# Administración de trabajos de ETL con AWS Glue Studio
Puede usar la interfaz gráfica simple en AWS Glue Studio para administrar los trabajos de ETL. En el menú de navegación, seleccione **Trabajos** para ver la página **Trabajos**. En esta página, puede ver todos los trabajos que ha creado con AWS Glue Studio o con la consola de AWS Glue. Puede ver, administrar y ejecutar sus trabajos en esta página.
**Topics**
+ [Iniciar una ejecución de trabajo](#start-jobs)
+ [Programar ejecuciones de trabajo](#schedule-jobs)
+ [Administrar programaciones de trabajo](#manage-schedules)
+ [Detener ejecuciones de trabajo](#stop-jobs)
+ [Ver los trabajos](#view-jobs)
+ [Ver información sobre las ejecuciones de trabajos recientes](#view-job-run-details)
+ [Ver el script de trabajo](#view-job-script)
+ [Modificar las propiedades del trabajo](#edit-jobs-properties)
+ [Guardar el trabajo](#save-job)
+ [Clonación de un trabajo](#clone-jobs)
+ [Eliminación de trabajos](#delete-jobs)
## Iniciar una ejecución de trabajo
En AWS Glue Studio, puede ejecutar los trabajos bajo demanda. Un trabajo puede ejecutarse varias veces y cada vez que ejecute el trabajo, AWS Glue recopila información sobre las actividades y el rendimiento del trabajo. Esta información se conoce como una *ejecución de trabajo* y se identifica mediante un ID de ejecución de trabajo.
Puede iniciar una ejecución de trabajo de las siguientes maneras en AWS Glue Studio:
+ En la página **Trabajos**, elija el trabajo que desea iniciar y, luego, elija el botón **Ejecutar trabajo**.
+ Si está viendo un trabajo en el editor visual y el trabajo se ha guardado, puede elegir el botón **Ejecución** para iniciar una ejecución de trabajo.
Para obtener más información acerca de las ejecuciones de trabajos, consulte [Uso de trabajos en la consola de AWS Glue](https://docs.aws.amazon.com/glue/latest/dg/console-jobs.html) en la *Guía para desarrolladores de AWS Glue*.
## Programar ejecuciones de trabajo
En AWS Glue Studio, puede crear una programación para que los trabajos se ejecuten en momentos específicos. Puede especificar restricciones, como la cantidad de veces que desea que se ejecute un trabajo, qué días de la semana se ejecutarán y a qué hora. Estas restricciones se basan en `cron` y tienen las mismas limitaciones que `cron`. Por ejemplo, si decide ejecutar su trabajo el día 31 de cada mes, tenga en cuenta que algunos meses no tienen 31 días. Para obtener más información acerca de `cron`, consulte [Expresiones Cron](https://docs.aws.amazon.com/glue/latest/dg/monitor-data-warehouse-schedule.html#CronExpressions) en la *Guía para desarrolladores de AWS Glue*.
**Para ejecutar trabajos de acuerdo con una programación**
1. Utilice uno de los métodos siguientes para crear una programación de trabajo:
+ En la página **Trabajos** elija el trabajo para el que desea crear una programación, elija **Acciones** y, a continuación, elija **Programar trabajo**.
+ Si está viendo un trabajo en el editor visual y el trabajo se ha guardado, elija la pestaña **Programaciones**. A continuación, elija **Crear programación**.
1. En la página **Programar ejecución de trabajo**, escriba la siguiente información:
+ **Nombre**: ingrese un nombre para su programación de trabajo.
+ **Frecuencia**: ingrese la frecuencia para la programación de trabajo. Puede elegir entre las siguientes opciones:
+ **Por hora**: el trabajo se ejecutará cada hora, comenzando en un minuto específico. Puede especificar el **Minuto** de la hora que debe ejecutarse el trabajo. De forma predeterminada, cuando elige por hora, el trabajo se ejecuta al comenzar la hora (minuto 0).
+ **Por día**: el trabajo se ejecutará todos los días, comenzando a la hora indicada. Puede especificar el **Minuto** de la que hora en la que debe ejecutarse el trabajo y la **Hora de inicio** para el trabajo. Las horas se especifican con un reloj de 23 horas, en el que se utilizan los números de 13 a 23 para las horas de la tarde. Los valores predeterminados para minuto y hora son 0, lo que significa que si selecciona **Por día**, el trabajo se ejecutará a medianoche de manera predeterminada.
+ **Por semana**: el trabajo se ejecutará cada semana en uno o más días. Además de la misma configuración descrita anteriormente para Por día, puede elegir los días de la semana en los que se ejecutará el trabajo. Puede elegir uno o más días.
+ **Por mes**: el trabajo se ejecutará todos los meses en un día específico. Además de la misma configuración descrita anteriormente para Por día, puede elegir el día del mes en el que se ejecutará el trabajo. Especifique el día como un valor numérico del 1 al 31. Si selecciona un día que no existe en un mes, por ejemplo, el 30 de febrero, entonces el trabajo no se ejecuta ese mes.
+ **Personalizado**: ingrese una expresión para la programación del trabajo mediante la sintaxis de `cron`. Las expresiones Cron le permiten crear programaciones más complejas, como el último día del mes (en lugar de un día específico del mes) o cada tres meses los días 7 y 21 del mes.
Consulte [Expresiones Cron](https://docs.aws.amazon.com/glue/latest/dg/monitor-data-warehouse-schedule.html#CronExpressions) en la *Guía para desarrolladores de AWS Glue*
+ **Descripción**: de forma opcional, puede especificar una descripción para la programación de trabajos. Si planea utilizar la misma programación para múltiples trabajos, incluir una descripción facilita determinar las tareas de una programación del trabajo.
1. Elija **Crear programación** para guardar la programación de trabajos.
1. Después de crear la programación, aparece un mensaje de éxito en la parte superior de la página de la consola. Puede elegir **Detalles del trabajo** en este banner para ver los detalles del trabajo. Esto abre la página del editor visual de trabajos, con la pestaña **Programaciones** seleccionada.
## Administrar programaciones de trabajo
Después de crear programaciones para un trabajo, puede abrir el trabajo en el editor visual y elegir la pestaña **Programaciones** para administrar las programaciones.
En la pestaña **Programaciones** en el editor visual, puede llevar a cabo las siguientes tareas:
+ Crear una nueva programación.
Elija **Crear programación** y, a continuación, ingrese la información de su programación tal y como se describe en [Programar ejecuciones de trabajo](#schedule-jobs).
+ Edición de una programación existente.
Elija la programación que desea editar y, a continuación, elija **Acción** y luego **Editar programación**. Cuando elija editar una programación existente, **Frecuencia** aparece como **Personalizado**, y la programación se muestra como una expresión `cron`. Puede modificar la expresión `cron`, o especificar una nueva programación mediante el botón **Frecuencia**. Cuando termine de realizar los cambios, elija **Actualizar programación**.
+ Pausar una programación activa.
Elija una programación activa y, a continuación, elija **Acción**, y luego **Pausar programación**. La programación se desactiva en forma instantánea. Elija el botón actualizar (recargar) para ver el estado actualizado de la programación de trabajos.
+ Reanudar una programación en pausa.
Elija una programación desactivada y, a continuación, elija **Acción**, y luego **Reanudar programación**. La programación se activa en forma instantánea. Elija el botón actualizar (recargar) para ver el estado actualizado de la programación de trabajos.
+ Eliminar una programación.
Elija la programación que desea eliminar y, a continuación, elija **Acción** y luego **Eliminar programación**. La programación se elimina en forma instantánea. Elija el botón actualizar (recargar) para ver la programación de trabajo actualizada. La programación mostrará un estado de **Eliminación** hasta que se haya eliminado por completo.
## Detener ejecuciones de trabajo
Puede detener un trabajo antes de que haya completado su ejecución. Puede elegir esta opción si sabe que el trabajo no está configurado correctamente o si el trabajo tarda demasiado en completarse.
En la página **Monitoreo**, en la lista **Ejecuciones de trabajo**, elija el trabajo que desea detener, elija **Acciones** y, a continuación, elija **Detener ejecución**.
## Ver los trabajos
Puede ver todos sus trabajos en la página **Trabajos**. Puede acceder a esta página al seleccionar **Trabajos** en el panel de navegación.
En la página **Trabajos**, puede ver todos los trabajos que se crearon en su cuenta. La lista **Sus trabajos** muestra el nombre del trabajo, su tipo, el estado de la última ejecución de ese trabajo y las fechas en las que se creó y modificó por última vez el trabajo. Puede elegir el nombre de un trabajo para ver información detallada de ese trabajo.
También puede utilizar el panel Monitoreo para ver todos los trabajos. Puede acceder al panel al elegir **Monitoreo** en el panel de navegación.
### Personalizar la visualización del trabajo
Puede personalizar la forma en que se muestran los trabajos en la sección **Sus trabajos** en la página **Trabajos**. Además, puede escribir texto en el campo de texto de búsqueda para mostrar sólo los trabajos con un nombre que contenga ese texto.
Si elige el ícono de configuración  en la sección **Sus trabajos**, puede personalizar cómo AWS Glue Studio muestra la información en la tabla. Puede elegir ajustar las líneas de texto en la pantalla, cambiar el número de trabajos mostrados en la página y especificar qué columnas mostrar.
## Ver información sobre las ejecuciones de trabajos recientes
Un trabajo puede ejecutarse varias veces a medida que se agregan nuevos datos en la ubicación de origen. Cada vez que se ejecuta un trabajo, se le asigna un ID único y se recopila información sobre esa ejecución. Puede utilizar los siguientes métodos para ver esta información:
+ Elija la pestaña **Ejecuciones** del editor visual para ver la información de ejecución del trabajo que se muestra actualmente.
En la pestaña **Ejecuciones** (página **Ejecuciones de trabajo recientes**), se incluye una tarjeta para cada trabajo ejecutado. La información que se muestra en la pestaña **Ejecuciones** incluye lo siguiente:
+ ID de ejecución del trabajo
+ La cantidad de intentos de ejecución de este trabajo
+ Estado de la ejecución del trabajo
+ Hora de inicio y finalización de la ejecución del trabajo
+ El tiempo de ejecución para la ejecución del trabajo
+ Un enlace a los archivos de registro del trabajo
+ Un enlace a los archivos de registro de error del trabajo
+ Error devuelto por trabajos fallidos
+ Puede seleccionar una ejecución del trabajo para ver información adicional, que incluya lo siguiente:
+ **Argumentos de entrada**
+ **Registros continuos**
+ **Métricas**: puede ver visualizaciones de métricas básicas. Para obtener más información sobre las métricas incluidas, consulte [Visualización de métricas de Amazon CloudWatch para una ejecución de trabajo de Spark](view-job-runs.md#monitoring-job-run-metrics).
+ **Interfaz de usuario de Spark**: puede visualizar los registros de Spark para su trabajo en la interfaz de usuario de Spark. Para obtener más información acerca de cómo usar la interfaz de usuario de Spark Web, consulte [Monitorización de trabajos mediante la interfaz de usuario web de Apache Spark](monitor-spark-ui.md). Habilite esta característica; para ello, siga el procedimiento que se describe en [Habilitación de la interfaz de usuario web de Apache Spark para trabajos de AWS Glue](monitor-spark-ui-jobs.md).
Puede seleccionar **Ver detalles** para ver información similar en la página de detalles de la ejecución del trabajo. Como alternativa, puede ir a la página de detalles de la ejecución del trabajo a través de la página **Supervisión**. En el panel de navegación, seleccione **Monitoreo**. Desplácese hacia abajo en la lista **Ejecuciones de trabajo**. Elija el trabajo y, a continuación, elija **Ver detalles de ejecución**. Los contenidos se describen en [Visualización de los detalles de una ejecución de trabajo](view-job-runs.md#monitoring-job-run-details).
Para obtener más información acerca de los registros de trabajo, consulte [Visualización de los registros de ejecución de trabajo](view-job-runs.md#monitoring-job-run-logs).
## Ver el script de trabajo
Después de proporcionar información para todos los nodos del trabajo, AWS Glue Studio genera un script que el trabajo utiliza para leer los datos de la fuente, transformarlos y escribirlos en la ubicación de destino. Si guarda el trabajo, puede ver este script en cualquier momento.
**Para ver el script generado para su trabajo**
1. En el panel de navegación, elija **Trabajos**.
1. En la página **Trabajos**, en la lista **Sus trabajos** elija el nombre del trabajo que desea revisar. Como alternativa, puede seleccionar un trabajo en la lista, elegir la opción **Acciones** y, a continuación, elegir **Editar trabajo**.
1. En la página del editor visual, elija la pestaña **Script** en la parte superior para ver el script de trabajo.
Si desea editar el script de trabajo, consulte [Guía de programación de AWS Glue](edit-script.md).
## Modificar las propiedades del trabajo
Los nodos del diagrama de trabajo definen las acciones que realiza el trabajo, pero también se pueden configurar varias propiedades para el trabajo. Estas propiedades determinan el entorno en el que se ejecuta el trabajo, los recursos que utiliza, la configuración de umbral, la configuración de seguridad, etc.
**Para personalizar el entorno de ejecución del trabajo**
1. En el panel de navegación, elija **Jobs (Trabajos)**.
1. En la página **Jobs (Trabajos)**, en la lista **Your jobs (Sus trabajos)** elija el nombre del trabajo que desea revisar.
1. En la página del editor visual, elija la pestaña **Detalles del trabajo** en la parte superior del panel de edición del trabajo.
1. Modifique las propiedades del trabajo, según sea necesario.
Para obtener más información acerca de las propiedades de trabajo, consulte [Definición de las propiedades del trabajo](https://docs.aws.amazon.com/glue/latest/dg/add-job.html#create-job) en la *Guía para desarrolladores de AWS Glue*.
1. Expanda la sección **Propiedades avanzadas** si necesita especificar estas propiedades adicionales del trabajo:
+ **Nombre del archivo de script**: el nombre del archivo que almacena el script de trabajo en Amazon S3.
+ **Ruta del script**: ubicación de Amazon S3 donde se almacena el script de trabajo.
+ **Métricas de trabajo**: (no disponible para trabajos de intérprete de comandos de Python) activa la creación de métricas de Amazon CloudWatch cuando se ejecuta este trabajo.
+ **Registro continuo**: (no disponible para trabajos de intérprete de comandos de Python) activa el registro continuo en CloudWatch, para que los registros estén disponibles para su visualización antes de que finalice el trabajo.
+ **Interfaz de usuario de Spark** y **Ruta de registros de la interfaz de usuario de Spark**: (no disponible para trabajos de intérprete de comandos de Python) activa el uso de la interfaz de usuario de Spark para supervisar este trabajo y especifica la ubicación de los registros de la interfaz de usuario de Spark.
+ **Concurrencia máxima**: establece el número máximo de ejecuciones concurrentes que están permitidas para este trabajo.
+ **Ruta temporal**: la ubicación de un directorio de trabajo en Amazon S3 donde los resultados intermedios temporales se escriben cuando AWS Glue ejecuta el script de trabajo.
+ **Umbral de notificación de retraso (minutos)**: especifica un umbral de retraso para el trabajo. Si el trabajo se ejecuta durante un tiempo más largo que el especificado por el umbral, entonces, AWS Glue envía una notificación de retraso para el trabajo a CloudWatch.
+ **Configuración de seguridad** y **Cifrado en el lado del servidor**: utilice estos campos para elegir las opciones de cifrado para el trabajo.
+ **Utilizar Glue Data Catalog como metaalmacén de Hive**: elija esta opción si desea utilizar AWS Glue Data Catalog como una alternativa a Apache Hive Metastore.
+ **Conexión de red adicional**: para un origen de datos en una VPC, puede especificar una conexión de tipo `Network`, a fin de garantizar que su trabajo acceda a sus datos a través de la VPC.
+ **Ruta de la biblioteca Python**, **Ruta de archivos JAR dependientes** (no disponible para trabajos de intérprete de comandos de Python), o **Ruta de archivos referenciados**: utilice estos campos para especificar la ubicación de los archivos adicionales que el trabajo utiliza cuando ejecuta el script.
+ **Parámetros del trabajo**: puede agregar un conjunto de pares de clave-valor que se transfieren como parámetros con denominación al script de trabajo. En las llamadas de Python a AWS Glue API, es mejor transferir los parámetros explícitamente por nombre. Para obtener más información sobre el uso de parámetros en un script de trabajo, consulte [Transferencia y acceso a los parámetros de Python en AWS Glue](https://docs.aws.amazon.com/glue/latest/dg/aws-glue-programming-python-calling.html#aws-glue-programming-python-calling-parameters) en la *Guía para desarrolladores de AWS Glue*.
+ **Etiquetas**: puede agregar etiquetas al trabajo para que le resulte más fácil organizarlos e identificarlos.
1. Después de modificar las propiedades del trabajo, guarde el trabajo.
### Almacenar archivos de mezclas aleatorias de Spark en Amazon S3
Algunos trabajos de ETL requieren leer y combinar información de diversas particiones, por ejemplo, cuando se utiliza una transformación de combinación. Esta operación se conoce como *mezclado aleatorio*. Durante una mezcla aleatoria, los datos se escriben en el disco y se transfieren a través de la red. Con AWS Glue, versión 3.0, puede configurar Amazon S3 como ubicación de almacenamiento para estos archivos. AWS Glue proporciona un administrador de mezclas aleatorias que escribe y lee archivos de mezcla aleatoria desde y hacia Amazon S3. La escritura y la lectura de archivos de mezcla aleatoria de Amazon S3 es más lenta (entre un 5 % y un 20 %) en comparación con el disco local (o Amazon EBS, que está muy optimizado para Amazon EC2). No obstante, Amazon S3 ofrece capacidad de almacenamiento ilimitada, por lo que no tiene que preocuparse por errores de “`No space left on device`” al ejecutar su trabajo.
**Para configurar su trabajo de modo que utilice Amazon S3 para archivos de mezcla aleatoria**
1. En la página **Trabajos**, en la lista **Sus trabajos** elija el nombre del trabajo que desea modificar.
1. En la página del editor visual, elija la pestaña **Job details (Detalles del trabajo)** en la parte superior del panel de edición del trabajo.
Desplácese hasta la sección **Parámetros del trabajo**.
1. Especifique los siguientes pares clave-valor.
+ `--write-shuffle-files-to-s3` — `true`
Este es el parámetro principal que configura el administrador de mezclas aleatorias en AWS Glue para utilizar los buckets de Amazon S3 para escribir y leer datos aleatorios. Este parámetro es un indicador basado en la presencia; si se añade a cualquier valor, se activa la mezcla aleatoria de Amazon S3. Para deshabilitar la mezcla aleatoria de Amazon S3, elimine este parámetro por completo de la configuración de su trabajo.
+ Opcional `--write-shuffle-spills-to-s3` — `true` (solo se admite en la versión 2.0 de AWS Glue).
Este parámetro le permite descargar archivos de desbordamiento en buckets de Amazon S3, lo que proporciona resistencia adicional a su trabajo de Spark en AWS Glue. Esto solo es necesario para cargas de trabajo grandes que provocan grandes desbordamientos al disco. Cuando no se especifica la marca, no se graba ningún archivo de volcado intermedio.
+ (Optional) `--conf spark.shuffle.glue.s3ShuffleBucket`: `S3://<{{shuffle-bucket}}>`
Este parámetro especifica el bucket de Amazon S3 que se utilizará al escribir los archivos de mezcla aleatoria. Si no establece este parámetro, la ubicación es la carpeta `shuffle-data` en la ubicación especificada para **Ruta temporal** (`--TempDir`).
**nota**
Asegúrese de que la ubicación del bucket de mezcla aleatoria esté en la misma Región de AWS en la que se ejecuta el trabajo.
Además, el servicio de mezcla aleatoria no limpia los archivos después de que el trabajo termine de ejecutarse, por lo que debe configurar las políticas de ciclo de vida de almacenamiento de Amazon S3 en la ubicación del bucket de mezcla aleatoria. Para obtener más información, consulte [Administración del ciclo de vida de almacenamiento](https://docs.aws.amazon.com/AmazonS3/latest/userguide/object-lifecycle-mgmt.html) en la *Guía del usuario de Amazon S3*.
## Guardar el trabajo
Se muestra un globo de color rojo: **El trabajo no se ha guardado**, a la izquierda del botón **Guardar** hasta que guarde el trabajo.
**Para guardar el trabajo**
1. Proporcione toda la información necesaria en las pestañas **Visual** y **Detalles del trabajo**.
1. Seleccione el botón **Guardar**.
Después de guardar el trabajo, el globo “no guardado” cambia para mostrar la hora y la fecha en que se guardó el trabajo por última vez.
Si sale de AWS Glue Studio antes de guardar el trabajo, la próxima vez que inicie sesión en AWS Glue Studio, aparecerá una notificación. La notificación indica que hay un trabajo sin guardar y pregunta si desea restaurarlo. Si decide restaurar el trabajo, podrá continuar editándolo.
### Solución de errores al guardar un trabajo
Si elige el botón **Guardar**, pero a su trabajo le falta información necesaria, aparecerá un globo rojo en la pestaña donde falta la información. El número en el globo indica cuántos campos faltantes se detectaron.
+ Si un nodo del editor visual no está configurado correctamente, la pestaña **Visual** muestra un globo rojo y el nodo con el error muestra un símbolo de advertencia .
1. Elija el nodo. En el panel de detalles del nodo, aparece un globo rojo en la pestaña donde se encuentra la información faltante o incorrecta.
1. Elija la pestaña del panel de detalles del nodo que muestra un globo rojo y, a continuación, busque los campos problemáticos, que están resaltados. Un mensaje de error debajo de los campos proporciona información adicional sobre el problema.
+ Si hay un problema con las propiedades del trabajo, la pestaña **Detalles del trabajo** muestra un globo rojo. Elija esa pestaña y busque los campos problemáticos, que están resaltados. Los mensajes de error debajo de los campos proporcionan información adicional acerca del problema.
## Clonación de un trabajo
Puede utilizar la acción **Clonar trabajo** para copiar un trabajo existente en un nuevo trabajo.
**Para crear un nuevo trabajo al copiar un trabajo existente**
1. En la página **Trabajos**, en la lista **Sus trabajos** elija el trabajo que desea duplicar.
1. En el menú **Acciones**, seleccione **Clonar trabajo**.
1. Ingrese un nombre para el nuevo trabajo. A continuación, puede guardar o editar el trabajo.
## Eliminación de trabajos
Puede eliminar trabajos que ya no son necesarios. Puede eliminar uno o más trabajos en una sola operación.
**Para eliminar trabajos de AWS Glue Studio**
1. En la página **Trabajos**, en la lista **Sus trabajos** elija el trabajo que desea eliminar.
1. En el menú **Acciones**, elija **Eliminar trabajo**.
1. Verifique que desea eliminar el trabajo, ingrese **delete**.
También puede eliminar un trabajo guardado cuando esté viendo la pestaña **Detalles del trabajo** de ese trabajo en el editor visual.