Amazon Athena Vertica 連接器

Vertica 是一種單欄式資料庫平台，可部署在雲端或進行內部部署，以支援 Exabyte 艾位元組規模的資料倉儲。您可以在聯合查詢中使用 Amazon Athena Vertica 連接器，查詢來自 Athena 的 Vertica 資料來源。例如，您可以在 Vertica 上的資料倉儲和 Simple Storage Service (Amazon S3) 中的資料湖上執行分析查詢。

必要條件

• 使用 Athena 主控台或 AWS Serverless Application Repository，將連接器部署到您的 AWS 帳戶 。如需詳細資訊，請參閱 部署資料來源連接器 或 使用部署 AWS Serverless Application Repository 資料來源連接器。

• 在使用此連接器之前，請先設定VPC和安全性群組。如需詳細資訊，請參閱VPC為資料來源連接器建立。

限制

• 因為 Athena Vertica 連接器使用 Amazon S3 Select 從 Amazon S3 中讀取 Parquet 檔案，所以連接器的效能可能會很慢。當您查詢大型資料表時，我們建議您使用 CREATETABLEAS (SELECT...) 查詢和SQL謂詞。

• 目前，由於 Athena Federated Query 中存在已知問題，連接器會讓 Vertica 將已查詢資料表的所有資料欄匯出至 Amazon S3，但在 Athena 主控台的結果中只能看到已查詢的資料欄。

• 不支DDL援寫入作業。

• 任何相關的 Lambda 限制。如需詳細資訊，請參閱《AWS Lambda 開發人員指南》中的 Lambda 配額。

工作流程

下圖顯示使用 Vertica 連接器的查詢工作流程。

1. SQL查詢是針對 Vertica 中的一個或多個表發出的。

2. 連接器會剖析SQL查詢，以透過連線將相關部分傳送至 Vertica。JDBC

3. 連接字串會使用儲存在中 AWS Secrets Manager 的使用者名稱和密碼來存取 Vertica。

4. 連接器會使用 Vertica EXPORT 命令包裝SQL查詢，如下列範例所示。

   EXPORT TO PARQUET (directory = 's3://amzn-s3-demo-bucket/folder_name, 
      Compression='Snappy', fileSizeMB=64) OVER() as 
   SELECT
   PATH_ID,
   ...
   SOURCE_ITEMIZED,
   SOURCE_OVERRIDE
   FROM DELETED_OBJECT_SCHEMA.FORM_USAGE_DATA
   WHERE PATH_ID <= 5;

5. Vertica 會處理查SQL詢並將結果集傳送到 Amazon S3 儲存貯體。為了獲得更好的輸送量，Vertica 使用 EXPORT 選項來平行處理多個 Parquet 檔案的寫入操作。

6. Athena 會掃描 Amazon S3 儲存貯體，以確定要為結果集讀取的檔案數。

7. Athena 對 Lambda 函數發出多個呼叫並使用 Amazon S3 Select 從結果集中讀取 Parquet 檔案。多個呼叫可讓 Athena 平行讀取 Amazon S3 檔案，並達到每秒高達 100GB 的輸送量。

8. Athena 會使用從資料湖掃描的資料來處理從 Vertica 傳回的資料，並傳回結果。

條款

下列術語與 Vertica 連接器相關。

• 資料庫執行個體 — 部署在 Amazon EC2 上的 Vertica 資料庫的任何執行個體。

• 處理常式 - 存取資料庫執行個體的 Lambda 處理常式。處理常式可以用於中繼資料或資料記錄。

• 中繼資料處理常式 - 從資料庫執行個體中擷取中繼資料的 Lambda 處理常式。

• 記錄處理常式 - 從資料庫執行個體中擷取資料記錄的 Lambda 處理常式。

• 複合處理常式 - 從資料庫執行個體中擷取中繼資料和資料記錄的 Lambda 處理常式。

• 屬性或參數 - 處理常式用來擷取資料庫資訊的資料庫屬性。您可以將這些屬性設定為 Lambda 環境變數。

• 連接字串 - 用來建立資料庫執行個體連線的文字字串。

• 目錄 — 在 Athena 註冊的非AWS Glue 目錄，是connection_string屬性的必要前置詞。

參數

Amazon Athena Vertica 連接器透過 Lambda 環境變數公開組態選項。您可以使用下列 Lambda 環境變數來設定連接器。

• AthenaCatalogName-Lambda 函數名

• ExportBucket— 匯出 Vertica 查詢結果的 Amazon S3 儲存貯體。

• SpillBucket— 此函數可能會洩漏資料的 Amazon S3 儲存貯體的名稱。

• SpillPrefix— 此函數可能溢滿資料之SpillBucket位置的前置詞。

• SecurityGroupIds— 與應套用至 Lambda 函數的安全性群組相對應的一或多IDs個 (例如sg1sg2、、或sg3)。

• SubnetIds— 對應至子網路IDs的一或多個子網路，Lambda 函數可用來存取您的資料來源 (例如subnet1，或subnet2)。

• SecretNameOrPrefix— 這個函數可以存取的 Secrets Manager 中一組名稱的名稱或前置詞 (例如vertica-*)

• VerticaConnectionString— 如果未定義目錄特定連線，預設會使用 Vertica 連線詳細資料。字串可以選擇性地使用 AWS Secrets Manager 語法 (例如，${secret_name})。

• VPCID — 要附加至 Lambda 函數的VPC識別碼。

連接字串

使用下列格式的JDBC連接字串連線至資料庫執行個體。

vertica://jdbc:vertica://host_name:port/database?user=vertica-username&password=vertica-password

使用單一連接處理常式

您可以使用下列單一連接中繼資料和記錄處理常式來連接至單一 Vertica 執行個體。

處理常式類型	類別
複合處理常式	VerticaCompositeHandler
中繼資料處理常式	VerticaMetadataHandler
記錄處理常式	VerticaRecordHandler

單一連接處理常式參數

參數	描述
default	必要。預設的連接字串。

單一連接處理常式支援一個資料庫執行個體，並且必須提供 default 連接字串參數。忽略所有其他連接字串。

提供憑證

若要在JDBC連接字串中提供資料庫的使用者名稱和密碼，您可以使用連接字串屬性或 AWS Secrets Manager.

• 連接字串 — 使用者名稱和密碼可以指定為JDBC連接字串中的屬性。

  重要

  作為安全最佳實務，請勿在您的環境變數或連線字串中使用硬式編碼憑證。如需有關將硬式編碼密碼移至的資訊 AWS Secrets Manager，請參閱《AWS Secrets Manager 使用者指南》 AWS Secrets Manager中的「將硬式編碼密碼移至」。

• AWS Secrets Manager— 若要搭配使用 Athena 聯合查詢功能 AWS Secrets Manager，VPC連接至您的 Lambda 函數應具有網際網路存取權限，或具有連線至 Secrets Manager 的VPC端點。

  您可以在JDBC連接字符串 AWS Secrets Manager 中輸入秘密的名稱。連接器將秘密名稱取代為 Secrets Manager 中的 username 和 password 值。

  對於 Amazon RDS 資料庫執行個體，此支援已緊密整合。如果您使用 AmazonRDS，我們強烈建議您使用 AWS Secrets Manager 和憑據輪換。如果您的資料庫不使用 AmazonRDS，請以下列格式儲存登入資料：JSON

  {"username": "${username}", "password": "${password}"}

帶有秘密名稱的連接字串範例

以下字串具有秘密名稱 ${vertica-username} 和 ${vertica-password}。

vertica://jdbc:vertica://host_name:port/database?user=${vertica-username}&password=${vertica-password}

連接器會使用秘密名稱來擷取秘密並提供使用者名稱和密碼，如下列範例所示。

vertica://jdbc:vertica://host_name:port/database?user=sample-user&password=sample-password

目前，Vertica 連接器可識別vertica-username和vertica-passwordJDBC屬性。

溢出參數

Lambda SDK 可以將數據洩漏到 Amazon S3。由相同 Lambda 函數存取的所有資料庫執行個體溢出到相同的位置。

參數	描述
spill_bucket	必要。溢出儲存貯體名稱。
spill_prefix	必要。溢出儲存貯體金鑰字首。
spill_put_request_headers	(選擇性) 用於溢出的 Amazon S3 請求的putObject請求標頭和值的JSON編碼映射 (例如，{"x-amz-server-side-encryption" : "AES256"})。如需其他可能的標頭，請參閱 Amazon 簡易儲存服務API參考PutObject中的。

支援的資料類型

下表顯示 Vertica 連接器支援的資料類型。

Boolean
BigInt
Short
Integer
Long
Float
Double
日期
Varchar
位元組
BigDecimal
TimeStamp 作為瓦爾

效能

Lambda 函數執行投影下推，以減少查詢掃描的資料。LIMIT 子句可減少掃描的資料量，但是如果未提供述詞，則應預期含有 LIMIT 子句的 SELECT 查詢可掃描至少 16 MB 的資料。Vertica 連接器由於並行而對限流保有彈性。

直通查詢

Vertica 連接器支援直通查詢。傳遞查詢使用資料表函數將完整查詢推送至資料來源以進行執行。

要將傳遞查詢與 Vertica 一起使用，您可以使用以下語法：

SELECT * FROM TABLE(
        system.query(
            query => 'query string'
        ))

下列範例查詢會將查詢向下推送至 Vertica 中的資料來源。查詢會選取資料customer表中的所有資料行，將結果限制為 10。

SELECT * FROM TABLE(
        system.query(
            query => 'SELECT * FROM customer LIMIT 10'
        ))

授權資訊

使用此連接器即表示您確認包含協力廠商元件，其清單可在此連接器的 pom.xml 檔案中找到，並同意 GitHub .com 上 LICENSE.txt 檔案中提供的個別協力廠商授權中的條款。

其他資源

如需最新的JDBC驅動程式版本資訊，請參閱 GitHub .com 上適用於 Vertica 連接器的 pom.xml 檔案。

如需有關此連接器的其他資訊，請參閱 GitHub .com 上的對應網站和使用AWS 大數據部落格中的 Athena 聯合查詢在 Amazon Athena 查詢 SDK Vertica 資料來源。