 있는 정보를 제공하여 Amazon Kinesis Data Streams에서 읽고 쓸 수 있습니다. Kinesis에서 DataFrame Spark로 정보를 읽은 다음 이를 Glue로 변환할 수 있습니다. AWS DynamicFrame DynamicFrames Kinesis에 JSON 형식으로 쓸 수 있습니다. 데이터 스트림에 직접 액세스하는 경우 이러한 옵션을 사용하여 데이터 스트림에 액세스하는 방법에 대한 정보를 제공합니다.
getCatalogSource
또는 create_data_frame_from_catalog
를 통해 Kinesis 스트리밍 소스의 레코드를 사용하는 경우 작업에 데이터 카탈로그 데이터베이스 및 테이블 이름 정보가 있으며, 해당 정보를 사용하여 Kinesis 스트리밍 소스에서 읽기 위한 몇 가지 기본 파라미터를 얻을 수 있습니다. getSource
, getSourceWithFormat
, createDataFrameFromOptions
또는 create_data_frame_from_options
를 사용하는 경우 여기에 설명된 연결 옵션을 통해 이러한 기본 파라미터를 지정해야 합니다.
GlueContext
클래스에 지정된 메서드에 대해 다음 인수를 사용하여 Kinesis에 대한 연결 옵션을 지정할 수 있습니다.
-
Scala
-
connectionOptions
:getSource
,createDataFrameFromOptions
,getSink
와(과) 함께 사용 -
additionalOptions
:getCatalogSource
,getCatalogSink
와 함께 사용 -
options
:getSourceWithFormat
,getSinkWithFormat
와 함께 사용
-
-
Python
-
connection_options
:create_data_frame_from_options
,write_dynamic_frame_from_options
와 함께 사용 -
additional_options
:create_data_frame_from_catalog
,write_dynamic_frame_from_catalog
와 함께 사용 -
options
:getSource
,getSink
와 함께 사용
-
스트리밍 ETL 작업에 대한 참고 및 제한 사항은 스트리밍 ETL 참고 사항 및 제한 사항 섹션을 참조하세요.
Kinesis 구성
AWS Glue Spark 작업에서 Kinesis 데이터 스트림에 연결하려면 몇 가지 사전 요구 사항이 필요합니다.
읽는 경우 AWS Glue 작업에는 Kinesis 데이터 스트림에 대한 읽기 액세스 수준 IAM 권한이 있어야 합니다.
작성하는 경우 AWS Glue 작업에는 Kinesis 데이터 스트림에 대한 쓰기 액세스 수준 IAM 권한이 있어야 합니다.
경우에 따라 추가 필수 조건을 구성해야 합니다.
-
AWS Glue 작업이 추가 네트워크 연결 (일반적으로 다른 데이터세트에 연결) 으로 구성되어 있고 이러한 연결 중 하나가 Amazon VPC 네트워크 옵션을 제공하는 경우, 이 작업은 Amazon VPC를 통해 통신하도록 지시합니다. 이 경우 Amazon VPC를 통해 통신하도록 Kinesis 데이터 스트림도 구성해야 합니다. Amazon VPC와 Kinesis 데이터 스트림 사이에서 인터페이스 VPC 엔드포인트를 생성하면 됩니다. 자세한 내용은 Using Kinesis Data Streams with Interface VPC Endpoints를 참조하세요.
-
다른 계정에서 Amazon Kinesis Data Streams를 지정할 때 크로스 계정 액세스를 허용하도록 역할과 정책을 설정해야 합니다. 자세한 내용은 예: 다른 계정의 Kinesis 스트림에서 읽기를 참조하세요.
스트리밍 ETL 작업 필수 조건에 대한 자세한 내용은 AWS Glue에서 스트리밍 ETL 작업 섹션을 참조하세요.
예제: Kinesis 스트림에서 읽기
예제: Kinesis 스트림에서 읽기
forEachBatch과(와) 함께 사용합니다.
Amazon Kinesis 스트리밍 소스의 예:
kinesis_options = { "streamARN": "arn:aws:kinesis:us-east-2:777788889999:stream/fromOptionsStream", "startingPosition": "TRIM_HORIZON", "inferSchema": "true", "classification": "json" } data_frame_datasource0 = glueContext.create_data_frame.from_options(connection_type="kinesis", connection_options=kinesis_options)
예: Kinesis 스트림에 쓰기
예제: Kinesis 스트림에서 읽기
forEachBatch과(와) 함께 사용합니다.
Amazon Kinesis 스트리밍 소스의 예:
kinesis_options = { "streamARN": "arn:aws:kinesis:us-east-2:777788889999:stream/fromOptionsStream", "startingPosition": "TRIM_HORIZON", "inferSchema": "true", "classification": "json" } data_frame_datasource0 = glueContext.create_data_frame.from_options(connection_type="kinesis", connection_options=kinesis_options)
Kinesis 연결 옵션 참조
Amazon Kinesis Data Streams에 대한 연결 옵션을 지정합니다.
Kinesis 스트리밍 데이터 원본에 대한 다음 연결 옵션을 사용합니다.
-
"streamARN"
(필수) 읽기/쓰기에 사용됩니다. Kinesis 데이터 스트림의 ARN. -
"classification"
(읽기 필수) 읽기에 사용됩니다. 레코드의 데이터에서 사용하는 파일 형식. 데이터 카탈로그를 통해 제공되지 않는 한 필수입니다. -
"streamName"
– (선택 사항) 읽기에 사용됩니다. 읽을 Kinesis 데이터 스트림의 이름.endpointUrl
와(과) 함께 사용됩니다. -
"endpointUrl"
– (선택 사항) 읽기에 사용됩니다. 기본값: "https://kinesis.us-east-1.amazonaws.com". Kinesis 스트림의 AWS 엔드포인트입니다. 특정 지역에 연결하는 경우가 아니면 변경하지 않아도 됩니다. -
"partitionKey"
– (선택 사항) 쓰기에 사용됩니다. 레코드를 생성할 때 사용되는 Kinesis 파티션 키. -
"delimiter"
(선택 사항) 읽기에 사용됩니다.classification
이(가) CSV일 때 사용되는 값 구분 기호입니다. 기본값은 ',
'입니다. -
"startingPosition"
: (선택 사항) 읽기에 사용됩니다. 데이터를 읽을 Kinesis 데이터 스트림의 시작 위치입니다. 가능한 값은yyyy-mm-ddTHH:MM:SSZ
패턴에서 UTC 형식의 타임스탬프 문자열이나"latest"
,"trim_horizon"
또는"earliest"
입니다(여기서,Z
는 UTC 시간대 오프셋(+/-)임, 예: '2023-04-04T08:00:00-04:00'). 기본 값은"latest"
입니다. 참고: UTC 형식의 타임스탬프 문자열은 AWS Glue 버전 4.0 이상에서만 지원됩니다."startingPosition"
-
"failOnDataLoss"
: (선택 사항) 활성 샤드가 누락되거나 만료된 경우 작업이 실패합니다. 기본 값은"false"
입니다. -
"awsSTSRoleARN"
: (선택 사항) 읽기/쓰기에 사용됩니다. () 를 사용하여 위임할 역할의 Amazon 리소스 이름 AWS Security Token Service (AWS STS ARN) 입니다. 이 역할에는 Kinesis 데이터 스트림에 대한 레코드 작업을 설명하거나 읽을 수 있는 권한이 있어야 합니다. 다른 계정의 데이터 스트림에 액세스할 때 이 파라미터를 사용해야 합니다."awsSTSSessionName"
과(와) 함께 사용합니다. -
"awsSTSSessionName"
: (선택 사항) 읽기/쓰기에 사용됩니다. AWS STS을(를) 사용하여 역할을 맡는 세션의 식별자입니다. 다른 계정의 데이터 스트림에 액세스할 때 이 파라미터를 사용해야 합니다."awsSTSRoleARN"
과(와) 함께 사용합니다. -
"awsSTSEndpoint"
: (선택 사항) 위임된 역할을 사용하여 Kinesis에 연결할 때 사용할 AWS STS 엔드포인트입니다. 이를 통해 VPC에서 리전 AWS STS 엔드포인트를 사용할 수 있지만, 기본 글로벌 엔드포인트로는 불가능합니다. -
"maxFetchTimeInMs"
: (선택 사항) 읽기에 사용됩니다. 작업 실행기가 Kinesis 데이터 스트림에서 현재 배치에 대한 레코드를 읽는 데 걸리는 최대 시간(밀리초(ms) 단위로 지정)입니다. 이 시간 내에 여러 개의GetRecords
API 호출을 할 수 있습니다. 기본 값은1000
입니다. -
"maxFetchRecordsPerShard"
: (선택 사항) 읽기에 사용됩니다. 마이크로 배치에 따라 Kinesis 데이터 스트림에서 샤드당 가져올 최대 레코드 수입니다. 참고: 스트리밍 작업이 이미 Kinesis의 동일한 get-records 호출에서 추가 레코드를 읽은 경우 클라이언트가 이 제한을 초과할 수 있습니다.maxFetchRecordsPerShard
가 엄격해야 한다면maxRecordPerRead
의 배수여야 합니다. 기본 값은100000
입니다. -
"maxRecordPerRead"
: (선택 사항) 읽기에 사용됩니다. 각getRecords
작업에서 Kinesis 데이터 스트림에서 가져올 최대 레코드 수. 기본 값은10000
입니다. -
"addIdleTimeBetweenReads"
: (선택 사항) 읽기에 사용됩니다. 연속 두getRecords
작업 사이에 시간 지연을 추가합니다. 기본 값은"False"
입니다. 이 옵션은 Glue 버전 2.0 이상에서만 구성할 수 있습니다. -
"idleTimeBetweenReadsInMs"
: (선택 사항) 읽기에 사용됩니다. 연속 두getRecords
작업 사이의 최소 시간 지연으로, ms 단위로 지정됩니다. 기본 값은1000
입니다. 이 옵션은 Glue 버전 2.0 이상에서만 구성할 수 있습니다. -
"describeShardInterval"
: (선택 사항) 읽기에 사용됩니다. 스크립트가 리샤딩을 고려하기 위한 두ListShards
API 호출 사이의 최소 시간 간격. 자세한 내용은 Amazon Kinesis Data Streams Developer Guide의 Strategies for Resharding을 참조하세요. 기본 값은1s
입니다. -
"numRetries"
: (선택 사항) 읽기에 사용됩니다. Kinesis Data Streams API 요청의 최대 재시도 횟수입니다. 기본 값은3
입니다. -
"retryIntervalMs"
: (선택 사항) 읽기에 사용됩니다. Kinesis Data Streams API 호출을 재시도하기 전의 휴지 기간(ms 단위로 지정)입니다. 기본 값은1000
입니다. -
"maxRetryIntervalMs"
: (선택 사항) 읽기에 사용됩니다. Kinesis Data Streams API 호출을 두 번 재시도하는 사이의 최대 휴지 시간(ms 단위로 지정)입니다. 기본 값은10000
입니다. -
"avoidEmptyBatches"
: (선택 사항) 읽기에 사용됩니다. 배치가 시작되기 전에 Kinesis 데이터 스트림에서 읽지 않은 데이터를 확인하여 빈 마이크로 배치 작업 생성을 방지합니다. 기본 값은"False"
입니다. -
"schema"
: (inferSchema가 거짓으로 설정된 경우 필수 사항) 읽기에 사용됩니다. 페이로드를 처리하는 데 사용하는 스키마. 분류가avro
인 경우 제공된 스키마는 Avro 스키마 형식이어야 합니다. 분류가avro
가 아닌 경우 제공된 스키마는 DDL 스키마 형식이어야 합니다.다음은 스키마의 예입니다.
-
"inferSchema"
: (선택 사항) 읽기에 사용됩니다. 기본값은 'false'입니다. 'true'로 설정하면 스키마가 런타임 시foreachbatch
내의 페이로드에서 감지됩니다. -
"avroSchema"
: (더 이상 사용되지 않음) 읽기에 사용됩니다. Avro 형식을 사용할 때 Avro 데이터의 스키마를 지정하는 데 사용되는 파라미터입니다. 이 파라미터는 이제 사용 중단되었습니다.schema
파라미터를 사용합니다. -
"addRecordTimestamp"
: (선택 사항) 읽기에 사용됩니다. 이 옵션이 'true'로 설정되면 데이터 출력에는 이름이 '__src_timestamp'라는 추가 열이 포함됩니다. 이 열은 스트림에서 해당 레코드를 수신한 시간을 나타냅니다. 기본값은 'false'입니다. 이 옵션은 AWS Glue 버전 4.0 이상에서 지원됩니다. -
"emitConsumerLagMetrics"
: (선택 사항) 읽기에 사용됩니다. 옵션을 'true'로 설정하면 각 배치에 대해 스트림이 수신한 가장 오래된 레코드와 스트림이 수신된 시간 사이의 기간 동안 측정치를 내보냅니다. AWS Glue CloudWatch 메트릭의 이름은 “glue.driver.streaming입니다. maxConsumerLagInMs”. 기본값은 'false'입니다. 이 옵션은 AWS Glue 버전 4.0 이상에서 지원됩니다. -
"fanoutConsumerARN"
: (선택 사항) 읽기에 사용됩니다.streamARN
에서 지정된 스트림에 대한 Kinesis 스트림 소비자의 ARN. Kinesis 연결에 대해 향상된 팬아웃 모드를 활성화하는 데 사용됩니다. 향상된 팬아웃과 함께 Kinesis 스트림을 사용하는 방법에 대한 자세한 내용은 Kinesis 스트리밍 작업에서 향상된 팬아웃 사용 섹션을 참조하세요. -
"recordMaxBufferedTime"
– (선택 사항) 쓰기에 사용됩니다. 기본값: 1000(ms). 레코드 쓰기를 대기하는 중 레코드가 버퍼링되는 최대 시간. -
"aggregationEnabled"
– (선택 사항) 쓰기에 사용됩니다. 기본값: true. Kinesis로 보내기 전에 레코드를 집계해야 하는지 여부를 지정합니다. -
"aggregationMaxSize"
– (선택 사항) 쓰기에 사용됩니다. 기본값: 51200(바이트). 레코드가 이 한도보다 크면 애그리게이터를 우회합니다. 참고 Kinesis는 레코드 크기를 50KB로 제한합니다. 이 값이 50KB를 초과하도록 설정하면 Kinesis에서 크기가 초과된 레코드를 거부합니다. -
"aggregationMaxCount"
– (선택 사항) 쓰기에 사용됩니다. 기본값: 4294967295. 집계된 레코드에 포함할 최대 항목 수. -
"producerRateLimit"
– (선택 사항) 쓰기에 사용됩니다. 기본값: 150(%). 단일 생성자(예: 작업)에서 보내는 샤드당 처리량을 백엔드 한도의 백분율로 제한합니다. -
"collectionMaxCount"
– (선택 사항) 쓰기에 사용됩니다. 기본값: 500. PutRecords 요청 시 포장할 수 있는 최대 품목 수입니다. -
"collectionMaxSize"
– (선택 사항) 쓰기에 사용됩니다. 기본값: 5242880(바이트). PutRecords 요청과 함께 전송할 수 있는 최대 데이터 양.