Amazon Redshift dejará de admitir la creación de nuevas UDF de Python a partir del parche 198. Las UDF de Python existentes seguirán funcionando hasta el 30 de junio de 2026. Para obtener más información, consulte la publicación del blog.

Consulta de tablas de Amazon S3 desde Amazon Redshift

Amazon Redshift se integra con los buckets de tablas de Amazon S3, lo que le permite acceder a los recursos de las tablas de S3 mediante Amazon Redshift. Tanto si acaba de empezar como si gestiona miles de tablas en su entorno Iceberg, los buckets de tablas simplifican la gestión del lago de datos a cualquier escala. Para obtener más información, consulte buckets de tabla.

En este tema se describe cómo empezar a utilizar tablas de Amazon S3 y Redshift, así como a acceder a los objetos de tablas de S3 mediante Amazon Redshift.

Requisitos previos

Antes de consultar las tablas de S3 desde Amazon Redshift, debe integrar las tablas de S3 con AWS Glue Data Catalog. Para obtener instrucciones, consulte Integración de tablas de Amazon S3 con AWS Glue Data Catalog.

Una vez que las tablas de S3 se haya integrado con AWS Glue Data Catalog, las entidades principales de IAM con las tablas de S3 y los permisos de IAM de AWS Glue necesarios pueden detectar tablas de S3 a través de AWS Glue Data Catalog.

Consulta de tablas de S3 desde Amazon Redshift

Para comenzar las consultas de tablas de S3, siga estos pasos:

Paso 1: Crear un rol de IAM para Amazon Redshift

Su clúster necesita autorización para acceder al catálogo externo de tablas de S3 en AWS Glue. Para proporcionar dicha autorización, Amazon Redshift utiliza un rol de IAM asociado a su clúster. Cree un rol de IAM con los siguientes permisos de política.

Para crear una política:

Para crear un rol de IAM para Amazon Redshift:

Paso 2: Asociar el rol de IAM a su clúster de Amazon Redshift

Asocie el rol de IAM que ha configurado en el paso 1 a su clúster de Amazon Redshift.

Uso de la consola de administración de AWS:

Uso de AWS CLI:

Ejecute el siguiente comando para asociar un rol de IAM a un clúster o espacio de nombres existente. Reemplace my-redshift-cluster o my-redshift-namespace por el espacio de nombres o el identificador del clúster y 111122223333 por su ID de cuenta de AWS.

aws redshift modify-cluster-iam-roles \
    --cluster-identifier my-redshift-cluster \
    --add-iam-roles arn:aws:iam::111122223333:role/RedshiftS3TablesRole

-- for serverless
aws redshift-serverless update-namespace \
    --namespace-name my-redshift-namespace \
    --iam-roles "arn:aws:iam::111122223333:role/RedshiftS3TablesRole"

Para obtener más información, consulte Asociación de roles de IAM a los clústeres en la Guía de administración de Amazon Redshift.

Paso 3: Consulta de tablas de S3 desde Amazon Redshift

Al integrar las tablas de S3 con AWS Glue Data Catalog, el servicio crea una estructura de catálogo federada que asigna los recursos de las tablas de S3 a los objetos del catálogo de AWS Glue:

La integración crea la siguiente jerarquía:

Por ejemplo, si tiene un bucket de tabla de S3 denominado analytics-bucket con un espacio de nombres sales que contiene una tabla transactions, la ruta completa en AWS Glue Data Catalog sería: s3tablescatalog/analytics-bucket/sales/transactions.

Crear un recurso compartido

Antes de utilizar cualquiera de los tres métodos de consulta que se indican a continuación, debe crear un enlace de recurso en AWS Glue Data Catalog. Los enlaces a recursos permiten a Amazon Redshift consultar las bases de datos de tablas de S3 a través del catálogo estándar.

Uso de la consola de AWS Glue:

Uso de AWS CLI:

aws glue create-database \
  --region us-west-2 \
  --cli-input-json '{
        "CatalogId": "111122223333",
        "DatabaseInput": {
            "Name": "sales_resource_link",
            "TargetDatabase": {
                "CatalogId": "111122223333:s3tablescatalog/analytics-bucket",
                "DatabaseName": "sales"
            }
        }
  }'

Este comando crea un enlace de recurso denominado sales_resource_link en su catálogo de datos de AWS Glue que apunta a la base de datos de sales en el bucket de la tabla de S3 del analytics-bucket.

Una vez creados los enlaces a los recursos, Amazon Redshift ofrece tres métodos para consultar las tablas de S3. Elija el método que mejor se adapte a su caso de uso.

Método 1: CREAR UN ESQUEMA EXTERNO

Utilice CREATE EXTERNAL SCHEMA para crear un esquema externo que haga referencia a la base de datos de la tabla de S3. Este método proporciona un control explícito sobre la denominación y la configuración del esquema.

Para obtener información completa sobre la sintaxis, consulte CREAR UN ESQUEMA EXTERNO en la Guía para desarrolladores de bases de datos Amazon Redshift.

Ejemplo

Utilice el nombre de la base de datos y el ID del catálogo del paso 3. Reemplace 111122223333 por su ID de cuenta de AWS.

CREATE EXTERNAL SCHEMA s3tables_schema
FROM DATA CATALOG DATABASE 'sales_resource_link'
IAM_ROLE 'arn:aws:iam::111122223333:role/RedshiftS3TablesRole'
REGION 'us-west-2'
CATALOG_ID '111122223333';

SELECT * FROM s3tables_schema.transactions;

Método 2: CREAR BASE DE DATOS DESDE ARN

Utilice CREATE DATABASE con la cláusula FROM ARN para crear una base de datos federada que haga referencia directa a su enlace de recurso de AWS Glue. Este método asigna automáticamente la base de datos de AWS Glue a una base de datos Redshift.

Para obtener información completa sobre la sintaxis, consulte CREAR BASE DE DATOS en la Guía para desarrolladores de bases de datos de Amazon Redshift.

Ejemplo

Reemplace 111122223333 por su ID de cuenta de AWS.

CREATE DATABASE s3tables_db
FROM ARN 'arn:aws:glue:us-west-2:111122223333:database/sales_resource_link'
WITH DATA CATALOG SCHEMA analytics_schema
IAM_ROLE 'arn:aws:iam::111122223333:role/RedshiftS3TablesRole';

SELECT * FROM s3tables_db.analytics_schema.transactions;

Método 3: awsdatacatalog montado automáticamente

Amazon Redshift puede montar automáticamente bases de datos de AWS Glue Data Catalog, incluidos los enlaces a recursos de tablas de S3, a través de la base de datos de awsdatacatalog. Este método requiere que el acceso federado a Spectrum (FAS) esté habilitado en el clúster.

Requisitos previos

Para usar la base de datos de awsdatacatalog montada automáticamente, debe habilitar el acceso federado a Spectrum. Esto permite a Amazon Redshift utilizar credenciales de identidad federadas para acceder a AWS Glue Data Catalog y orígenes de datos externos.

Para habilitar el acceso federado a Spectrum:

Para obtener instrucciones detalladas sobre cómo configurar el acceso federado, consulte Uso de una identidad federada para administrar el acceso de Amazon Redshift a los recursos locales y a las tablas externas de Amazon Redshift Spectrum en la Guía de administración de Amazon Redshift.

Consulta de tablas de S3

Una vez configurado el acceso federado, verifique los esquemas montados y consulte las tablas de S3.

Verifique los esquemas montados:

SHOW SCHEMAS FROM DATABASE awsdatacatalog;

Consulte las tablas de S3 utilizando el nombre del enlace de recurso del paso 3:

SELECT * FROM awsdatacatalog.sales_resource_link.transactions;