기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 구성된 테이블 생성 - Amazon S3 데이터 소스
<a name="create-config-table-s3"></a>

이 절차에서 [구성원](glossary.md#glossary-member)은 다음 작업을 수행합니다.
+  에서 사용할 기존 AWS Glue 테이블을 구성합니다 AWS Clean Rooms. (이 단계는 Clean Rooms에 대한 암호화 컴퓨팅을 사용하지 않는 한 공동 작업에 참여하기 전이나 후에 수행할 수 있습니다.)
**참고**  
AWS Clean Rooms 는 AWS Glue 테이블을 지원합니다. 데이터 가져오기에 대한 자세한 내용은 섹션을 AWS Glue참조하세요[3단계: 데이터 테이블을 Amazon S3에 업로드](prepare-data-S3.md#upload-to-s3).
+ [구성된 테이블](glossary.md#glossary-configured-table)의 이름을 지정하고 공동 작업에 사용할 열을 선택합니다.

다음 절차에서는 다음과 같이 가정합니다.
+ 공동 작업 구성원이 이미 [ Amazon S3에 데이터 테이블을 업로드](prepare-data-S3.md#upload-to-s3)하고 [AWS Glue 테이블을 생성](prepare-data-S3.md#create-glue-crawler)했습니다.
**참고**  
**Amazon S3의 결과 대상**은 데이터 소스와 동일한 S3 버킷 내에 있을 수 없습니다.
+ (선택 사항) [암호화된](glossary.md#glossary-encryption) 데이터 테이블의 경우에만 공동 작업 구성원은 이미 C3R 암호화 클라이언트를 사용하여 [암호화된 데이터 테이블을 준비했습니다](prepare-encrypted-data.md).

에서 제공하는 통계 생성을 사용하여 AWS Glue Data Catalog 테이블에 대한 열 수준 통계를 계산 AWS Glue 할 수 있습니다. 가 데이터 카탈로그의 테이블에 대한 통계를 AWS Glue 생성한 후 Amazon Redshift Spectrum은 해당 통계를 자동으로 사용하여 쿼리 계획을 최적화합니다. 를 사용하여 열 수준 통계를 계산하는 방법에 대한 자세한 내용은 *AWS Glue 사용 설명서*의 [열 통계를 사용하여 쿼리 성능 최적화](https://docs.aws.amazon.com/glue/latest/dg/column-statistics.html)를 AWS Glue참조하세요. 에 대한 자세한 내용은 *[AWS Glue 개발자 안내서](https://docs.aws.amazon.com/glue/latest/dg/what-is-glue.html)*를 AWS Glue참조하세요.

**구성된 테이블을 생성하려면 - Amazon S3 데이터 소스**

1. 에 로그인 AWS Management Console 하고 [https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) AWS Clean Rooms 콘솔을 엽니다.

1. 왼쪽 탐색 창에서 **테이블**을 선택합니다.

1. 오른쪽 상단 모서리에서 **새 테이블 구성**을 선택합니다.

1. **데이터 소스**의 **AWS 데이터 소스**에서 **Amazon S3**를 선택합니다.

1. **Amazon S3 테이블**에서: 

   1. S3 테이블이 호스팅되는 **리전**을 선택합니다.

      기본적으로 현재 리전(예: 버지니아 북부 us-east-1)이 선택됩니다.
**주의**  
Amazon S3 데이터 소스가 처리 위치와 다른 리전에 있는 경우 데이터 처리가 소스 리전 외부에서 일시적으로 발생할 수 있습니다. 계속하기 전에 리전 간 데이터 이동이 데이터 주권 요구 사항, 규정 준수 정책 및 데이터 거버넌스 표준을 준수하는지 확인합니다.

      리전에 대한 자세한 내용은의 [리전 및 엔드포인트](https://docs.aws.amazon.com/general/latest/gr/rande.html)를 참조하세요*AWS 일반 참조*.

   1. 드롭다운 목록에서 **데이터베이스를** 선택합니다.

   1. 드롭다운 목록에서 구성하고 싶은 **테이블**을 선택합니다.
**참고**  
테이블이 올바른지 확인하려면 다음 중 하나를 수행합니다.  
**에서 보기를 AWS Glue** 선택합니다.
**에서 스키마 보기를 AWS Glue** 켜면 스키마를 볼 수 있습니다.
**중요**  
데이터가 CSV 형식인 AWS Glue 테이블의 경우 Glue 스키마의 열 이름과 순서가 CSV 데이터와 정확히 일치해야 합니다. 정렬되지 않으면 구성된 테이블에 허용되는 열 목록이 제대로 적용되지 않을 수 있습니다.

1. **공동 작업에 허용되는 열 및 분석 방법의** 경우 

   1. **공동 작업에서 허용할 열은 무엇입니까?**
      + 공동 작업에서 **모든 열을** 쿼리하도록 허용하려면 모든 열을 선택합니다.
      + 사용자 **지정 목록을** 선택하여 **허용된 열 지정** 드롭다운 목록에서 하나 이상의 열을 공동 작업에서 쿼리할 수 있도록 허용합니다.

   1. **허용된 분석 방법의** 경우

      1. 이 테이블에서 SQL **쿼리**를 직접 실행하려면 직접 쿼리를 선택합니다.

      1. 이 테이블에서 PySpark **작업을** 직접 실행하려면 직접 작업을 선택합니다.  
**Example 예제**  

   예를 들어 공동 작업 구성원이 모든 열에서 직접 SQL 쿼리와 PySpark 작업을 모두 실행하도록 허용하려면 **모든 열**, **직접 쿼리** 및 **직접 작업을** 선택합니다.

1. **구성된 테이블 세부 정보**의 경우,

   1. 구성된 테이블의 **이름**을 입력합니다.

      기본 이름을 사용하거나 이 테이블의 이름을 바꿀 수 있습니다.

   1. 테이블에 대한 **설명**을 입력합니다.

      설명은 비슷한 이름을 가진 다른 구성된 테이블을 구분하는 데 도움이 됩니다.

1. 구성된 테이블 리소스에 대해 **태그**를 활성화하려면 **새 태그 추가**를 선택한 다음 **키**와 **값** 쌍을 입력합니다.

1. **새 클라이언트 구성**를 선택합니다.

이제 구성된 테이블을 만들었으므로 다음을 수행할 준비가 되었습니다.
+ [구성된 테이블에 분석 규칙 구성](add-analysis-rule.md)
+ [구성된 테이블을 공동 작업에 연결합니다](associate-configured-table.md)