翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
# の設定済みテーブル AWS Clean Rooms
*設定済みテーブル*は、データソース内の既存のテーブルへの参照です。これには、データのクエリ AWS Clean Rooms 方法を決定する分析ルールが含まれており、テーブルの使用状況を制御するためのデータアクセス予算を含めることができます。設定済みテーブルは 1 つ以上のコラボレーションに関連付けることができます。
を使用すると AWS Clean Rooms、購入数と購入数の比較など、イベントデータの集約分析を実行できます。また、重複する顧客データをセグメントデータから CRM データに強化するなど、イベントデータのリスト分析を実行することもできます。さらに、カスタムクエリを実行し、表示者データやセグメント属性などのイベントデータに差分プライバシーを設定することもできます。これらの分析タイプのいずれかについて、データアクセス予算を設定して、クエリを介してアクセスされるデータの量を監視および制御できます。
まず、 でコラボレーションを作成し AWS Clean Rooms 、招待 AWS アカウント する を追加するか、メンバーシップを作成して招待されたコラボレーションに参加します。次に、コラボレーションの他のメンバーと共に設定済みテーブルを作成します。設定済みテーブル (集計、リスト、カスタム) に分析ルールを追加し、オプションでデータアクセス予算を設定します。次に、設定されたテーブルをコラボレーションに関連付けます。最後に、クエリを実行できるメンバーは 2 つのデータテーブルでクエリを実行し、クエリの実行時にデータアクセス予算を消費します。
次の図は、 でイベントデータを操作する方法をまとめたものです AWS Clean Rooms。
![\[でイベントデータを使用する方法を説明する図 AWS Clean Rooms\]](http://docs.aws.amazon.com/ja_jp/clean-rooms/latest/userguide/images/how-it-works-event-data.png)
**Topics**
+ [で設定済みテーブルを作成する AWS Clean Rooms](create-configured-table.md)
+ [設定済みテーブルへの分析ルールの追加](add-analysis-rule.md)
+ [設定済みテーブルのコラボレーションへの関連付け](associate-configured-table.md)
+ [Configuring a data access budget](configure-data-access-budget.md)
+ [設定済みテーブルへのコラボレーション分析ルールの追加](add-collaboration-analysis-rule.md)
+ [差分プライバシーポリシーの設定 (オプション)](configure-differential-privacy.md)
+ [テーブルと分析ルールの表示](view-tables.md)
+ [設定済みテーブルの編集](edit-configured-table.md)
+ [設定済みテーブルのタグの編集](edit-config-table-tags.md)
+ [設定済みテーブル分析ルールの編集](edit-config-table-analysis-rule.md)
+ [設定済みテーブル分析ルールの削除](delete-config-table-analysis-rule.md)
+ [設定済みテーブルの許可されていない列](disallowed-columns.md)
+ [設定済みテーブルの関連付けの編集](edit-config-table-assoc.md)
+ [設定済みテーブルの関連付けの解除](disassociate-config-table.md)
# で設定済みテーブルを作成する AWS Clean Rooms
*設定済みテーブル*は、データソース内の既存のテーブルへの参照です。設定済みテーブルには、 AWS Clean Roomsでどのようにデータにクエリを実行するかを決定する分析ルールが含まれています。設定済みテーブルは 1 つ以上のコラボレーションに関連付けることができます。
AWS SDKs を使用して設定済みテーブルを作成する方法については、 [https://docs.aws.amazon.com/clean-rooms/latest/apireference/Welcome.html](https://docs.aws.amazon.com/clean-rooms/latest/apireference/Welcome.html)を参照してください。
**Topics**
+ [設定済みテーブルの作成 – Amazon S3 データソース](create-config-table-s3.md)
+ [設定済みテーブルの作成 – Amazon Athena データソース](create-config-table-athena.md)
+ [設定済みテーブルの作成 – Snowflake データソース](create-config-table-snowflake.md)
# 設定済みテーブルの作成 – Amazon S3 データソース
この手順では、[メンバー](glossary.md#glossary-member)は次のタスクを実行します。
+ で使用する既存の AWS Glue テーブルを設定します AWS Clean Rooms。(このステップは、Cryptographic Computing for Clean Rooms を使用している場合を除き、コラボレーションに参加する前でも後でも実行できます)。
**注記**
AWS Clean Rooms は AWS Glue テーブルをサポートします。データの取得の詳細については AWS Glue、「」を参照してください[ステップ 3: データテーブルを Amazon S3 にアップロードする](prepare-data-S3.md#upload-to-s3)。
+ [設定済みテーブル](glossary.md#glossary-configured-table)に名前を付け、コラボレーションに使用する列を選択します。
次の手順は、次のことを前提としています。
+ コラボレーションメンバーは、データ[テーブルを Amazon S3 にアップロード](prepare-data-S3.md#upload-to-s3)し、 [AWS Glue テーブルを作成](prepare-data-S3.md#create-glue-crawler)済みです。
**注記**
**Amazon S3 の結果の送信先**をデータソースと同じ S3 バケット内にすることはできません。
+ (オプション) [暗号化](glossary.md#glossary-encryption)されたデータテーブルの場合は、コラボレーションメンバーが、C3R 暗号化クライアントを使用して既に[暗号化されたデータテーブルを準備](prepare-encrypted-data.md)していること。
によって提供される統計生成を使用して AWS Glue 、 AWS Glue Data Catalog テーブルの列レベルの統計を計算できます。がデータカタログ内のテーブルの統計 AWS Glue を生成すると、Amazon Redshift Spectrum はそれらの統計を自動的に使用してクエリプランを最適化します。を使用した列レベルの統計の計算の詳細については AWS Glue、*AWS Glue 「 ユーザーガイド*[」の「列統計を使用したクエリパフォーマンスの最適化](https://docs.aws.amazon.com/glue/latest/dg/column-statistics.html)」を参照してください。詳細については AWS Glue、*[AWS Glue デベロッパーガイド](https://docs.aws.amazon.com/glue/latest/dg/what-is-glue.html)*を参照してください。
**設定済みテーブルを作成するには – Amazon S3 データソース**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[テーブル]** を選択します。
1. 右上隅にある **[新しいテーブルを設定]** を選択します。
1. **データソース**で、**AWS データソース**で **Amazon S3** を選択します。
1. **Amazon S3 テーブル**の下:
1. S3 テーブルがホストされている**リージョン**を選択します。
デフォルトでは、現在のリージョン (バージニア北部 us-east-1 など) が選択されます。
**警告**
Amazon S3 データソースが処理場所とは異なるリージョンにある場合、データ処理はソースリージョンの外部で一時的に発生する可能性があります。先に進む前に、クロスリージョンのデータ移動がデータ主権要件、規制コンプライアンスポリシー、データガバナンス標準に準拠していることを確認します。
リージョンの詳細については、の[「リージョンとエンドポイント](https://docs.aws.amazon.com/general/latest/gr/rande.html)」を参照してください*AWS 全般のリファレンス*。
1. ドロップダウンリストから**データベース**を選択します。
1. 設定する **[テーブル]** をドロップダウンリストから選択します。
**注記**
テーブルが正しいことを確認するには、次のいずれかの操作を行います。
**「表示 AWS Glue**」を選択します。
**スキーマを表示するには、 から AWS Glue**スキーマの表示を有効にします。
**重要**
データが CSV 形式の AWS Glue テーブルの場合、 Glue スキーマの列名と順序は CSV データと完全に一致する必要があります。一致しない場合、設定済みテーブルの許可された列リストが正しく適用されない可能性があります。
1. **コラボレーションで許可される列と分析方法の場合**、
1. **コラボレーションで許可する列**
+ **すべての列**を選択して、コラボレーションですべての列をクエリできるようにします。
+ **カスタムリスト**を選択して、許可された列を指定**ドロップダウンリストから 1 つ以上の列**をコラボレーションでクエリできるようにします。
1. **許可された分析方法**の場合、
1. **Direct query** を選択して、このテーブルで SQL クエリを直接実行できるようにします。
1. **Direct job** を選択して、このテーブルで PySpark ジョブを直接実行できるようにします。
**Example 例**
たとえば、コラボレーションメンバーがすべての列で直接 SQL クエリと PySpark ジョブの両方を実行できるようにする場合は、**すべての列**、**直接クエリ**、および**直接ジョブ**を選択します。
1. **[設定済みのテーブルの詳細]** で以下の操作を行います。
1. 設定済みテーブルの **[名前]** を入力します。
デフォルトの名前を使用することも、テーブルの名前を変更することもできます。
1. テーブルの **[説明]** を入力します。
この説明は、似たような名前を持つ他の設定済みテーブルと区別するのに役立ちます。
1. 設定済みテーブルのリソースで**タグ**を有効にする場合は、**[新しいタグを追加]** を選択し、**キー**と**値**のペアを入力します。
1. **[新しいテーブルを設定]** を選択します。
設定済みテーブルを作成したら、次の作業に進むことができます。
+ [設定済みテーブルへの分析ルールの追加](add-analysis-rule.md)
+ [設定済みテーブルをコラボレーションに関連付ける](associate-configured-table.md)
# 設定済みテーブルの作成 – Amazon Athena データソース
Amazon Athena データソースオプションを使用すると、Amazon S3 に保存され、データカタログまたはフェデレーティッドカタログにカタログ化された AWS Glue データをクエリし、 を介してアクセスを制御できます AWS Lake Formation。テーブルと AWS Glue Data Catalog ビューの両方がサポートされています。Lake Formation リソースリンクを使用して、テーブルとビュー AWS リージョン を AWS Clean Rooms コラボレーションに結合する AWS Clean Rooms メンバーアカウント AWS アカウント 間で共有できます。
**注記**
Athena データソース統合を介してクエリできるのは、Amazon S3 ベースのデータセットのみです。
この手順では、[メンバー](glossary.md#glossary-member)は次のタスクを実行します。
+ を使用する AWS Glue Data Catalog ように の既存のテーブルまたはビューを設定します。 AWS Clean Rooms
+ [設定済みテーブル](glossary.md#glossary-configured-table)に名前を付け、コラボレーションに使用する列を選択します。
次の手順は、次のことを前提としています。
+ コラボレーションメンバーは AWS Glue Data Catalog 、データベースとテーブルまたは GDC ビューを既に作成しています。
**設定済みテーブルを作成するには – Athena データソース**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[テーブル]** を選択します。
1. 右上隅にある **[新しいテーブルを設定]** を選択します。
1. **データソース**で、**AWS データソース**で **Amazon Athena** を選択します。
1. **Amazon Athena テーブル**の下:
1. Amazon Athena テーブルがホストされている**リージョン**を選択します。
デフォルトでは、現在のリージョン (バージニア北部 us-east-1 など) が選択されます。
**警告**
Amazon Athena データソースが処理場所とは異なるリージョンにある場合、データ処理はソースリージョンの外部で一時的に発生する可能性があります。先に進む前に、クロスリージョンのデータ移動がデータ主権要件、規制コンプライアンスポリシー、データガバナンス標準に準拠していることを確認します。
リージョンの詳細については、の[「リージョンとエンドポイント](https://docs.aws.amazon.com/general/latest/gr/rande.html)」を参照してください*AWS 全般のリファレンス*。
1. ドロップダウンリストから**カタログ**を選択します。
デフォルトでは、**AWS Glue データカタログ**が選択されます。
+ **AWS Glue データカタログ** – のテーブルのデフォルトカタログ AWS Glue。
+ **フェデレーティッドカタログ** – リモート Apache Iceberg REST カタログに接続するように AWS Glue カタログフェデレーションを設定している場合に使用できます。詳細については、「 *AWS Lake Formation デベロッパーガイド*」の[「カタログフェデレーション](https://docs.aws.amazon.com/lake-formation/latest/dg/catalog-federation.html)」を参照してください。
1. ドロップダウンリストから**データベース**を選択します。
1. 設定する **[テーブル]** をドロップダウンリストから選択します。
**注記**
テーブルが正しいことを確認するには、次のいずれかの操作を行います。
**で表示 AWS Glue** または **で表示 AWS Lake Formation** (カタログタイプに応じて) を選択します。
**スキーマを表示するには、 から AWS Glue**スキーマの表示を有効にします。
1. **Amazon Athena 設定**の場合、
1. ドロップダウンリストから**ワークグループ**を選択します。
1. **S3 出力の場所**では、次のいずれかのシナリオに基づいて、推奨されるアクションを選択します。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ja_jp/clean-rooms/latest/userguide/create-config-table-athena.html)
1. **コラボレーションで許可される列**については、目標に基づいてオプションを選択します。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ja_jp/clean-rooms/latest/userguide/create-config-table-athena.html)
1. **[設定済みのテーブルの詳細]** で以下の操作を行います。
1. 設定済みテーブルの **[名前]** を入力します。
デフォルトの名前を使用することも、テーブルの名前を変更することもできます。
1. テーブルの **[説明]** を入力します。
この説明は、似たような名前を持つ他の設定済みテーブルと区別するのに役立ちます。
1. 設定済みテーブルのリソースで**タグ**を有効にする場合は、**[新しいタグを追加]** を選択し、**キー**と**値**のペアを入力します。
1. **[新しいテーブルを設定]** を選択します。
設定済みテーブルを作成したら、次の作業に進むことができます。
+ [設定済みテーブルへの分析ルールの追加](add-analysis-rule.md)
+ [設定済みテーブルをコラボレーションに関連付ける](associate-configured-table.md)
# 設定済みテーブルの作成 – Snowflake データソース
この手順では、[メンバー](glossary.md#glossary-member)は次のタスクを実行します。
+ で使用する既存の Snowflake テーブルを設定します AWS Clean Rooms。(このステップは、Cryptographic Computing for Clean Rooms を使用している場合を除き、コラボレーションに参加する前でも後でも実行できます)。
+ [設定済みテーブル](glossary.md#glossary-configured-table)に名前を付け、コラボレーションに使用する列を選択します。
次の手順は、次のことを前提としています。
+ コラボレーションメンバーはすでにデータテーブルを Snowflake にアップロードしています。
+ (オプション) [暗号化](glossary.md#glossary-encryption)されたデータテーブルの場合は、コラボレーションメンバーが、C3R 暗号化クライアントを使用して既に[暗号化されたデータテーブルを準備](prepare-encrypted-data.md)していること。
**設定済みテーブルを作成するには – Snowflake データソース**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[テーブル]** を選択します。
1. 右上隅にある **[新しいテーブルを設定]** を選択します。
1. **データソース**の場合、**サードパーティーのクラウドとデータソース**で **Snowflake **を選択します。
1. 既存のシークレット ARN を使用するか、このテーブルの新しいシークレットを保存して、**Snowflake 認証情報**を指定します。
------
#### [ Use existing secret ARN ]
1. シークレット ARN がある場合は、シーク**レット ARN** フィールドに入力します。
**Go to AWS Secrets Manager** を選択すると、シークレット ARN を検索できます。
1. 別のテーブルから既存のシークレットがある場合は、**既存のテーブルからシークレット ARN をインポート**を選択します。
**注記**
シークレット ARN はクロスアカウントとすることができます。
------
#### [ Store a new secret for this table ]
1. 次の Snowflake 認証情報を入力します。
+ **Snowflake ユーザー名**
+ **Snowflake ウェアハウス**
+ **Snowflake ロール**
+ **Snowflake Privacy Enhanced Mail (PEM) プライベートキー**
1. 暗号化の場合は、次のいずれかを実行します。
+ AWS マネージドキー (デフォルト) を使用するには、**暗号化設定のカスタマイズ**チェックボックスをオフにしたままにします。
+ カスタムを使用するには AWS KMS key:
+ **暗号化設定をカスタマイズ**チェックボックスをオンにします。
+ **KMS キー**の場合は、キー ARN を入力するか、リストから選択します。
1. 後で認証情報を見つけるのに役立つ**シークレット名**を入力します。
------
1. **Snowflake テーブルとスキーマの詳細**には、詳細を手動で入力するか、詳細を自動的にインポートします。
------
#### [ Enter the details manually ]
1. **Snowflake アカウント識別子**を入力します。
詳細については、Snowflake ドキュメントの[「アカウント識別子](https://docs.snowflake.com/en/user-guide/admin-account-identifier#finding-the-organization-and-account-name-for-an-account)」を参照してください。
アカウント識別子は、Snowflake ドライバーに使用される形式である必要があります。識別子が の形式になるように、ピリオド (.) をハイフン (-) に置き換える必要があります**-**。
1. **Snowflake データベース**を入力します。
詳細については、[Snowflake ドキュメントの「Snowflake データベース](https://docs.snowflake.com/en/sql-reference/snowflake-db)」を参照してください。
1. **Snowflake スキーマ名**を入力します。
1. **Snowflake テーブル名**を入力します。
詳細については、[Snowflake ドキュメントの「Snowflake テーブル構造について](https://docs.snowflake.com/en/user-guide/tables-micro-partitions)」を参照してください。
1. **スキーマ**には、**列名**を入力し、ドロップダウンリストから**データ型**を選択します。
1. **列の追加**を選択して列を追加します。
+ **オブジェクトデータ型**を選択した場合は、**オブジェクトスキーマ**を指定します。
**Example オブジェクトスキーマの例**
```
name STRING,
location OBJECT(
x INT,
y INT,
metadata OBJECT(uuid STRING)
),
history ARRAY(TEXT)
```
+ **配列データ型**を選択した場合は、**配列スキーマ**を指定します。
**Example 配列スキーマの例**
```
OBJECT(x INT, y INT)
```
+ Map **データ型**を選択した場合は、**Map スキーマ**を指定します。
**Example マップスキーマの例**
```
STRING, OBJECT(x INT, y INT)
```
------
#### [ Automatically import the details ]
1. Snowflake から COLUMNS ビューを CSV ファイルとしてエクスポートします。
Snowflake COLUMNS ビューの詳細については、Snowflake ドキュメントの[「COLUMNS ビュー](https://docs.snowflake.com/en/sql-reference/info-schema/columns)」を参照してください。
1. **ファイルからインポート**を選択して CSV ファイルをインポートし、追加情報を指定します。
データベース名、スキーマ名、テーブル名、列名、データ型が自動的にインポートされます。
+ **オブジェクトデータ型**を選択した場合は、**オブジェクトスキーマ**を指定します。
+ **配列データ型**を選択した場合は、**配列スキーマ**を指定します。
+ Map **データ型**を選択した場合は、**Map スキーマ**を指定します。
1. **Snowflake アカウント識別子**を入力します。
詳細については、Snowflake ドキュメントの[「アカウント識別子](https://docs.snowflake.com/en/user-guide/admin-account-identifier#finding-the-organization-and-account-name-for-an-account)」を参照してください。
**注記**
テーブルスキーマを自動的に取得するには AWS Glue 、 でカタログ化された S3 テーブルのみを使用できます。
------
1. **コラボレーションで許可される列**については、目標に基づいてオプションを選択します。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ja_jp/clean-rooms/latest/userguide/create-config-table-snowflake.html)
1. **[設定済みのテーブルの詳細]** で以下の操作を行います。
1. 設定済みテーブルの **[名前]** を入力します。
デフォルトの名前を使用することも、テーブルの名前を変更することもできます。
1. テーブルの **[説明]** を入力します。
この説明は、似たような名前を持つ他の設定済みテーブルと区別するのに役立ちます。
1. 設定済みテーブルのリソースで**タグ**を有効にする場合は、**[新しいタグを追加]** を選択し、**キー**と**値**のペアを入力します。
1. **[新しいテーブルを設定]** を選択します。
設定済みテーブルを作成したら、次の作業に進むことができます。
+ [設定済みテーブルへの分析ルールの追加](add-analysis-rule.md)
+ [設定済みテーブルをコラボレーションに関連付ける](associate-configured-table.md)
# 設定済みテーブルへの分析ルールの追加
以下のセクションでは、設定済みテーブルに分析ルールを追加する方法について説明します。分析ルールを定義すると、クエリを行えるメンバーに対して、 AWS Clean Roomsでサポートされる特定の分析ルールに一致するクエリを実行する権限を与えることができます。
AWS Clean Rooms は、次のタイプの分析ルールをサポートしています。
+ [集計分析ルール](analysis-rules-aggregation.md)
+ [リスト分析ルール](analysis-rules-list.md)
+ [のカスタム分析ルール AWS Clean Rooms](analysis-rules-custom.md)
設定済みテーブルごとに 1 つの分析ルールのみを割り当てることができます。設定済みテーブルをコラボレーションに関連付ける前に、いつでも分析ルールを設定できます。
**重要**
Cryptographic Computing for Clean Rooms を使用しており、コラボレーション内のデータテーブルを暗号化している場合、暗号化された設定済みテーブルに追加する分析ルールは、データの暗号化方法と一致している必要があります。例えば、SELECT のデータ (集計分析ルール) を暗号化した場合、JOIN の分析ルール (リスト分析ルール) は追加しないでください。
**Topics**
+ [集計分析ルールのテーブルへの追加 (ガイドフロー)](#add-agg-analysis-rule-console-wizard)
+ [リスト分析ルールのテーブルへの追加 (ガイドフロー)](#add-list-analysis-rule-console-wizard)
+ [カスタム分析ルールのテーブルへの追加 (ガイドフロー)](#add-custom-analysis-rule-wizard)
+ [テーブルへの分析ルールの追加 (JSON エディタ)](#add-analysis-rule-console-json-editor)
+ [次の手順](#add-analysis-rule-next-step)
## 集計分析ルールのテーブルへの追加 (ガイドフロー)
*集計分析ルール*では、COUNT、SUM、および AVG 関数を使用して、行レベルの情報を明らかにすることなく、任意のディメンションで統計を集計するクエリが可能になります。
この手順では、 AWS Clean Rooms コンソールの **[ガイドフロー]** オプションを使用して設定済みテーブルに集計分析ルールを追加するプロセスを説明します。
**注記**
non-S3データソースを使用する設定済みテーブルは、[カスタム分析ルール](#add-custom-analysis-rule-wizard)のみをサポートします。
**集計分析ルールをテーブルに追加するには (ガイドフロー)**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[テーブル]** を選択します。
1. 設定済みテーブルを選択します。
1. 設定済みテーブルの詳細ページで、**[分析ルールを設定]** を選択します。
1. **ステップ 1: 分析ルールタイプ**を選択し、**分析ルールタイプ**で**集計**オプションを選択します。
1. **[作成方法]** で **[ガイドフロー]**] を選択し、**[次へ]** を選択します。
1. **[ステップ 2: クエリコントロールを指定]** の **[集約関数]** で以下の操作を行います。
1. ドロップダウンから**集約関数**を選択します。
+ **COUNT**
+ **COUNT DISTINCT**
+ **SUM**
+ **SUM DISTINCT**
+ **AVG**
1. **集約関数**で使用可能にする列を **[列]** ドロップダウンから選択します。
1. (オプション) **[別の関数を追加]** を選択して別の集約関数を追加し、その関数に 1 つ以上の列を関連付けます。
**注記**
少なくとも 1 つの集約関数が必要です。
1. (オプション) **[削除]** を選択して集約関数を削除します。
1. **[結合コントロール]** で以下の操作を行います。
1. **[テーブルの単独クエリを許可]** オプションを 1 つ選択します。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ja_jp/clean-rooms/latest/userguide/add-analysis-rule.html)
1. **[結合列を指定]** で、INNER JOIN ステートメントでの使用を許可する列を選択します。
前のステップで **[はい]** を選択した場合、これは省略可能です**。
1. **[照合に使用できる演算子を指定してください]** で、複数の結合列の照合で使用可能にする演算子 (ある場合) を選択します。2 つ以上の JOIN 列を選択した場合、これらの演算子のいずれかが必要です。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ja_jp/clean-rooms/latest/userguide/add-analysis-rule.html)
1. **(オプション) **[ディメンションコントロール]** の **[ディメンション列を指定]** ドロップダウンで、SELECT ステートメントと、クエリの WHERE、GROUP BY、および ORDER BY 部分での使用を許可する列を選択します。
**注記**
集約関数または結合列は**ディメンション**列として使用できません。
1. **[スカラー関数]** の **[許可するスカラー関数]** でオプションを 1 つ選択します。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ja_jp/clean-rooms/latest/userguide/add-analysis-rule.html)
詳細については、「[スカラー関数](analysis-rules-aggregation.md#scalar-functions)」を参照してください。
1. **[次へ]** を選択します。
1. **[ステップ 3: クエリ結果コントロールを指定]** の **[集約制約]** で以下の操作を行います。
1. 各 **[列名]** のドロップダウンリストを選択します。
1. COUNT DISTINCT 関数を適用した後に、返される各出力行が満たす必要がある **[個別値の最小数]** をドロップダウンリストから選択します。
1. **[制約を追加]** を選択して集約制約を追加します。
1. (オプション) **[削除]** を選択して集約制約を削除します。
1. **[追加分析が出力に適用されました]** で、目標に応じてオプションを選択します。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ja_jp/clean-rooms/latest/userguide/add-analysis-rule.html)
1. [**次へ**] を選択します。
1. **[ステップ 4: 確認して設定]** で、前のステップで行った選択内容を確認し、必要に応じて編集して、**[分析ルールを設定]** を選択します。
集計分析ルールがテーブルに正常に設定されたことを示す確認メッセージが表示されます。
## リスト分析ルールのテーブルへの追加 (ガイドフロー)
*リスト分析ルール*では、クエリを実行できるメンバーのテーブルと関連するテーブルとの重複部分について行レベルのリストを出力するクエリが可能になります。
この手順では、 AWS Clean Rooms コンソールの**ガイド付きフロー**オプションを使用して、リスト分析ルールを設定済みテーブルに追加するプロセスについて説明します。
**注記**
non-S3データソースを使用する設定済みテーブルは、[カスタム分析ルール](#add-custom-analysis-rule-wizard)のみをサポートします。
**リスト分析ルールをテーブルに追加するには (ガイドフロー)**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[テーブル]** を選択します。
1. 設定済みテーブルを選択します。
1. 設定済みテーブルの詳細ページで、**[分析ルールを設定]** を選択します。
1. **ステップ 1: 分析ルールタイプ**を選択し、**分析ルールタイプ**で**リスト**オプションを選択します。
1. **[作成方法]** で **[ガイドフロー]**] を選択し、**[次へ]** を選択します。
1. **[ステップ 2: クエリコントロールを指定]** の **[結合コントロール]** で以下の操作を行います。
1. **[結合列を指定]** で、INNER JOIN ステートメントでの使用を許可する列を選択します。
1. **[照合に使用できる演算子を指定してください]** で、複数の結合列の照合で使用可能にする演算子 (ある場合) を選択します。2 つ以上の JOIN 列を選択した場合、これらの演算子のいずれかが必要です。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ja_jp/clean-rooms/latest/userguide/add-analysis-rule.html)
1. **(オプション) **[リストコントロール]** の **[リスト列を指定]** ドロップダウンで、クエリ出力での使用 (つまり、SELECT ステートメントでの使用)、または結果のフィルター処理での使用 (つまり WHERE ステートメントでの使用) を許可する列を選択します。
1. [**次へ**] を選択します。
1. **[ステップ 3: クエリ結果コントロールを指定]** の **[追加分析が出力に適用されました]** で、目標に応じてオプションを選択します。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ja_jp/clean-rooms/latest/userguide/add-analysis-rule.html)
1. **[ステップ 4: 確認して設定]** で、前のステップで行った選択内容を確認し、必要に応じて編集して、**[分析ルールを設定]** を選択します。
リスト分析ルールがテーブルに正常に設定されたことを示す確認メッセージが表示されます。
## カスタム分析ルールのテーブルへの追加 (ガイドフロー)
カスタム分析ルールは、設定されたテーブルでカスタム SQL クエリまたは PySpark ジョブを有効にします。カスタム分析ルールは、以下を使用している場合に必要になります。
+ 事前に承認された特定の SQL クエリまたは PySpark ジョブのセット、またはデータを使用するクエリを提供できる特定のアカウントのセットを許可する[分析テンプレート](create-analysis-template.md)。
+ ユーザー識別の試みから保護するための[AWS Clean Rooms 差分プライバシー](differential-privacy.md)。
+ Amazon Athena や Snowflake などの Non-S3データソース。
この手順では、 AWS Clean Rooms コンソールの**ガイド付きフロー**オプションを使用して、カスタム分析ルールを設定済みテーブルに追加するプロセスについて説明します。
**カスタム分析ルールをテーブルに追加するには (ガイドフロー)**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[テーブル]** を選択します。
1. 設定済みテーブルを選択します。
1. 設定済みテーブルの詳細ページで、**[分析ルールを設定]** を選択します。
1. **ステップ 1: 分析ルールタイプ**を選択する、**分析ルールタイプ**で**カスタム**オプションを選択します。
1. **[作成方法]** で **[ガイドフロー]**] を選択し、**[次へ]** を選択します。
1. **ステップ 2: 分析コントロールを指定する**で、**直接分析コントロール**には、目標に基づいてオプションを選択します。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ja_jp/clean-rooms/latest/userguide/add-analysis-rule.html)
1. **ステップ 3: 分析結果コントロールを指定する**
1. **ジョブ結果コントロール**では、追加の結果コントロールはサポートされていないことに注意してください。
1. **クエリ結果コントロール**で、**出力で許可されていない列**については、目標に基づいてクエリ出力で許可する列を選択します。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ja_jp/clean-rooms/latest/userguide/add-analysis-rule.html)
1. **出力に適用される追加分析**では、目標に基づいて追加の分析をクエリ出力に適用できるかどうかを選択します。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ja_jp/clean-rooms/latest/userguide/add-analysis-rule.html)
1. [**次へ**] を選択します。
1. (オプション) **ステップ 4: 差分プライバシーを設定する** で、差分プライバシーを有効または無効にするかどうかを決定します。
差分プライバシーは、再識別攻撃からデータを保護するための、数学的に証明された手法です。
**注記**
AWS Clean Rooms 差分プライバシーは、データが Amazon S3 に保存されているコラボレーションでのみ使用できます。
**差分プライバシー** では、目的に基づいて差分プライバシーを有効または無効にするかどうかを選択します。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ja_jp/clean-rooms/latest/userguide/add-analysis-rule.html)
1. **[ステップ 5: 確認して設定]** で、前のステップで行った選択内容を確認し、必要に応じて編集して、**[分析ルールを設定]** を選択します。
カスタム分析ルールがテーブルに正常に設定されたことを示す確認メッセージが表示されます。
## テーブルへの分析ルールの追加 (JSON エディタ)
次の手順は、 AWS Clean Rooms コンソールの **JSON エディタ**オプションを使用してテーブルに分析ルールを追加する方法を示しています。
**注記**
non-S3データソースを使用する設定済みテーブルは、[カスタム分析ルール](#add-custom-analysis-rule-wizard)のみをサポートします。
**集計、リスト、またはカスタム分析ルールをテーブルに追加するには (JSON エディタ)**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[テーブル]** を選択します。
1. 設定済みテーブルを選択します。
1. 設定済みテーブルの詳細ページで、**[分析ルールを設定]** を選択します。
1. **ステップ 1: 分析ルールタイプ**を選択し、**分析ルールタイプ**で**集計**、**リスト**、または**カスタム**オプションを選択します。
1. **[作成方法]** で **[JSON エディタ]** を選択し、**[次へ]** を選択します。
1. **[ステップ 2: コントロールを指定]** で、クエリ構造を挿入するか (**[テンプレートを挿入]**)、ファイルを挿入するか (**[ファイルからインポート]**) を選択します。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ja_jp/clean-rooms/latest/userguide/add-analysis-rule.html)
1. [**次へ**] を選択します。
1. **[ステップ 3: 確認して設定]** で、前のステップで行った選択内容を確認し、必要に応じて編集して、**[分析ルールを設定]** を選択します。
分析ルールがテーブルに正常に設定されたことを示す確認メッセージが表示されます。
## 次の手順
設定済みテーブルに分析ルールを設定したら、次の作業に進むことができます。
+ [設定済みテーブルをコラボレーションに関連付ける](associate-configured-table.md)
+ (クエリを行えるメンバーとして) [データテーブルにクエリを実行する](running-sql-queries.md)
# 設定済みテーブルのコラボレーションへの関連付け
設定済みテーブルを作成して分析ルールを追加したら、そのテーブルをコラボレーションに関連付け、 AWS Glue テーブルにアクセスするための AWS Clean Rooms サービスロールを付与できます。
**注記**
このサービスロールにはテーブルに対するアクセス許可があります。このサービスロールは、クエリを行えるメンバーに代わって許可されたクエリを実行するためにのみ、 AWS Clean Rooms によって引き受け可能です。コラボレーションメンバー (データの所有者以外) は誰も、コラボレーションの基になるテーブルにはアクセスできません。データの所有者は差分プライバシーをオンにして、他のメンバーがテーブルのクエリを利用できるようにすることが可能です。
## データアクセス予算
設定済みテーブルを関連付けると、データアクセス予算を適用できます。*データアクセス予算*は、コラボレーション内のクエリ、ジョブ、ML 入力チャネルにテーブルを使用できる回数を制御します。これらの予算は、テーブルの使用を制限することで、組織がリソース使用率を管理し、コストを制御するのに役立ちます。
テーブルがクエリ、ジョブ、または ML 入力チャネルで使用されるたびに、そのテーブルの予算が 1 つ削減されます。予算がゼロに達すると、テーブルを SQL クエリ、Pyspark ジョブ、またはテーブルから派生した ML 入力チャネルの一部として使用することはできません。
定期的に更新される期間ごとの予算、全体的な使用量のライフタイム予算、またはその両方を設定できます。デフォルトでは、テーブルの使用は無制限です。
+ 期間ごとの予算 – 指定した期間内にこのテーブルを使用できる回数を制限する更新可能な割り当て。期間は、毎日、毎週、または毎月に設定できます。この予算は、毎日、毎週、または毎月自動的に更新するように設定できます。
+ ライフタイム予算 – このテーブルを使用できる合計時間を制限する実行中の割り当て。
## 設定済みテーブルを関連付ける
以下のトピックでは、 コンソールを使用して、設定済みテーブルを AWS Clean Rooms 関連付け、データアクセス予算をコラボレーションに適用する方法について説明します。
AWS SDKs を使用して設定済みテーブルをコラボレーションに関連付ける方法については、 [https://docs.aws.amazon.com/clean-rooms/latest/apireference/Welcome.html](https://docs.aws.amazon.com/clean-rooms/latest/apireference/Welcome.html)を参照してください。
### ステップ 1: 前提条件を満たす
設定済みテーブルを関連付けるには、次の前提条件を満たす必要があります。
+ Amazon S3 フォルダの場所を指す AWS Glue テーブル (単一のファイルではない)
+ 暗号化された AWS Glue テーブルの場合:
+ テーブルの AWS Glue 復号に AWS KMS キーを使用するアクセス許可を持つサービスロール
+ AWS KMS暗号化された Amazon S3 データセットの場合: サービスロールには、 AWS KMS キーを使用して Amazon S3 データを復号するためのアクセス許可も必要です。
暗号化の設定の詳細については、 *AWS Glue デベロッパーガイド*の[「 での暗号化の設定 AWS Glue](https://docs.aws.amazon.com/glue/latest/dg/set-up-encryption.html)」を参照してください。
AWS Glue テーブルの場所を確認するには:
1. [https://console.aws.amazon.com/glue/](https://console.aws.amazon.com/glue/) で AWS Glue コンソールを開きます。
1. テーブルの詳細を表示し、場所が S3 フォルダを指していることを確認する
### ステップ 2: 設定済みテーブルを関連付ける
**設定済みテーブルを関連付けるには**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. テーブルを関連付ける方法を選択します。
1. 設定済みテーブルの詳細ページから:
1. 左のナビゲーションペインで、**[テーブル]** を選択します。
1. 設定済みテーブルを選択します。
1. 設定済みテーブルの詳細ページで、**[コラボレーションに関連付ける]** を選択します。
1. **[テーブルをコラボレーションに関連付ける]** ダイアログボックスで、ドロップダウンリストから**[コラボレーション]** を選択します。
1. コラボレーションの詳細ページから:
1. 左のナビゲーションペインで、**[コラボレーション]** を選択します。
1. コラボレーションを選択します。
1. **[テーブル]** タブで **[テーブルを関連付ける]** を選択します。
1. **テーブルの関連付け**ページで、次のいずれかを実行します。
+ 既存の設定済みテーブルを選択する – ドロップダウンリストからコラボレーションに関連付ける**設定済みテーブル名**を選択します。
+ 新しいテーブルの設定 – **新しいテーブルの設定**を選択し、**新しいテーブルの設定**ページのプロンプトに従います。
+ 設定済みテーブルのスキーマと分析ルールを表示する – **スキーマと分析ルールの表示**を有効にします。
1. **[テーブルの関連付けの詳細]** で次の操作を行います。
1. 関連付けるテーブルの**[名前]** を入力します。
デフォルトの名前を使用することも、テーブルの名前を変更することもできます。
1. (オプション) テーブルの **[説明]** を入力します。
この説明はクエリの作成に役立ちます。
1. **[新しいサービスロールを作成して使用]** または **[既存のサービスロールを使用]** を選択して、**[サービスアクセス]** 許可を指定します。
**注記**
Amazon Athena でバックアップされた設定済みテーブルを関連付ける場合は、ドロップダウンリストから**既存のサービスロール名**を選択します。サービスロールに IAM と、必要に応じてデータセットへの Lake Formation アクセス許可があることを確認します。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ja_jp/clean-rooms/latest/userguide/associate-configured-table.html)
**注記**
AWS Clean Rooms には、分析ルールに従ってクエリを実行するためのアクセス許可が必要です。のアクセス許可の詳細については AWS Clean Rooms、「」を参照してください[AWS の 管理ポリシー AWS Clean Rooms](security-iam-awsmanpol.md)。
ロールに十分なアクセス許可がない場合 AWS Clean Rooms、ロールに に対する十分なアクセス許可がないことを示すエラーメッセージが表示されます AWS Clean Rooms。続行する前に、ロールポリシーを追加する必要があります。
ロールポリシーを変更できない場合は、 AWS Clean Rooms でサービスロールのポリシーが見つからなかったという内容のエラーメッセージが表示されます。
1. 設定**済みテーブル関連付けリソースの設定済みテーブル関連付けタグ**を有効にする場合は、**新しいタグを追加**を選択し、**キー**と**値の**ペアを入力します。
1. [**次へ**] を選択します。
1. **コラボレーション分析ルールの設定**ページで、次のいずれかを選択します。
+ **はい、今すぐコラボレーション分析ルールを作成する** – テーブルをこのコラボレーションに関連付け、コラボレーション分析ルールを作成します
+ **いいえ。後でコラボレーション分析ルールを作成します**。テーブルをこのコラボレーションにのみ関連付けます。コラボレーション分析ルールは後で作成できます。
1. **「はい」を選択した場合は、コラボレーション分析ルールを今すぐ作成**します。**結果配信**では、ドロップダウンリストから**クエリ出力の結果を受信できるメンバー**を選択します。
1. [**次へ**] を選択します。
1. **データアクセス予算の追加**ページで、**データアクセス予算設定**で、次のいずれかを選択します。
+ **はい、今すぐデータアクセス予算を追加する** – テーブルをこのコラボレーションに関連付け、データアクセス予算を追加します。期間予算、ライフタイム予算、またはその両方を選択できます。
+ **いいえ、後でデータアクセス予算を追加します**。テーブルをこのコラボレーションにのみ関連付けます。データアクセス予算は後で追加できます。
**いいえを選択した場合は、後でデータアクセス予算を追加**し、ステップ 15 に進みます。
1. **はい を選択した場合は、今すぐデータアクセス予算を追加**し、次のいずれかの予算設定を選択します。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ja_jp/clean-rooms/latest/userguide/associate-configured-table.html)
1. **データアクセス予算の概要**で選択内容を確認します。
**Example 例**
たとえば、**期間ごとの予算額**として 1,000 を選択し、**期間**を**週次**に設定し、**週次自動更新予算**チェックボックスを選択したままにして**、ライフタイム予算**を 1,000,000 に設定すると、**アクセス予算の概要**に次のメッセージが表示されます。毎週、このテーブルはクエリまたはジョブの実行に最大 1,000 回使用できます。この予算は毎週日曜日の 00:00 UTC に自動的に更新されるように設定され、このテーブルがライフタイム予算である 1,000,000 回の使用量に達するまで更新され続けます。
1. (オプション) アクセス**予算リソースのデータアクセス予算タグ**を有効にする場合は、**新しいタグを追加**を選択し、キーと値のペアを入力します。
1. [**次へ**] を選択します。
1. **レビューと作成**ページの情報を確認します。
1. セクションを編集する必要がある場合は、**編集** を選択します。
1. 設定を編集し、次**へ**を選択します。
1. **[テーブルを関連付ける]** を選択します。
### ステップ 3: 次のステップ
設定済みデータテーブルをコラボレーションに関連付けたら、次の作業に進むことができます。
+ 設定済みテーブルに[コラボレーション分析ルールを追加する](add-collaboration-analysis-rule.md)
+ コラボレーションクリエーターの場合は[コラボレーションを編集する](edit-collaboration.md)
+ (クエリを行えるメンバーとして) [データテーブルにクエリを実行する](running-sql-queries.md)
# Configuring a data access budget
共同作業者は、*データアクセス予算*を表示、追加、編集、削除して、ワークフローでテーブルを使用できる回数に制限を設定できます。これらの予算を使用してデータとコストを管理します。
テーブルがクエリされるか、テーブルから派生した ML 入力チャネルを使用してジョブが実行されるたびに、そのテーブルの予算が 1 つ削減されます。予算がゼロに達すると、テーブルをクエリしたり、テーブルから派生した ML 入力チャネルを使用して ML ジョブを実行したりすることはできません。
定期的に更新される期間ごとの予算、全体的な使用量のライフタイム予算、またはその両方を設定できます。デフォルトでは、テーブルの使用は無制限です。
+ 期間ごとの予算 – 指定した期間内にこのテーブルを使用できる回数を制限する更新可能な割り当て。期間は、毎日、毎週、または毎月に設定できます。この予算は、毎日、毎週、または毎月自動的に更新するように設定できます。
+ ライフタイム予算 – このテーブルを使用できる合計時間を制限する実行中の割り当て。
**Topics**
+ [データアクセス予算の表示](view-access-budget.md)
+ [既存の関連テーブルへのデータアクセス予算の追加](add-access-budget-to-existing-associated-table.md)
+ [データアクセス予算の編集](edit-access-budget.md)
+ [データアクセス予算の削除](delete-access-budget.md)
# データアクセス予算の表示
データアクセス予算は、**テーブル**タブまたはテーブルの詳細ページから表示できます。
**データアクセス予算を表示するには**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[コラボレーション]** を選択します。
1. コラボレーションを選択します。
1. [**Tables**] (テーブル) タブを選択します。
1. 次のいずれかを行います。
+ **残りのデータアクセス予算**列で、詳細を表示する予算を選択します。
+ テーブルを選択し、テーブルの詳細ページで下にスクロールして**データアクセス予算の詳細**セクションを表示します。
# 既存の関連テーブルへのデータアクセス予算の追加
コラボレーションメンバーは、既存の関連テーブルにデータアクセス予算を追加できます。
**既存の関連付けられたテーブルにデータアクセス予算を追加するには**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[コラボレーション]** を選択します。
1. コラボレーションを選択します。
1. [**Tables**] (テーブル) タブを選択します。
1. データアクセス予算を追加するテーブルの横にあるオプションボタンを選択します。
1. Actions ****ドロップダウンリストから、**Data Access Budget** で、**Add** (予算がまだない場合) を選択します。
1. 次のいずれかの予算設定を選択します。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ja_jp/clean-rooms/latest/userguide/add-access-budget-to-existing-associated-table.html)
1. **データアクセス予算の概要**で選択内容を確認します。
1.
**Example 例**
例えば、**期間ごとの予算額**として 1,000 を選択し、**期間**を**週次**に設定し、**週次自動更新予算**チェックボックスを選択したままにして**、ライフタイム予算**を 1,000,000 に設定すると、**アクセス予算の概要**に次のメッセージが表示されます。毎週、このテーブルはクエリまたはジョブの実行に最大 1,000 回使用できます。この予算は毎週日曜日の 00:00 UTC に自動的に更新されるように設定され、このテーブルがライフタイム予算である 1,000,000 回の使用量に達するまで更新され続けます。
1. (オプション) アクセス**予算リソースのデータアクセス予算タグ**を有効にする場合は、**新しいタグを追加**を選択し、キーと値のペアを入力します。
1. **データアクセス予算の追加**を選択します。
# データアクセス予算の編集
コラボレーションメンバーは、データアクセス予算を編集できます。データアクセス予算を編集すると、現在の予算残高がリセットされます。
データアクセス予算は、**テーブル**タブまたはテーブルの詳細ページから編集できます。
------
#### [ Tables tab ]
****Tables** タブからデータアクセス予算を編集するには**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[コラボレーション]** を選択します。
1. コラボレーションを選択します。
1. [**Tables**] (テーブル) タブを選択します。
1. 編集するテーブルの横にあるオプションボタンを選択します。
1. Actions ****ドロップダウンリストから、**Data Access Budget** で **Edit **を選択します。
1. **データアクセス予算の編集**ページで、**期間ごとの予算**または**ライフタイム予算**情報を更新します。
1. **データアクセス予算の概要**を表示して、行った編集が正しいことを確認します。
1. **[Save changes]** (変更の保存) をクリックします。
------
#### [ Table details page ]
**テーブルの詳細ページからデータアクセス予算を編集するには**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[コラボレーション]** を選択します。
1. コラボレーションを選択します。
1. [**Tables**] (テーブル) タブを選択します。
1. テーブルを選択します。
1. テーブルの詳細ページで、**データアクセス予算の詳細**セクションまで下にスクロールします。
1. **[アクション]** ドロップダウンリストから、**[編集]** を選択します。
1. **データアクセス予算の編集**ページで、**期間ごとの予算**または**ライフタイム予算**情報を更新します。
1. **[Save changes]** (変更の保存) をクリックします。
------
# データアクセス予算の削除
データアクセス予算は、**テーブル**タブまたはテーブルの詳細ページから削除できます。
------
#### [ Tables tab ]
****Tables** タブからデータアクセス予算を削除するには**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[コラボレーション]** を選択します。
1. コラボレーションを選択します。
1. [**Tables**] (テーブル) タブを選択します。
1. 削除するテーブルの横にあるオプションボタンを選択します。
1. Actions ****ドロップダウンリストから、**Data Access Budget** で **Delete **を選択します。
**重要**
このアクションを元に戻すことはできません。データアクセス予算は無制限にリセットされます。
1. データアクセス予算を削除することが確実な場合は、**削除**を選択します。
------
#### [ Table details page ]
**テーブルの詳細ページからデータアクセス予算を削除するには**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[コラボレーション]** を選択します。
1. コラボレーションを選択します。
1. [**Tables**] (テーブル) タブを選択します。
1. テーブルを選択します。
1. テーブルの詳細ページで、**データアクセス予算の詳細**セクションまでスクロールダウンします。
1. **[アクション]** ドロップダウンリストから、**[削除]** を選択します。
**重要**
このアクションを元に戻すことはできません。データアクセス予算は無制限にリセットされます。
1. データアクセス予算を削除することが確実な場合は、**削除**を選択します。
------
# 設定済みテーブルへのコラボレーション分析ルールの追加
*コラボレーション分析ルール*を使用すると、このコラボレーションに固有のコントロールを指定できます。これらのコントロールは、設定済みテーブル分析ルールと連携して、このコラボレーション内でこのテーブルを分析する方法を決定します。
[設定済みテーブルを作成](create-configured-table.md)し、[分析ルールを追加](add-analysis-rule.md)し、[それをコラボレーションに関連付け](associate-configured-table.md)たら、設定済みテーブルにコラボレーション分析ルールを追加します。テーブルが直接分析をサポートするように設定されている場合、または追加分析を許可するように設定されている場合は、コラボレーション分析ルールを追加する必要があります。
+ **直接分析** – テーブルは、それを直接分析するクエリで使用できます。例えば、集計測定分析またはアクティベーション用の ID のリストを出力するクエリの場合です。
+ **追加分析** – テーブルは、それを直接分析するクエリに加えて、追加分析への入力としても使用できます。たとえば、テーブルは類似 ML モデルのシードであるクエリや、カスタム ML モデルの ML 入力チャネルで使用できます。
**コラボレーション分析ルールをテーブルに追加するには**
1. にサインイン AWS マネジメントコンソール し、 で[AWS Clean Rooms コンソール](https://console.aws.amazon.com/cleanrooms/home)を開きます AWS アカウント (まだ開いていない場合）。
1. 左のナビゲーションペインで、**[コラボレーション]** を選択します。
1. コラボレーションを選択します。
1. **[テーブル]** タブの **[自身が関連付けたテーブル]** で、コラボレーションに関連付けた設定済みテーブルを表示します。
+ **[直接分析のステータス]** または **[追加分析のステータス]** のステータスが **[準備ができています]** の場合は、そのテーブルに対してクエリを実行できます。
+ **[直接分析のステータス]** または **[追加分析のステータス]** のステータスが **[準備ができていません]** の場合は、ステータスを選択し、ダイアログボックスで **[設定]** を選択します。
1. **[コラボレーション分析ルールを設定]** ページで、**[設定済みテーブル分析ルールを表示]** を展開して詳細を表示します。
1. **[許可されている追加分析]** で、目標に応じてオプションを選択します。
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ja_jp/clean-rooms/latest/userguide/add-collaboration-analysis-rule.html)
1. **[結果の配信]** で、**[クエリ出力の結果を受け取ることができるメンバー]** ドロップダウンから、結果を受け取ることができるユーザーを指定します。
1. **[分析ルールを設定]** を選択します。
# 差分プライバシーポリシーの設定 (オプション)
**注記**
AWS Clean Rooms 差分プライバシーは、データが Amazon S3 に保存されているコラボレーションでのみ使用できます。
この手順では、 AWS Clean Rooms コンソールの**ガイド付きフロー**オプションを使用して、コラボレーションで差分プライバシーポリシーを設定するプロセスについて説明します。これは、差分プライバシー保護のあるすべてのテーブルに対する 1 回限りの手順です。
**差分プライバシー設定を設定するには (ガイドフロー)**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[コラボレーション]** を選択します。
1. コラボレーションを選択します。
1. コラボレーションページの **[テーブル]** タブで、**[差分プライバシーポリシーを設定]** を選択します。
1. **[差分プライバシーポリシーを設定]** ページで、次のプロパティの値を選択します。
+ **プライバシー予算**
+ **プライバシー予算を毎月更新**
+ **クエリごとに追加されるノイズ**
デフォルト値を使用するか、特定のユースケースをサポートするカスタム値を入力できます。**[プライバシー予算]** と **[クエリごとに追加されるノイズ]** の値を選択した後、データに対するすべてのクエリ全体で使用可能な集計の数に関して、結果のユーティリティをプレビューできます。
1. **[設定]** を選択します。
コラボレーションの差分プライバシーポリシーが正常に設定されたことを示す確認メッセージが表示されます。
差分プライバシーが設定され、次の作業に進むことができます。
+ (クエリを行えるメンバーとして) [データテーブルにクエリを実行する](running-sql-queries.md)
+ [コラボレーション](working-with-collaborations.md) (コラボレーションクリエーターの場合)
## 差分プライバシー使用状況ログの表示
差分プライバシーでデータを保護しているコラボレーションメンバーは、差分プライバシーでコラボレーションを作成した後で、プライバシー予算の使用状況をモニタリングできます。
**集計が行われた回数と使用されたプライバシー予算の金額を確認するには**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[コラボレーション]** を選択します。
1. コラボレーションを選択します。
1. [**Tables**] (テーブル) タブを選択します。
1. **[使用状況ログを表示]** (青色のテキスト) を選択します。
1. プライバシー予算や提供したユーティリティの提供量など、使用状況の詳細を表示します。
## 差分プライバシーポリシーの編集
差分プライバシーポリシーを設定した後は、プライバシーのニーズをより適切に反映するようにいつでも更新できます。
**差分プライバシーポリシーを編集するには**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[コラボレーション]** を選択します。
1. コラボレーションを選択します。
1. コラボレーションページの **[テーブル]** タブの **[自分が関連付けたテーブル]** で、**[編集]** を選択します。
1. **[差分プライバシーの編集]** ページで、次のプロパティの新しい値を選択します。
+ **[プライバシー予算]** — コラボレーション中の任意の時点で、スライダーバーを動かして予算を増減できます。クエリを実行できるメンバーがデータのクエリを開始した後は、予算を減らすことはできません。**プライバシー予算**を増やす AWS Clean Rooms と、 は新しく追加されたプライバシー予算を使用する前に、完全に消費されるまで既存の予算を引き続き使用します。
+ **[クエリごとに追加されるノイズ]** — コラボレーション中の任意の時点で、スライダーバーを動かして **[クエリごとに追加されるノイズ]** を増減できます。
**注記**
**[インタラクティブサンプル]** を選択して、**[プライバシー予算]** と **[クエリごとに追加されるノイズ]** の値が異なると、実行できる集計関数の数にどのように影響するかを調べることができます。
**[プライバシー予算の更新]** の値は変更できません。選択を変更するには、差分プライバシーポリシーを削除し、新しく作成する必要があります。
1. **[Save changes]** (変更の保存) をクリックします。
差分プライバシーポリシーが正常に編集されたことを示す確認メッセージが表示されます。
## 差分プライバシーポリシーの削除
差分プライバシーポリシーはコラボレーションの **[テーブル]** タブから削除できます。
**差分プライバシーポリシーを削除するには**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[コラボレーション]** を選択します。
1. コラボレーションを選択します。
1. コラボレーションページの **[テーブル]** タブで、**[差分プライバシーポリシー]** の横にある **[削除]** を選択します。
1. 差分プライバシーポリシーを削除してよい場合は、**[削除]** を選択します。
差分プライバシーポリシーを削除すると、そのポリシーのプライバシー予算使用状況ログにアクセスできなくなります。差分プライバシーポリシーが削除されると、差分プライバシーがオンになっているテーブルをクエリできなくなります。
## 計算された差分プライバシーパラメータの表示
差分プライバシーに関する専門知識を持つユーザーは、コラボレーション**の分析**タブから計算された差分プライバシーパラメータを表示できます。
**計算された差分プライバシーパラメータを表示するには**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[コラボレーション]** を選択します。
1. コラボレーションを選択します。
1. **分析**タブ**の結果**セクションで、**計算された差分プライバシーパラメータの表示**を選択します。
**[計算された差分プライバシーパラメータ]** のテーブルでは、集計関数の感度値が表示されます。これは、1 人のユーザーのレコードが追加、削除、または変更された場合に関数の結果が変化する可能性のある最大値として定義されます。リストには、次の差分プライバシーパラメータが含まれます。
+ **[ユーザー寄与度上限]** (UCL) は、SQL クエリでユーザーが入力する行の最大数です。例えば、各ユーザーが複数のインプレッションを持つことができる指定されたキャンペーンで一致するインプレッションの合計数をカウントする場合、 AWS Clean Rooms 差分プライバシー計算が正確になるように、差分プライバシーは 1 人のユーザーのインプレッション数をバインドする必要があります。つまり、ユーザーが境界よりも多くのインプレッションを持つ場合、 は計算された UCL 値に従ってそのユーザーのインプレッションの均一なランダムサンプル AWS Clean Rooms を自動的に取得し、クエリの実行中にそのユーザーの残りのインプレッションを除外します。一意のユーザー数をカウントする場合、UCL 値は 1 に等しくなります。これは、1 人のユーザーを追加、削除、または変更することで、個々のユーザーのカウントが最大で 1 だけ変更される可能性があるためです。
+ **[最小値]** は、`sum()` のような集計関数内で使用される式の下限値です。例えば、式が `purchase_value` という列の場合、最小値はその列の下限値です。
+ **[最大値]** は、`sum()` のような集計関数内で使用される式の上限値です。例えば、式が `purchase_value` という列の場合、最大値はその列の上限値です。
**[計算された差分プライバシーパラメータ]** のテーブルでは、これらのパラメータを使用してクエリ結果のノイズの総量の理解を深めることができます。たとえば、**クエリごとに追加された設定済みのノイズ**が 30 ユーザーで、`COUNT DISTINCT (user_id)`クエリが実行されると、 の感度が 1 であるため、 AWS Clean Rooms 差分プライバシーは -30 から 30 の間のランダムノイズを高い確率で追加`COUNT DISTINCT`します。同じ設定の `COUNT` クエリの場合、 AWS Clean Rooms 差分プライバシーは、1 人のユーザーがクエリ結果に複数の行を寄稿する可能性があるため、ユーザーの寄与度上限に応じてスケールされる統計的ノイズを追加します。`SUM (purchase_value)` すべての列値が正であるような`SUM`クエリの場合、合計ノイズはユーザー寄与制限に最大値を掛けてスケーリングされます。 AWS Clean Rooms 差分プライバシーは、クエリの実行時にノイズの追加を実行するために感度パラメータを自動的に計算し、プライバシー予算を枯渇させます。感度パラメータはデータに依存するため、プライバシー予算を使い果たす必要があります。
# テーブルと分析ルールの表示
**コラボレーションに関連付けられたテーブルと分析ルールを表示するには**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[コラボレーション]** を選択します。
1. コラボレーションを選択します。
1. [**Tables**] (テーブル) タブを選択します。
1. 次のいずれかを選択します。
1. コラボレーションに関連付けられている自分のテーブルを表示するには、**[自分が関連付けたテーブル]** でテーブル (青色のテキスト) を選択します。
1. コラボレーションに関連付けられている他のテーブルを表示するには、**[コラボレーターが関連付けたテーブル]** でテーブル (青色のテキスト) を選択します。
1. テーブルの詳細と分析ルールが、テーブルの詳細ページに表示されます。
# 設定済みテーブルの編集
前提条件:
+ にアクセスできる AWS アカウント 。 AWS Clean Rooms
以下のセクションでは、Amazon S3、Amazon Athena、Snowflake データソースのテーブルの名前、説明、設定の詳細を編集する方法について説明します。
AWS SDKs を使用して設定済みテーブルを編集する方法については、 [https://docs.aws.amazon.com/clean-rooms/latest/apireference/Welcome.html](https://docs.aws.amazon.com/clean-rooms/latest/apireference/Welcome.html)を参照してください。
**設定済みテーブルを編集するには**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[テーブル]** を選択します。
1. 自分が作成した設定済みテーブルを選択します。
1. 設定済みテーブルの詳細ページで、**編集** を選択します。
1. 設定を編集します。
1. **[Save changes]** (変更の保存) をクリックします。
# 設定済みテーブルのタグの編集
コラボレーションメンバーは、設定済みテーブルの作成後に、**[設定済みのテーブル]** タブで設定済みテーブルリソースのタグを管理できます。
**設定済みテーブルのタグを編集するには**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[テーブル]** を選択します。
1. 自分が作成した設定済みテーブルを選択します。
1. 設定済みテーブルの詳細ページで、**[タグ]** セクションまで下方向にスクロールします。
1. [**Manage tags (タグの管理)**] を選択します。
1. **[Manage tags]** (タグの管理) ページで、次の操作を実行できます。
+ タグを削除するには**[削除]** を選択してください。
+ タグを追加するには、[**新しいタグの追加**] を選択します。
+ 変更を保存するには、**変更の保存**を選択します。
# 設定済みテーブル分析ルールの編集
**設定済みテーブルの分析ルールを編集するには**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[テーブル]** を選択します。
1. 自分が作成した設定済みテーブルを選択します。
1. 設定済みテーブルの詳細ページで、**[集計分析ルール]**、**[分析ルールを一覧表示]**、または **[カスタム分析ルール]** セクションまで下方向にスクロールします (どれを選択するかは、設定済みテーブルにどのタイプの分析ルールを選択したかによって異なります)。
1. **[編集]** を選択します。
1. **[分析ルールを編集]** ページで、次の操作を実行できます。
+ 次の方法で **[分析ルール定義]** を変更します。
+ JSON エディタを変更します。
+ **[ファイルからインポート]** を選択して、新しい分析ルール定義をアップロードします。
+ 以下のオプションから選択して、コラボレーションでメンバーに表示される内容をプレビューします。
+ **テーブルビュー**
+ **JSON**
+ **クエリの例**
1. **[変更を保存]** を選択して、変更を保存します。
# 設定済みテーブル分析ルールの削除
**警告**
このアクションは元に戻すことができず、関連するすべてのリソースに影響します。
**設定済みテーブルの分析ルールを削除するには**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[テーブル]** を選択します。
1. 自分が作成した設定済みテーブルを選択します。
1. 設定済みテーブルの詳細ページで、**[集計分析ルール]**、**[分析ルールを一覧表示]**、または **[カスタム分析ルール]** セクションまで下方向にスクロールします (どれを選択するかは、設定済みテーブルにどのタイプの分析ルールを選択したかによって異なります)。
1. **[削除]** を選択します。
1. 分析ルールを削除してよい場合は、**[削除]** を選択します。
# 設定済みテーブルの許可されていない列
許可されていない出力列の設定は、 AWS Clean Rooms カスタム分析ルールのコントロールであり、クエリ結果に投影できない列のリスト (存在する場合) を定義できます。このリストで参照されている列は、「許可されていない出力列」と見なされます。つまり、変換、エイリアシング、またはその他の手段を通じたこのような列への参照は、クエリの最終 SELECT (射影) に存在しない可能性があります。
この機能では、列が出力に直接射影されることを禁止していますが、基になる値が他のメカニズムを介して間接的に推測されることを完全に防ぐわけではありません。これらの列は、最終射影で参照されていない限り、射影句 (サブクエリや共通テーブル式 (CTE) など) で引き続き使用できます。
許可されていない出力列の設定により、ユースケースと対応するプライバシー要件に基づく分析テンプレートレベルのレビューと組み合わせて、テーブルにコントロールを適用およびコード化する柔軟性が得られます。
この設定方法に関する詳細については、「[カスタム分析ルールのテーブルへの追加 (ガイドフロー)](add-analysis-rule.md#add-custom-analysis-rule-wizard)」を参照してください。
**例**
次の例は、許可されていない出力列コントロールがどのように適用されるかを示しています。
+ メンバー A は、メンバー B とコラボレーションしています。
+ メンバー B は、クエリを実行できるメンバーです。
+ メンバー A は、*age*、*gender*、*email*、および *name* の各列を持つ *users* テーブルを定義します。*age* および *name* 列は、許可されていない出力列です。
+ メンバー B は、*age*、*gender*、および *owner\$1name* 列の類似したセットを持つ *pets* テーブルを定義します。ただし、出力列に制約は設定しません。このため、テーブル内のすべての列をクエリで自由に射影できます。
メンバー B が次のクエリを実行すると、ブロックされます。これは、許可されていない出力列を直接射影できないためです。
```
SELECT
age
FROM
users
```
メンバー B が次のクエリを実行すると、ブロックされます。これは、許可されていない出力列をプロジェクトスターを介して暗黙的に射影できないためです。
```
SELECT
*
FROM
users
```
メンバー B が次のクエリを実行すると、ブロックされます。これは、許可されていない出力列の変換を射影できないためです。
```
SELECT
COUNT(age)
FROM
users
```
メンバー B が次のクエリを実行すると、ブロックされます。これは、許可されていない出力列はエイリアスを使用して最終射影で参照できないためです。
```
SELECT
count_age
FROM
(SELECT COUNT(age) AS count_age FROM users)
```
メンバー B が次のクエリを実行すると、ブロックされます。これは、変換された制限付き列が出力に射影されるためです。
```
SELECT
CONCAT(name, email)
FROM
users
```
メンバー B が次のクエリを実行すると、ブロックされます。これは、CTE で定義された許可されていない出力列を最終射影で参照できないためです。
```
WITH cte AS (
SELECT
age AS age_alias
FROM
users
)
SELECT age_alias FROM cte
```
メンバー B が次のクエリを実行すると、ブロックされます。これは、許可されていない出力列を最終射影のソートキーまたはパーティションキーとして使用できないためです。
```
SELECT
LISTAGG(gender) WITHIN GROUP (ORDER BY age) OVER (PARTITION BY age)
FROM
users
```
メンバー B が次のクエリを実行すると、成功します。これは、許可されていない出力列の一部である列は、結合句やフィルター句など、クエリ内の他のコンストラクト間で引き続き使用できるためです。
```
SELECT
u.name,
p.gender,
p.age
FROM
users AS u
JOIN
pets AS p
ON
u.name = p.owner_name
```
同じシナリオで、メンバー B はフィルターまたはソートキーとして *users* の *name* 列を使用することもできます。
```
SELECT
u.email,
u.gender
FROM
users AS u
WHERE
u.name = 'Mike'
ORDER BY
u.name
```
さらに、*users* からの許可されていない出力列は、次のようなサブクエリや CTE などの中間射影で使用できます。
```
WTIH cte AS (
SELECT
u.gender,
u.id,
u.first_name
FROM
users AS u
)
SELECT
first_name
FROM
(SELECT cte.gender, cte.id, cte.first_name FROM cte)
```
# 設定済みテーブルの関連付けの編集
コラボレーションメンバーは、作成した設定済みテーブルの関連付けを編集できます。
**設定済みテーブルの関連付けを編集するには**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[コラボレーション]** を選択します。
1. コラボレーションを選択します。
1. **[テーブル]** タブを選択します。
1. **[自分が関連付けたテーブル]** で、テーブルを選択します。
1. テーブルの詳細ページで、**[テーブルの関連付けの詳細]** まで下方向にスクロールします。
1. **[編集]** を選択します。
1. **[設定済みのテーブル関連付けを編集]** ページで、**[説明]** または **[サービスアクセス情報]** を更新します。
1. **[Save changes]** (変更の保存) をクリックします。
# 設定済みテーブルの関連付けの解除
コラボレーションメンバーは、設定済みテーブルとコラボレーションの関連付けを解除できます。このアクションにより、クエリを行えるメンバーはテーブルでクエリを実行できなくなります。
**設定済みテーブルの関連付けを解除するには**
1. にサインイン AWS マネジメントコンソール し、[https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) で AWS Clean Rooms コンソールを開きます。
1. 左のナビゲーションペインで、**[コラボレーション]** を選択します。
1. コラボレーションを選択します。
1. **[テーブル]** タブを選択します。
1. **[自分が関連付けたテーブル]** で、関連付けを解除するテーブルの横にあるオプションボタンを選択します。
1. [**関連付け解除**] を選択してください。
1. ダイアログボックスで **[関連付け解除]** を選択すると、設定済みテーブルの関連付けの解除が確定し、クエリを行えるメンバーがテーブルでクエリを実行できなくなります。