기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# 에서 구성된 테이블 AWS Clean Rooms
*구성된 테이블*은 데이터 소스의 기존 테이블에 대한 참조입니다. 여기에는 데이터를 쿼리 AWS Clean Rooms 하는 방법을 결정하는 분석 규칙이 포함되어 있으며, 테이블 사용을 제어하기 위한 데이터 액세스 예산을 포함할 수 있습니다. 구성된 테이블을 하나 이상의 공동 작업에 연결할 수 있습니다.
를 사용하면 구매 수와 구매 수의 비교와 같은 이벤트 데이터에 대한 집계 분석을 수행할 AWS Clean Rooms수 있습니다. 세그먼트 데이터에서 CRM 데이터로 중복되는 고객 데이터를 보강하는 등 이벤트 데이터에 대한 목록 분석을 수행할 수도 있습니다. 사용자 지정 쿼리를 수행하고 시청률 데이터 및 세그먼트 속성과 같은 이벤트 데이터에 대한 차등 프라이버시를 설정할 수도 있습니다. 이러한 분석 유형에 대해 데이터 액세스 예산을 설정하여 쿼리를 통해 액세스하는 데이터의 양을 모니터링하고 제어할 수 있습니다.
먼저에서 공동 작업을 생성하고 초대 AWS 계정 할를 AWS Clean Rooms 추가하거나 멤버십을 생성하여 초대할 공동 작업에 참여합니다. 그런 다음 공동 작업의 다른 구성원과 함께 구성된 테이블을 생성합니다. 구성된 테이블(집계, 목록 또는 사용자 지정)에 분석 규칙을 추가하고 선택적으로 데이터 액세스 예산을 설정합니다. 그런 다음 구성된 테이블을 공동 작업에 연결합니다. 마지막으로 쿼리할 수 있는 구성원은 두 데이터 테이블에서 쿼리를 실행하여 쿼리가 실행될 때 데이터 액세스 예산을 사용합니다.
다음 다이어그램은에서 이벤트 데이터로 작업하는 방법을 요약한 것입니다 AWS Clean Rooms.
![\[에서 이벤트 데이터로 작업하는 방법을 설명하는 다이어그램 AWS Clean Rooms\]](http://docs.aws.amazon.com/ko_kr/clean-rooms/latest/userguide/images/how-it-works-event-data.png)
**Topics**
+ [에서 구성된 테이블 생성 AWS Clean Rooms](create-configured-table.md)
+ [구성된 테이블에 분석 규칙 추가](add-analysis-rule.md)
+ [구성된 테이블을 공동 작업에 연결](associate-configured-table.md)
+ [데이터 액세스 예산 구성](configure-data-access-budget.md)
+ [구성된 테이블에 공동 작업 분석 규칙 추가](add-collaboration-analysis-rule.md)
+ [차등 프라이버시 정책 구성(선택 사항)](configure-differential-privacy.md)
+ [테이블 및 분석 규칙 보기](view-tables.md)
+ [구성된 테이블 편집](edit-configured-table.md)
+ [구성된 테이블 태그 편집](edit-config-table-tags.md)
+ [구성된 테이블 분석 규칙 편집](edit-config-table-analysis-rule.md)
+ [구성된 테이블 분석 규칙 삭제](delete-config-table-analysis-rule.md)
+ [구성된 테이블의 허용되지 않는 열](disallowed-columns.md)
+ [구성된 테이블 연결 편집](edit-config-table-assoc.md)
+ [구성된 테이블 분리](disassociate-config-table.md)
# 에서 구성된 테이블 생성 AWS Clean Rooms
*구성된 테이블*은 데이터 소스의 기존 테이블에 대한 참조입니다. 여기에는 AWS Clean Rooms에서 데이터를 쿼리할 수 있는 방법을 결정하는 분석 규칙이 포함되어 있습니다. 구성된 테이블을 하나 이상의 공동 작업에 연결할 수 있습니다.
AWS SDKs. [https://docs.aws.amazon.com/clean-rooms/latest/apireference/Welcome.html](https://docs.aws.amazon.com/clean-rooms/latest/apireference/Welcome.html)
**Topics**
+ [구성된 테이블 생성 - Amazon S3 데이터 소스](create-config-table-s3.md)
+ [구성된 테이블 생성 - Amazon Athena 데이터 소스](create-config-table-athena.md)
+ [구성된 테이블 생성 - Snowflake 데이터 소스](create-config-table-snowflake.md)
# 구성된 테이블 생성 - Amazon S3 데이터 소스
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)
# 구성된 테이블 생성 - Amazon Athena 데이터 소스
Amazon Athena 데이터 소스 옵션을 사용하면 데이터 카탈로그 또는 페더레이션 카탈로그에 카탈로그화된 Amazon S3에 저장된 AWS Glue 데이터를 쿼리하고를 통해 액세스를 제어할 수 있습니다 AWS Lake Formation. 테이블과 AWS Glue Data Catalog 뷰가 모두 지원됩니다. Lake Formation 리소스 링크를 사용하여 AWS Clean Rooms 공동 작업에 조인하는 AWS 계정 AWS 리전 AWS Clean Rooms 멤버 계정 간에 테이블과 뷰를 공유할 수 있습니다.
**참고**
Athena 데이터 소스 통합을 통해 Amazon S3 기반 데이터 세트만 쿼리할 수 있습니다.
이 절차에서 [구성원](glossary.md#glossary-member)은 다음 작업을 수행합니다.
+ 를 사용하기 AWS Glue Data Catalog 위해에서 기존 테이블 또는 뷰를 구성합니다. AWS Clean Rooms
+ [구성된 테이블](glossary.md#glossary-configured-table)의 이름을 지정하고 공동 작업에 사용할 열을 선택합니다.
다음 절차에서는 다음과 같이 가정합니다.
+ 공동 작업 구성원이 AWS Glue Data Catalog 데이터베이스와 테이블 또는GDC 뷰를 이미 생성했습니다.
**구성된 테이블을 생성하려면 - Athena 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 Athena**를 선택합니다.
1. **Amazon Athena 테이블**에서:
1. Amazon Athena 테이블이 호스팅되는 **리전**을 선택합니다.
기본적으로 현재 리전(예: 버지니아 북부 us-east-1)이 선택됩니다.
**주의**
Amazon Athena 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 **카탈로그**를 선택합니다.
기본적으로 **AWS Glue 데이터 카탈로그**가 선택됩니다.
+ **AWS Glue 데이터 카탈로그** -의 테이블에 대한 기본 카탈로그입니다 AWS Glue.
+ **페더레이션 카탈로그** - 원격 Apache Iceberg REST AWS Glue 카탈로그에 연결하도록 카탈로그 페더레이션을 구성한 경우 사용할 수 있습니다. 자세한 내용은 *AWS Lake Formation 개발자 안내서*의 [카탈로그 페더레이션](https://docs.aws.amazon.com/lake-formation/latest/dg/catalog-federation.html)을 참조하세요.
1. 드롭다운 목록에서 **데이터베이스를** 선택합니다.
1. 드롭다운 목록에서 구성하고 싶은 **테이블**을 선택합니다.
**참고**
테이블이 올바른지 확인하려면 다음 중 하나를 수행합니다.
**에서 보기 AWS Glue** 또는 **에서 보기를 AWS Lake Formation** 선택합니다(카탈로그 유형에 따라 다름).
**에서 스키마 보기를 AWS Glue** 켜면 스키마를 볼 수 있습니다.
1. **Amazon Athena 구성**의 경우
1. 드롭다운 목록에서 **작업 그룹을** 선택합니다.
1. **S3 출력 위치에서** 다음 시나리오 중 하나에 따라 권장 작업을 선택합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/clean-rooms/latest/userguide/create-config-table-athena.html)
1. **공동 작업에 허용된 열에서** 목표에 따라 옵션을 선택합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/clean-rooms/latest/userguide/create-config-table-athena.html)
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)
# 구성된 테이블 생성 - Snowflake 데이터 소스
이 절차에서 [구성원](glossary.md#glossary-member)은 다음 작업을 수행합니다.
+ 에서 사용할 기존 Snowflake 테이블을 구성합니다 AWS Clean Rooms. (이 단계는 Clean Rooms에 대한 암호화 컴퓨팅을 사용하지 않는 한 공동 작업에 참여하기 전이나 후에 수행할 수 있습니다.)
+ [구성된 테이블](glossary.md#glossary-configured-table)의 이름을 지정하고 공동 작업에 사용할 열을 선택합니다.
다음 절차에서는 다음과 같이 가정합니다.
+ 공동 작업 구성원이 이미 Snowflake에 데이터 테이블을 업로드했습니다.
+ (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).
**구성된 테이블을 생성하려면 - Snowflake 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 **타사 클라우드 및 데이터 소스**에서 **Snowflake**를 선택합니다.
1. 기존 보안 암호 ARN을 사용하거나이 테이블에 대한 새 보안 암호를 저장하여 **Snowflake 보안 인증** 정보를 지정합니다.
------
#### [ Use existing secret ARN ]
1. 보안 암호 ARN이 있는 경우 **보안 암호 ARN** 필드에 입력합니다.
이동을 선택하여 **보안 암호 ARN을 조회할 AWS Secrets Manager** 수 있습니다.
1. 다른 테이블의 기존 보안 암호가 있는 경우 **기존 테이블에서 보안 암호 ARN 가져오기**를 선택합니다.
**참고**
보안 암호 ARN은 교차 계정일 수 있습니다.
------
#### [ Store a new secret for this table ]
1. 다음 Snowflake 자격 증명을 입력합니다.
+ **Snowflake 사용자 이름**
+ **Snowflake 웨어하우스**
+ **Snowflake 역할**
+ **Snowflake Privacy Enhanced Mail(PEM) 프라이빗 키**
1. 암호화의 경우 다음 중 하나를 수행합니다.
+ AWS 관리형 키 (기본값)을 사용하려면 **암호화 설정 사용자 지정** 확인란을 선택 취소한 상태로 둡니다.
+ 사용자 지정을 사용하려면 AWS KMS key:
+ **암호화 설정 사용자 지정** 확인란을 선택합니다.
+ **KMS 키**에 키 ARN을 입력하거나 목록에서 하나를 선택합니다.
1. 나중에 자격 증명을 찾는 데 도움이 되는 **보안 암호 이름을** 입력합니다.
------
1. **Snowflake 테이블 및 스키마 세부 정보에** 세부 정보를 수동으로 입력하거나 자동으로 세부 정보를 가져옵니다.
------
#### [ Enter the details manually ]
1. **Snowflake 계정 식별자**를 입력합니다.
자세한 내용은 Snowflake 설명서의 [계정 식별자](https://docs.snowflake.com/en/user-guide/admin-account-identifier#finding-the-organization-and-account-name-for-an-account)를 참조하세요.
계정 식별자는 Snowflake 드라이버에 사용되는 형식이어야 합니다. 식별자의 형식이가 되도록 마침표(.)를 하이픈(-)으로 바꿔야 합니다**-**.
1. **Snowflake 데이터베이스를** 입력합니다.
자세한 내용은 [Snowflake 설명서의 Snowflake 데이터베이스를](https://docs.snowflake.com/en/sql-reference/snowflake-db) 참조하세요.
1. **Snowflake 스키마 이름을** 입력합니다.
1. **Snowflake 테이블 이름을** 입력합니다.
자세한 내용은 [Snowflake 설명서의 Snowflake 테이블 구조 이해를 참조하세요](https://docs.snowflake.com/en/user-guide/tables-micro-partitions).
1. **스키마**에 **열 이름을** 입력하고 드롭다운 목록에서 **데이터 유형을** 선택합니다.
1. **열 추가**를 선택하여 열을 더 추가합니다.
+ **객체 데이터 유형을** 선택하는 경우 **객체 스키마**를 지정합니다.
**Example 객체 스키마 예제**
```
name STRING,
location OBJECT(
x INT,
y INT,
metadata OBJECT(uuid STRING)
),
history ARRAY(TEXT)
```
+ **배열 데이터 유형을** 선택하는 경우 **배열 스키마**를 지정합니다.
**Example 배열 스키마 예제**
```
OBJECT(x INT, y INT)
```
+ **맵 데이터 유형을** 선택하는 경우 **맵 스키마**를 지정합니다.
**Example 맵 스키마 예제**
```
STRING, OBJECT(x INT, y INT)
```
------
#### [ Automatically import the details ]
1. Snowflake에서 COLUMNS 뷰를 CSV 파일로 내보냅니다.
Snowflake COLUMNS 뷰에 대한 자세한 내용은 Snowflake 설명서의 [COLUMNS 뷰](https://docs.snowflake.com/en/sql-reference/info-schema/columns)를 참조하세요.
1. **파일에서 가져오기**를 선택하여 CSV 파일을 가져오고 추가 정보를 지정합니다.
데이터베이스 이름, 스키마 이름, 테이블 이름, 열 이름 및 데이터 유형을 자동으로 가져옵니다.
+ **객체 데이터 유형을** 선택하는 경우 **객체 스키마**를 지정합니다.
+ **배열 데이터 유형을** 선택하는 경우 **배열 스키마**를 지정합니다.
+ **맵 데이터 유형을** 선택하는 경우 **맵 스키마**를 지정합니다.
1. **Snowflake 계정 식별자**를 입력합니다.
자세한 내용은 Snowflake 설명서의 [계정 식별자](https://docs.snowflake.com/en/user-guide/admin-account-identifier#finding-the-organization-and-account-name-for-an-account)를 참조하세요.
**참고**
에 카탈로그화된 S3 테이블만 테이블 스키마를 자동으로 검색하는 데 사용할 AWS Glue 수 있습니다.
------
1. **공동 작업에 허용된 열에서** 목표에 따라 옵션을 선택합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/clean-rooms/latest/userguide/create-config-table-snowflake.html)
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)
# 구성된 테이블에 분석 규칙 추가
다음 단원에서는 구성된 테이블에 분석 규칙을 추가하는 방법에 대해 설명합니다. 분석 규칙을 정의하면 AWS Clean Rooms에서 지원하는 특정 분석 규칙과 일치하는 쿼리를 실행하도록 쿼리할 수 있는 구성원을 승인할 수 있습니다.
AWS Clean Rooms 는 다음과 같은 유형의 분석 규칙을 지원합니다.
+ [집계 분석 규칙](analysis-rules-aggregation.md)
+ [목록 분석 규칙](analysis-rules-list.md)
+ [의 사용자 지정 분석 규칙 AWS Clean Rooms](analysis-rules-custom.md)
구성된 테이블당 하나의 분석 규칙만 있을 수 있습니다. 구성된 테이블을 공동 작업과 연결하기 전에 언제든지 분석 규칙을 구성할 수 있습니다.
**중요**
Clean Rooms에 대한 암호화 컴퓨팅을 사용하고 공동 작업에서 데이터 테이블을 암호화한 경우 암호화된 구성 테이블에 추가하는 분석 규칙은 데이터가 암호화된 방식과 일치해야 합니다. 예를 들어 SELECT(집계 분석 규칙)에 대한 데이터를 암호화한 경우 JOIN(목록 분석 규칙)에 대한 분석 규칙을 추가해서는 안 됩니다.
**Topics**
+ [테이블에 집계 분석 규칙 추가(안내식 흐름)](#add-agg-analysis-rule-console-wizard)
+ [테이블에 목록 분석 규칙 추가(안내식 흐름)](#add-list-analysis-rule-console-wizard)
+ [테이블에 사용자 지정 분석 규칙 추가(안내식 흐름)](#add-custom-analysis-rule-wizard)
+ [테이블에 분석 규칙 추가(JSON 편집기)](#add-analysis-rule-console-json-editor)
+ [다음 단계](#add-analysis-rule-next-step)
## 테이블에 집계 분석 규칙 추가(안내식 흐름)
*집계 분석 규칙*을 사용하면 선택적 차원에 따라 COUNT, SUM, AVG 함수를 사용하여 행 수준 정보를 표시하지 않고 통계를 집계하는 쿼리를 사용할 수 있습니다.
이 절차에서는 AWS Clean Rooms 콘솔의 **안내식** 흐름 옵션을 사용하여 구성된 테이블에 집계 분석 규칙을 추가하는 프로세스를 설명합니다.
**참고**
non-S3 데이터 소스를 사용하여 구성된 테이블은 [사용자 지정 분석 규칙](#add-custom-analysis-rule-wizard)만 지원합니다.
**테이블에 집계 분석 규칙을 추가하려면(안내식 흐름)**
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. 구성된 테이블을 선택합니다.
1. 구성된 테이블 세부 정보 페이지에서 **분석 규칙 구성**을 선택합니다.
1. **1단계: 분석 규칙 유형 선택**의 **분석 규칙 유형**에서 **집계** 옵션을 선택합니다.
1. **생성 방법**에서 **유도 흐름**을 선택하고 **다음**을 선택합니다.
1. **2단계: 쿼리 컨트롤 지정**에서 **집계 함수**의 경우:
1. 드롭다운에서 **집계 함수**를 선택합니다.
+ **COUNT**
+ **COUNT DISTINCT**
+ **SUM**
+ **SUM DISTINCT**
+ **AVG**
1. 열 드롭다운에서 **집계 함수**에 사용할 수 있는 **열**을 선택합니다.
1. (선택 사항) **다른 함수 추가**를 선택하여 다른 집계 함수를 추가하고 하나 이상의 열을 해당 함수에 연결합니다.
**참고**
집계 함수가 최소 1개 이상 필요합니다.
1. (선택 사항) 집계 함수를 **제거**하려면 제거를 선택합니다.
1. **조인 컨트롤**의 경우,
1. **테이블을 단독으로 쿼리하도록 허용**하는 옵션 하나를 선택합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/clean-rooms/latest/userguide/add-analysis-rule.html)
1. **지정된 조인 열**에서는 INNER JOIN 명령문에서 사용할 수 있도록 허용하려는 열을 선택하세요.
이전 단계에서 **예**를 선택한 경우 이 옵션은 선택 사항입니다.**
1. **일치에 사용할 수 있는 연산자 지정**에서 여러 조인 열에서 일치시키는 데 사용할 수 있는 연산자(있는 경우)를 선택합니다. 두 개 이상의 JOIN 열을 선택하는 경우 이러한 연산자 중 하나가 필요합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/clean-rooms/latest/userguide/add-analysis-rule.html)
1. (선택 사항)** **차원 컨트롤**의 경우 **차원 열 지정** 드롭다운에서 SELECT 문에 사용할 수 있도록 허용할 열과 쿼리의 WHERE, GROUP BY, 및 ORDER BY 일부를 선택합니다.
**참고**
집계 함수 또는 조인 열은 **차원** 열로 사용할 수 없습니다.
1. **스칼라 함수**의 경우 **어떤 스칼라 함수를 허용하시겠습니까?**에 대한 옵션 하나를 선택합니다
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/clean-rooms/latest/userguide/add-analysis-rule.html)
자세한 내용은 [스칼라 함수](analysis-rules-aggregation.md#scalar-functions) 단원을 참조하십시오.
1. **다음**을 선택합니다.
1. **3단계: 쿼리 결과 제어 지정**에서 **집계** 제약 조건에 대해 다음을 수행하세요.
1. 각 **열** 이름의 드롭다운 목록을 선택합니다.
1. 각 출력 행에 COUNT DISTINCT 함수를 적용한 후 반환될 각 출력 행에 대해 충족되어야 하는 **고유 값의 최소 수**에 대한 드롭다운 목록을 선택합니다.
1. **제약 조건 추가**를 선택하여 집계 제약 조건을 더 추가합니다.
1. (선택 사항) 집계 **제약** 조건을 제거하려면 제거를 선택합니다.
1. **출력에 적용된 추가 분석**에서 목표에 따라 옵션을 선택합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/clean-rooms/latest/userguide/add-analysis-rule.html)
1. **다음**을 선택합니다.
1. **4단계: 검토 및 구성**에서 이전 단계에서 선택한 내용을 검토하고 필요한 경우 편집한 다음 분석 규칙 **구성**을 선택합니다.
테이블에 집계 분석 규칙을 성공적으로 구성했다는 확인 메시지가 표시됩니다.
## 테이블에 목록 분석 규칙 추가(안내식 흐름)
*목록 분석 규칙*을 사용하면 관련 테이블과 쿼리 가능한 구성원의 테이블 간에 겹치는 행 수준 목록을 출력하는 쿼리를 수행할 수 있습니다.
이 절차에서는 AWS Clean Rooms 콘솔의 **안내 흐름** 옵션을 사용하여 구성된 테이블에 목록 분석 규칙을 추가하는 프로세스를 설명합니다.
**참고**
non-S3 데이터 소스를 사용하여 구성된 테이블은 [사용자 지정 분석 규칙](#add-custom-analysis-rule-wizard)만 지원합니다.
**테이블에 목록 분석 규칙 추가하기(안내식 흐름)**
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. 구성된 테이블을 선택합니다.
1. 구성된 테이블 세부 정보 페이지에서 **분석 규칙 구성**을 선택합니다.
1. **1단계: 분석 규칙 유형 선택**의 **분석 규칙 유형**에서 **목록** 옵션을 선택합니다.
1. **생성 방법**에서 **흐름 안내**를 선택하고 **다음**을 선택합니다.
1. **2단계: 쿼리 컨트롤 지정**에서 **조인 컨트롤**의 경우:
1. **조인 열 지정**에서 INNER JOIN 명령문에 사용하도록 허용하려는 열을 선택합니다.
1. 일치 **허용 연산자 지정에서 다중 조인 열의 일치** 연산자 지정에 사용할 수 있는 연산자(있는 경우)를 선택합니다. 두 개 이상의 JOIN 열을 선택하는 경우 이러한 연산자 중 하나가 필요합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/clean-rooms/latest/userguide/add-analysis-rule.html)
1. (선택 사항)** **목록 컨트롤**의 경우 **목록 열 지정** 드롭다운에서 쿼리 출력에 사용(즉, SELECT 명령문에 사용)하거나 결과를 필터링하는 데 사용할 열(즉, WHERE 명령문)을 선택합니다.
1. **다음**을 선택합니다.
1. **3단계: 쿼리 결과 컨트롤 지정** 아래의 **출력에 적용된 추가 분석**에서 목표에 따라 옵션을 선택합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/clean-rooms/latest/userguide/add-analysis-rule.html)
1. **4단계: 검토 및 구성**에서 이전 단계에서 선택한 내용을 검토하고 필요한 경우 편집한 다음 분석 규칙 **구성**을 선택합니다.
테이블에 대한 목록 분석 규칙을 성공적으로 구성했다는 확인 메시지가 표시됩니다.
## 테이블에 사용자 지정 분석 규칙 추가(안내식 흐름)
사용자 지정 분석 규칙은 구성된 테이블에서 사용자 지정 SQL 쿼리 또는 PySpark 작업을 활성화합니다. 다음을 사용하는 경우 사용자 지정 분석 규칙이 필요합니다.
+ 사전 승인된 특정 SQL 쿼리 또는 PySpark 작업 세트 또는 데이터를 사용하는 쿼리를 제공할 수 있는 특정 계정 세트를 허용하는 [분석 템플릿](create-analysis-template.md)입니다.
+ 사용자 식별 시도로부터 보호하기 위한 [AWS Clean Rooms 차등 프라이버시](differential-privacy.md).
+ Amazon Athena 또는 Snowflake와 같은 Non-S3 데이터 소스입니다.
이 절차에서는 AWS Clean Rooms 콘솔의 **안내 흐름** 옵션을 사용하여 구성된 테이블에 사용자 지정 분석 규칙을 추가하는 프로세스를 설명합니다.
**테이블에 사용자 지정 분석 규칙 추가하기(안내식 흐름)**
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. 구성된 테이블을 선택합니다.
1. 구성된 테이블 세부 정보 페이지에서 **분석 규칙 구성**을 선택합니다.
1. **1단계: 분석 규칙 유형 선택**의 **분석 규칙 유형**에서 **사용자 지정** 옵션을 선택합니다.
1. **생성 방법**에서 **흐름 안내**를 선택하고 **다음**을 선택합니다.
1. **2단계: 분석 컨트롤 지정**에서 **직접 분석 컨트롤**의 경우 목표에 따라 옵션을 선택합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/clean-rooms/latest/userguide/add-analysis-rule.html)
1. **3단계: 분석 결과 컨트롤 지정**에서
1. **작업 결과 제어**의 경우 추가 결과 제어는 지원되지 않습니다.
1. **쿼리 결과 제어**의 **출력에 허용되지 않는 열**에서 목표에 따라 쿼리 출력에 허용할 열을 선택합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/clean-rooms/latest/userguide/add-analysis-rule.html)
1. **출력에 적용된 추가 분석**의 경우 목표에 따라 쿼리 출력에 추가 분석을 적용할 수 있는지 여부를 선택합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/clean-rooms/latest/userguide/add-analysis-rule.html)
1. **다음**을 선택합니다.
1. (선택 사항) **4단계: 차등 프라이버시 설정**에서 차등 프라이버시를 켜거나 끌지 여부를 결정합니다.
차등 프라이버시는 재식별 공격으로부터 데이터를 보호하는 수학적으로 입증된 기술입니다.
**참고**
AWS Clean Rooms 차등 프라이버시는 데이터가 Amazon S3에 저장되는 공동 작업에만 사용할 수 있습니다.
**차등 프라이버시**의 경우 목표에 따라 차등 프라이버시를 켤지 아니면 끌지 선택합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/clean-rooms/latest/userguide/add-analysis-rule.html)
1. **5단계: 검토 및 구성**에서 이전 단계에서 선택한 내용을 검토하고 필요한 경우 편집한 다음 **분석 규칙 구성**을 선택합니다.
테이블에 대한 사용자 지정 분석 규칙을 성공적으로 구성했다는 확인 메시지가 표시됩니다.
## 테이블에 분석 규칙 추가(JSON 편집기)
다음 절차에서는 AWS Clean Rooms 콘솔에서 **JSON 편집기** 옵션을 사용하여 테이블에 분석 규칙을 추가하는 방법을 보여줍니다.
**참고**
non-S3 데이터 소스를 사용하여 구성된 테이블은 [사용자 지정 분석 규칙](#add-custom-analysis-rule-wizard)만 지원합니다.
**테이블에 집계, 목록 또는 사용자 지정 분석 규칙을 추가하려면(JSON 편집기)**
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. 구성된 테이블을 선택합니다.
1. 구성된 테이블 세부 정보 페이지에서 **분석 규칙 구성**을 선택합니다.
1. **1단계: 분석 규칙 유형 선택**의 **분석 규칙 유형**에서 **집계**, **목록** 또는 **사용자 지정** 옵션을 선택합니다.
1. **생성 방법**에서 **JSON 편집기**를 선택하고 **다음**을 선택합니다.
1. **2단계: 컨트롤 지정**에서 쿼리 구조를 삽입(**템플릿 삽입**)하거나 파일을 삽입(**파일에서 가져오기**)하도록 선택할 수 있습니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/clean-rooms/latest/userguide/add-analysis-rule.html)
1. **다음**을 선택합니다.
1. **3단계: 검토 및 구성**에서 이전 단계에서 선택한 내용을 검토하고 필요한 경우 편집한 다음 **분석 규칙 구성**을 선택합니다.
테이블에 대한 분석 규칙을 성공적으로 구성했다는 확인 메시지가 나타납니다.
## 다음 단계
구성된 테이블에 분석 규칙을 구성했으므로 이제 다음을 수행할 준비가 되었습니다.
+ [구성된 테이블을 공동 작업에 연결](associate-configured-table.md)
+ (쿼리할 수 있는 구성원으로)[데이터 테이블을 쿼리](running-sql-queries.md)
# 구성된 테이블을 공동 작업에 연결
구성된 테이블을 생성하고 여기에 분석 규칙을 추가한 후 이를 공동 작업에 연결하고 AWS Glue 테이블에 액세스할 수 AWS Clean Rooms 있는 서비스 역할을 부여할 수 있습니다.
**참고**
이 서비스 역할에는 테이블에 대한 권한이 있습니다. 서비스 역할은 쿼리할 수 있는 회원을 대신하여 허용된 쿼리를 실행할 수 있는 AWS Clean Rooms 만 맡을 수 있습니다. 공동 작업 구성원(데이터 소유자 제외)은 공동 작업의 기본 테이블에 액세스할 수 없습니다. 데이터 소유자는 차등 프라이버시 기능을 켜서 다른 구성원이 자신의 테이블을 쿼리할 수 있도록 할 수 있습니다.
## 데이터 액세스 예산
구성된 테이블을 연결할 때 데이터 액세스 예산을 적용할 수 있습니다. *데이터 액세스 예산*은 공동 작업에서 쿼리, 작업 및 ML 입력 채널에 테이블을 사용할 수 있는 횟수를 제어합니다. 이러한 예산은 조직이 테이블 사용을 제한하여 리소스 사용률을 관리하고 비용을 제어하는 데 도움이 됩니다.
쿼리, 작업 또는 ML 입력 채널에서 테이블을 사용할 때마다 해당 테이블의 예산이 1씩 줄어듭니다. 예산이 0에 도달하면 테이블을 SQL 쿼리, Pyspark 작업 또는 테이블에서 파생된 ML 입력 채널의 일부로 사용할 수 없습니다.
정기적으로 새로 고치는 기간별 예산, 전체 사용량에 대한 수명 주기 예산 또는 둘 다를 설정할 수 있습니다. 기본적으로 테이블 사용량은 무제한입니다.
+ 기간별 예산 - 지정된 기간 내에이 테이블을 사용할 수 있는 시간을 제한하는 재생 가능한 할당입니다. 기간을 일별, 주별 또는 월별로 설정할 수 있습니다. 이 예산은 일별, 주별 또는 월별로 자동으로 새로 고치도록 설정할 수 있습니다.
+ 수명 예산 -이 테이블을 사용할 수 있는 총 횟수를 제한하는 실행 중인 할당입니다.
## 구성된 테이블 연결
다음 주제에서는 콘솔을 사용하여 구성된 테이블을 연결하고 공동 작업에 데이터 액세스 예산을 AWS Clean Rooms 적용하는 방법을 설명합니다.
AWS SDKs를 사용하여 구성된 테이블을 공동 작업에 연결하는 방법에 대한 자세한 내용은 [https://docs.aws.amazon.com/clean-rooms/latest/apireference/Welcome.html](https://docs.aws.amazon.com/clean-rooms/latest/apireference/Welcome.html)를 참조하세요.
### 1단계: 필수 구성 요소 완성
구성된 테이블을 연결하려면 다음 사전 조건을 완료해야 합니다.
+ Amazon S3 폴더 위치(단일 파일 아님)를 가리키는 AWS Glue 테이블
+ 암호화된 AWS Glue 테이블의 경우:
+ 테이블 복호화 AWS Glue 에 AWS KMS 키를 사용할 수 있는 권한이 있는 서비스 역할
+ AWS KMS암호화된 Amazon S3 데이터 세트의 경우: 서비스 역할에는 AWS KMS 키를 사용하여 Amazon S3 데이터를 해독할 수 있는 권한도 있어야 합니다.
암호화 구성에 대한 자세한 내용은 *AWS Glue 개발자 안내서*의 [에서 암호화 설정을 AWS Glue](https://docs.aws.amazon.com/glue/latest/dg/set-up-encryption.html) 참조하세요.
AWS Glue 테이블 위치를 확인하려면:
1. [https://console.aws.amazon.com/glue/](https://console.aws.amazon.com/glue/) AWS Glue 콘솔을 엽니다.
1. 테이블 세부 정보를 보고 S3 폴더를 가리키는 위치를 확인합니다.
### 2단계: 구성된 테이블 연결
**구성된 테이블을 연결하려면**
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. 테이블을 연결할 메서드를 선택합니다.
1. 구성된 테이블 세부 정보 페이지에서 다음을 수행합니다.
1. 왼쪽 탐색 창에서 **테이블**을 선택합니다.
1. 구성된 테이블을 선택합니다.
1. 구성된 테이블 세부 정보 페이지에서 **공동 작업에 연결**을 선택합니다.
1. **공동 작업에 테이블 연결** 대화 상자의 경우 드롭다운 목록에서 **공동 작업**을 선택합니다.
1. 공동 작업 세부 정보 페이지에서:
1. 왼쪽 탐색 창에서 **공동 작업**을 선택합니다.
1. 공동 작업을 선택합니다.
1. **테이블** 탭에서 테이블 **연결**을 선택합니다.
1. **테이블 연결** 페이지에서 다음 중 하나를 수행합니다.
+ 구성된 기존 테이블 선택 - 드롭다운 목록에서 공동 작업과 연결할 **구성된 테이블 이름을** 선택합니다.
+ 새 테이블 구성 - **새 테이블 구성을** 선택하고 **새 테이블 구성** 페이지의 프롬프트를 따릅니다.
+ 구성된 테이블에 대한 스키마 및 분석 규칙 보기 - **스키마 및 분석 규칙 보기를** 켭니다.
1. **테이블 연결 세부 정보**의 경우,
1. 관련 테이블의 **이름**을 입력합니다.
기본 이름을 사용하거나 이 테이블의 이름을 바꿀 수 있습니다.
1. (선택 사항) 작업에 대한 **설명**을 입력합니다.
설명은 쿼리 작성에 도움이 됩니다.
1. **새 서비스 역할 생성 및 사용** 또는 **기존 서비스 역할 사용**을 선택하여 **서비스 액세스** 권한을 지정합니다.
**참고**
Amazon Athena에서 지원하는 구성된 테이블을 연결하는 경우 드롭다운 목록에서 **기존 서비스 역할 이름을** 선택합니다. 서비스 역할에 데이터 세트에 대한 IAM 및 필요한 경우 Lake Formation 권한이 있는지 확인합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/clean-rooms/latest/userguide/associate-configured-table.html)
**참고**
AWS Clean Rooms 에는 분석 규칙에 따라 쿼리할 수 있는 권한이 필요합니다. 권한에 대한 자세한 내용은 섹션을 AWS Clean Rooms참조하세요[AWS 에 대한 관리형 정책 AWS Clean Rooms](security-iam-awsmanpol.md).
역할에에 대한 충분한 권한이 없는 경우 역할에에 대한 충분한 권한이 없다는 오류 메시지가 AWS Clean Rooms표시됩니다 AWS Clean Rooms. 계속하기 전에 역할 정책을 추가해야 합니다.
역할 정책을 수정할 수 없는 경우 AWS Clean Rooms 에서 서비스 역할에 대한 정책을 찾을 수 없다는 오류 메시지가 나타납니다.
1. **구성된 테이블 연결 리소스에 대해 구성된 테이블 연결 태그를** 활성화하려면 **새 태그 추가**를 선택한 다음 **키** 및 **값** 페어를 입력합니다.
1. **다음**을 선택합니다.
1. **공동 작업 분석 규칙 구성** 페이지에서 다음 중 하나를 선택합니다.
+ **예, 지금 공동 작업 분석 규칙 생성** - 테이블을이 공동 작업과 연결하고 공동 작업 분석 규칙을 생성합니다.
+ **아니요, 나중에 공동 작업 분석 규칙을 생성하겠습니다. 테이블을**이 공동 작업에만 연결합니다. 나중에 공동 작업 분석 규칙을 생성할 수 있습니다.
1. **예를 선택한 경우 지금 공동 작업 분석 규칙을 생성하고** 결과 **전송**에서 드롭다운 목록에서 **쿼리 출력에 대한 결과를 수신할 수 있는 멤버**를 선택합니다.
1. **다음**을 선택합니다.
1. **데이터 액세스 예산 추가** 페이지의 **데이터 액세스 예산 구성**에서 다음 중 하나를 선택합니다.
+ **예, 지금 데이터 액세스 예산 추가 **- 테이블을이 공동 작업과 연결하고 데이터 액세스 예산을 추가합니다. 기간 예산, 수명 예산 또는 둘 다를 선택할 수 있습니다.
+ **아니요, 나중에 데이터 액세스 예산을 추가할 것입니다**. 테이블을이 공동 작업에만 연결합니다. 나중에 데이터 액세스 예산을 추가할 수 있습니다.
**아니요를 선택하면 나중에 데이터 액세스 예산을 추가할 것입니다**. 15단계로 건너뜁니다.
1. **예를 선택하고 지금 데이터 액세스 예산을 추가하는** 경우 다음 예산 구성 중 하나를 선택합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/clean-rooms/latest/userguide/associate-configured-table.html)
1. **데이터 액세스 예산 요약**에서 선택 사항을 검토합니다.
**Example 예제**
예를 들어 **기간별 예산 금액을** 1,000으로 선택하고 **기간을** **주별**로 설정하고**, 주별 예산 자동 새로 고침** 확인란을 선택한 상태로 두고, **수명 예산**을 1,000,000으로 설정하면 **액세스 예산 요약**에 다음 메시지가 표시됩니다. 매주이 테이블은 쿼리 또는 작업을 실행하는 데 최대 1,000회 사용할 수 있습니다. 이 예산은 매주 일요일 00:00 UTC에 자동으로 새로 고치도록 설정되며,이 테이블이 1,000,000회 사용이라는 수명 예산에 도달할 때까지 계속 새로 고쳐집니다.
1. (선택 사항) **액세스 예산 리소스에 대해 데이터 액세스 예산 태그를** 활성화하려면 **새 태그 추가**를 선택하고 키 및 값 페어를 입력합니다.
1. **다음**을 선택합니다.
1. **검토 및 생성** 페이지에서 정보를 검토합니다.
1. 섹션을 편집해야 하는 경우 **편집**을 선택합니다.
1. 구성을 편집한 **후 다음을** 선택합니다.
1. **연결 테이블**을 선택합니다.
### 3단계: 다음 단계
구성된 데이터 테이블을 공동 작업에 연결했으니 이제 다음을 수행할 준비가 되었습니다.
+ 구성된 테이블에 [공동 작업 분석 규칙 추가](add-collaboration-analysis-rule.md)
+ 공동 작업 생성자인 경우 [공동 작업 편집](edit-collaboration.md)
+ [데이터 테이블 쿼리](running-sql-queries.md) (쿼리할 수 있는 멤버로서)
# 데이터 액세스 예산 구성
공동 작업자는 *데이터 액세스 예산*을 보고, 추가하고, 편집하고, 삭제하여 워크플로에서 테이블을 사용할 수 있는 횟수에 대한 제한을 설정할 수 있습니다. 이러한 예산을 사용하여 데이터와 비용을 관리합니다.
테이블을 쿼리하거나 테이블에서 파생된 ML 입력 채널을 사용하여 작업을 실행할 때마다 해당 테이블의 예산이 1씩 줄어듭니다. 예산이 0에 도달하면 테이블을 쿼리할 수 없으며 테이블에서 파생된 ML 입력 채널을 사용하여 ML 작업을 실행할 수 없습니다.
정기적으로 새로 고치는 기간별 예산, 전체 사용량에 대한 수명 주기 예산 또는 둘 다를 설정할 수 있습니다. 기본적으로 테이블 사용량은 무제한입니다.
+ 기간별 예산 - 지정된 기간 내에이 테이블을 사용할 수 있는 시간을 제한하는 재생 가능한 할당입니다. 기간을 일별, 주별 또는 월별로 설정할 수 있습니다. 이 예산은 일별, 주별 또는 월별로 자동으로 새로 고치도록 설정할 수 있습니다.
+ 수명 예산 -이 테이블을 사용할 수 있는 총 횟수를 제한하는 실행 중인 할당입니다.
**Topics**
+ [데이터 액세스 예산 보기](view-access-budget.md)
+ [기존 연결된 테이블에 데이터 액세스 예산 추가](add-access-budget-to-existing-associated-table.md)
+ [데이터 액세스 예산 편집](edit-access-budget.md)
+ [데이터 액세스 예산 삭제](delete-access-budget.md)
# 데이터 액세스 예산 보기
**테이블** 탭 또는 테이블 세부 정보 페이지에서 데이터 액세스 예산을 볼 수 있습니다.
**데이터 액세스 예산을 보려면**
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 **공동 작업**을 선택합니다.
1. 공동 작업을 선택합니다.
1. **테이블** 탭을 선택합니다.
1. 다음 중 하나를 수행하세요.
+ **나머지 데이터 액세스 예산** 열에서 세부 정보를 볼 예산을 선택합니다.
+ 테이블을 선택하고 테이블 세부 정보 페이지에서 아래로 스크롤하여 **데이터 액세스 예산 세부 정보** 섹션을 확인합니다.
# 기존 연결된 테이블에 데이터 액세스 예산 추가
공동 작업 구성원은 기존 연결 테이블에 데이터 액세스 예산을 추가할 수 있습니다.
**기존 연결된 테이블에 데이터 액세스 예산을 추가하려면**
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 **공동 작업**을 선택합니다.
1. 공동 작업을 선택합니다.
1. **테이블** 탭을 선택합니다.
1. 데이터 액세스 예산을 추가할 테이블 옆의 옵션 버튼을 선택합니다.
1. **작업** 드롭다운 목록의 **데이터 액세스 예산**에서 **추가**를 선택합니다(예산이 아직 없는 경우).
1. 다음 예산 구성 중 하나를 선택합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/clean-rooms/latest/userguide/add-access-budget-to-existing-associated-table.html)
1. **데이터 액세스 예산 요약**에서 선택 사항을 검토합니다.
1.
**Example 예제**
예를 들어 **기간별 예산 금액을** 1,000으로 선택하고 **기간을** **주별**로 설정하고**, 주별 예산 자동 새로 고침** 확인란을 선택한 상태로 두고, **수명 예산**을 1,000,000으로 설정하면 **액세스 예산 요약**에 다음 메시지가 표시됩니다. 매주이 테이블은 쿼리 또는 작업을 실행하는 데 최대 1,000회 사용할 수 있습니다. 이 예산은 매주 일요일 00:00 UTC에 자동으로 새로 고치도록 설정되며,이 테이블이 1,000,000회 사용이라는 수명 예산에 도달할 때까지 계속 새로 고쳐집니다.
1. (선택 사항) **액세스 예산 리소스에 대해 데이터 액세스 예산 태그를** 활성화하려면 **새 태그 추가**를 선택하고 키 및 값 페어를 입력합니다.
1. **데이터 액세스 예산 추가**를 선택합니다.
# 데이터 액세스 예산 편집
공동 작업 구성원은 데이터 액세스 예산을 편집할 수 있습니다. 데이터 액세스 예산을 편집하면 현재 예산 잔액이 재설정됩니다.
**테이블** 탭 또는 테이블 세부 정보 페이지에서 데이터 액세스 예산을 편집할 수 있습니다.
------
#### [ Tables tab ]
****테이블** 탭에서 데이터 액세스 예산을 편집하려면**
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 **공동 작업**을 선택합니다.
1. 공동 작업을 선택합니다.
1. **테이블** 탭을 선택합니다.
1. 편집하려는 테이블 옆의 옵션 버튼을 선택합니다.
1. **작업** 드롭다운 목록의 **데이터 액세스 예산**에서 **편집**을 선택합니다.
1. **데이터 액세스 예산 편집** 페이지에서 **기간별 예산** 또는 **수명 예산** 정보를 업데이트합니다.
1. **데이터 액세스 예산 요약**을 보고 편집한 내용이 올바른지 확인합니다.
1. **변경 사항 저장**을 선택합니다.
------
#### [ Table details page ]
**테이블 세부 정보 페이지에서 데이터 액세스 예산을 편집하려면**
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 **공동 작업**을 선택합니다.
1. 공동 작업을 선택합니다.
1. **테이블** 탭을 선택합니다.
1. 테이블을 선택합니다.
1. 테이블 세부 정보 페이지에서 아래로 스크롤하여 **데이터 액세스 예산 세부 정보** 섹션으로 이동합니다.
1. **작업** 드롭다운 목록에서 **편집**을 선택합니다.
1. **데이터 액세스 예산 편집** 페이지에서 **기간별 예산** 또는 **수명 예산** 정보를 업데이트합니다.
1. **변경 사항 저장**을 선택합니다.
------
# 데이터 액세스 예산 삭제
**테이블** 탭 또는 테이블 세부 정보 페이지에서 데이터 액세스 예산을 삭제할 수 있습니다.
------
#### [ Tables tab ]
****테이블** 탭에서 데이터 액세스 예산을 삭제하려면**
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 **공동 작업**을 선택합니다.
1. 공동 작업을 선택합니다.
1. **테이블** 탭을 선택합니다.
1. 삭제하려는 테이블 옆에 있는 옵션 버튼을 선택합니다.
1. **작업** 드롭다운 목록의 **데이터 액세스 예산**에서 **삭제**를 선택합니다.
**중요**
이 작업을 실행 취소할 수 없으며 데이터 액세스 예산이 무제한으로 재설정됩니다.
1. 데이터 액세스 예산을 삭제하려면 **삭제**를 선택합니다.
------
#### [ Table details page ]
**테이블 세부 정보 페이지에서 데이터 액세스 예산을 삭제하려면**
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 **공동 작업**을 선택합니다.
1. 공동 작업을 선택합니다.
1. **테이블** 탭을 선택합니다.
1. 테이블을 선택합니다.
1. 테이블 세부 정보 페이지에서 아래로 스크롤하여 **데이터 액세스 예산 세부 정보** 섹션으로 이동합니다.
1. **작업** 드롭다운 목록에서 **삭제**를 선택합니다.
**중요**
이 작업을 실행 취소할 수 없으며 데이터 액세스 예산이 무제한으로 재설정됩니다.
1. 데이터 액세스 예산을 삭제하려면 **삭제**를 선택합니다.
------
# 구성된 테이블에 공동 작업 분석 규칙 추가
*공동 작업 분석 규칙*을 사용하면 이 공동 작업과 관련된 컨트롤을 지정할 수 있습니다. 이러한 컨트롤은 구성된 테이블 분석 규칙과 함께 작동하여 이 공동 작업 내에서 이 테이블을 분석할 수 있는 방법을 결정합니다.
공동 작업 분석 규칙은 [구성된 테이블을 생성](create-configured-table.md)하고 [분석 규칙을 추가](add-analysis-rule.md)하고 [이를 공동 작업에 연결](associate-configured-table.md)한 후 구성된 테이블에 추가합니다. 테이블이 직접 분석을 지원하거나 추가 분석을 허용하도록 구성된 경우 공동 작업 분석 규칙을 추가해야 합니다.
+ **직접 분석** - 테이블을 직접 분석하는 쿼리에서 테이블을 사용할 수 있습니다. 예를 들어, 집계 측정 분석 또는 활성화를 위한 식별자 목록을 출력하는 쿼리에서 사용할 수 있습니다.
+ **추가 분석** - 테이블을 직접 분석하는 쿼리 외에도 추가 분석에 대한 입력으로 사용할 수도 있습니다. 예를 들어 테이블은 유사 ML 모델의 시드인 쿼리 또는 사용자 지정 ML 모델의 ML 입력 채널에 사용할 수 있습니다.
**테이블에 공동 작업 분석 규칙을 추가하려면**
1. 에 로그인 AWS Management Console 하고를 사용하여 [AWS Clean Rooms 콘솔](https://console.aws.amazon.com/cleanrooms/home)을 엽니다 AWS 계정 (아직 열지 않은 경우).
1. 왼쪽 탐색 창에서 **공동 작업**을 선택합니다.
1. 공동 작업을 선택합니다.
1. **테이블** 탭의 **내가 연결한 테이블**에서 공동 작업에 연결한 구성된 테이블을 확인합니다.
+ **직접 분석 상태** 또는 **추가 분석 상태**가 **준비 완료** 상태인 경우 테이블을 쿼리할 준비가 된 것입니다.
+ **직접 분석 상태** 또는 **추가 분석 상태**가 **준비되지 않음** 상태인 경우 상태를 선택한 다음 대화 상자에서 **구성**을 선택합니다.
1. **공동 작업 분석 규칙 구성** 페이지에서 **구성된 테이블 분석 규칙 보기**를 확장하여 세부 정보를 확인합니다.
1. **허용된 추가 분석**에서 목표에 따라 옵션을 선택합니다.
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/clean-rooms/latest/userguide/add-collaboration-analysis-rule.html)
1. **결과 전달**에서 **쿼리 출력에 대한 결과를 수신할 수 있는 멤버** 드롭다운에서 결과를 수신할 수 있는 사용자를 지정합니다.
1. **분석 규칙 구성**을 선택합니다.
# 차등 프라이버시 정책 구성(선택 사항)
**참고**
AWS Clean Rooms 차등 프라이버시는 데이터가 Amazon S3에 저장되는 공동 작업에만 사용할 수 있습니다.
이 절차에서는 AWS Clean Rooms 콘솔의 **안내 흐름** 옵션을 사용하여 공동 작업에서 차등 프라이버시 정책을 구성하는 프로세스를 설명합니다. 차등 프라이버시 보호 기능을 갖춘 모든 테이블에서 이 단계를 한 번 거쳐야 합니다.
**차등 프라이버시 설정을 구성하려면(안내식 흐름)**
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 **공동 작업**을 선택합니다.
1. 공동 작업을 선택합니다.
1. 공동 작업 페이지의 **테이블** 탭에서 **차등 프라이버시 정책 구성**을 선택합니다.
1. **차등 프라이버시 정책 구성** 페이지에서 다음 속성의 값을 선택합니다.
+ **프라이버시 예산**
+ **매월 프라이버시 예산 새로 고침**
+ **쿼리당 추가된 노이즈**
기본값을 사용하거나 특정 사용 사례를 지원하는 사용자 지정 값을 입력할 수 있습니다. **프라이버시 예산** 및 **쿼리당 추가된 노이즈** 값을 선택한 후 데이터에 대한 모든 쿼리에서 가능한 집계 수를 기준으로 결과 유틸리티를 미리 볼 수 있습니다.
1. **구성**을 선택합니다.
공동 작업을 위한 차등 프라이버시 정책을 성공적으로 구성했다는 확인 메시지가 표시됩니다.
차등 프라이버시를 구성했으므로 이제 다음을 수행할 준비가 되었습니다.
+ [데이터 테이블 쿼리](running-sql-queries.md) (쿼리할 수 있는 멤버로서)
+ [공동 작업](working-with-collaborations.md)(공동 작업 생성자인 경우)
## 차등 프라이버시 사용량 로그 보기
차등 프라이버시를 사용해 데이터를 보호하는 공동 작업 구성원은 차등 프라이버시 기능을 사용하는 공동 작업을 만든 후 프라이버시 예산 사용량을 모니터링할 수 있습니다.
**실행된 집계 수와 프라이버시 예산 중 사용된 프라이버시 예산을 보려면**
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 **공동 작업**을 선택합니다.
1. 공동 작업을 선택합니다.
1. **테이블** 탭을 선택합니다.
1. **사용량 로그 보기**(파란색 텍스트)를 선택합니다.
1. 프라이버시 예산 및 제공된 유틸리티 금액을 포함한 사용량 세부 정보를 확인하세요.
## 차등 프라이버시 정책 편집
차등 프라이버시 정책을 구성한 후 언제든지 프라이버시 요구 사항이 더 잘 반영되도록 업데이트할 수 있습니다.
**차등 프라이버시 정책을 편집하려면**
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 **공동 작업**을 선택합니다.
1. 공동 작업을 선택합니다.
1. 공동 작업 페이지의 **테이블** 탭에 있는 **내가 연결한 테이블**에서 **편집**을 선택합니다.
1. **차등 프라이버시 정책 편집** 페이지에서 다음 속성의 값을 새로 선택합니다.
+ **프라이버시 예산** - 공동 작업 중 언제든지 슬라이더 막대를 움직여 예산을 늘리거나 줄일 수 있습니다. 쿼리할 수 있는 구성원이 데이터 쿼리를 시작하면 예산을 줄일 수 없습니다. **개인 정보 보호 예산**이 증가하면 AWS Clean Rooms 는 새로 추가된 개인 정보 보호 예산을 활용하기 전에 기존 예산이 완전히 소비될 때까지 기존 예산을 계속 사용합니다.
+ **쿼리당 추가된 노이즈** - 공동 작업 중 언제든지 슬라이더 막대를 움직여 **쿼리당 추가되는 노이즈**를 늘리거나 줄일 수 있습니다.
**참고**
**대화형 예제**를 선택하여 **프라이버시 예산** 및 **쿼리당 추가되는 노이즈** 값의 차이가 실행 가능한 집계 함수의 수에 어떤 영향을 미치는지 살펴볼 수 있습니다.
**프라이버시 예산 새로 고침**의 값은 변경할 수 없습니다. 선택 항목을 변경하려면 차등 프라이버시를 삭제하고 새 정책을 생성해야 합니다.
1. **변경 사항 저장**을 선택합니다.
차등 프라이버시 정책을 성공적으로 편집했다는 확인 메시지가 표시됩니다.
## 차등 프라이버시 정책 삭제
공동 작업의 **테이블** 탭에서 차등 프라이버시 정책을 삭제할 수 있습니다.
**차등 프라이버시 정책을 삭제하려면**
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 **공동 작업**을 선택합니다.
1. 공동 작업을 선택합니다.
1. 공동 작업 페이지의 **테이블** 탭에서 **차등 프라이버시 정책** 옆의 **삭제**를 선택합니다.
1. 차등 프라이버시 정책을 삭제하려면 **삭제**를 선택합니다.
차등 프라이버시 정책을 삭제하면 해당 정책에서 프라이버시 예산 사용 로그에 액세스할 수 없습니다. 차등 프라이버시 정책이 삭제되면 차등 프라이버시 기능이 켜진 테이블은 쿼리할 수 없습니다.
## 계산된 차등 프라이버시 파라미터 보기
차등 프라이버시에 대한 전문 지식이 있는 사용자의 경우 공동 작업의 **분석** 탭에서 계산된 차등 프라이버시 파라미터를 볼 수 있습니다.
**계산된 차등 프라이버시 파라미터를 보려면**
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 **공동 작업**을 선택합니다.
1. 공동 작업을 선택합니다.
1. **분석** 탭의 **결과** 섹션에서 **계산된 차등 프라이버시 파라미터 보기를** 선택합니다.
**계산된 차등 프라이버시 파라미터** 표에서 집계 함수의 민감도 값을 볼 수 있습니다. 이 값은 단일 사용자 레코드가 추가, 제거 또는 수정될 경우 함수 결과가 변경될 수 있는 최대량으로 정의됩니다. 목록에는 다음 차등 프라이버시 파라미터가 포함됩니다.
+ **사용자 기여 한도**(UCL)는 SQL 쿼리에서 사용자가 기여한 최대 행 수입니다. 예를 들어 각 사용자가 여러 개의 노출을 가질 수 있는 지정된 캠페인에서 일치하는 총 노출 수를 계산하려는 경우 AWS Clean Rooms 차등 프라이버시 계산이 정확하려면 차등 프라이버시가 단일 사용자의 노출 수를 제한해야 합니다. 즉, 사용자가 바인딩보다 많은 노출을 가지고 있는 경우는 계산된 UCL 값에 따라 해당 사용자의 노출에 대한 균일한 무작위 샘플을 AWS Clean Rooms 자동으로 가져와 쿼리를 실행하는 동안 해당 사용자의 나머지 노출을 제외합니다. 고유 사용자 수를 세는 경우 UCL 값은 1이 됩니다. 한 명의 사용자를 추가, 제거 또는 수정하면 개별 사용자 수가 최대 1명까지 변경될 수 있기 때문입니다.
+ **최소값**은 다음과 같은 집계 함수 내에서 사용되는 표현식의 하한입니다(예: `sum()`). 예를 들어 표현식이 `purchase_value`로 알려진 열인 경우 최솟값은 열의 하한입니다.
+ **최대값**은 다음과 같은 집계 함수 내에서 사용되는 표현식의 상한입니다(예: `sum()`). 예를 들어 표현식이 `purchase_value`로 알려진 열인 경우 최댓값은 열의 상한입니다.
**계산된 차등 프라이버시 파라미터** 표에서 이러한 파라미터를 사용하여 쿼리 결과의 총 노이즈 양을 더 잘 이해할 수 있습니다. 예를 들어 **쿼리당 추가된 구성된 노이즈**가 30명의 사용자이고 `COUNT DISTINCT (user_id)` 쿼리가 실행되는 경우 차 AWS Clean Rooms 등 프라이버시는의 민감도가 1이기 때문에 확률이 높은 -30\$130 사이의 임의 노이즈`COUNT DISTINCT`를 추가합니다. 동일한 구성이 포함된 쿼리의 경우 AWS Clean Rooms 차등 프라이버시를 사용하면 한 명의 사용자가 쿼리 결과에 여러 행을 입력할 수 있으므로 사용자 기여도 한도에 따라 규모가 조정되는 통계적 노이즈가 추가됩니다. 모든 열 값이 양수인 `SUM` `SUM (purchase_value)` 쿼리의 경우 총 노이즈는 사용자 기여 한도에 최대값을 곱하여 조정됩니다. AWS Clean Rooms 차등 프라이버시는 자동으로 민감도 파라미터를 계산하여 쿼리 런타임에 노이즈를 추가하고 프라이버시 예산을 고갈합니다. 민감도 파라미터는 데이터에 따라 달라지므로 프라이버시 예산이 사용되어야 합니다.
# 테이블 및 분석 규칙 보기
**공동 작업 및 분석 규칙과 관련된 테이블을 보려면**
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 **공동 작업**을 선택합니다.
1. 공동 작업을 선택합니다.
1. **테이블** 탭을 선택합니다.
1. 다음 중 하나를 선택합니다.
1. 공동 작업과 관련된 **테이블을 보려면 귀하와 연결된 테이블의 경우** 테이블(파란색 텍스트)을 선택합니다.
1. 공동 작업과 관련된 다른 테이블을 보려면 **공동 작업자가 연계한 테이블**의 경우 테이블(파란색 텍스트)을 선택합니다.
1. 테이블 세부정보 페이지에서 테이블 세부 정보 및 분석 규칙을 확인하세요.
# 구성된 테이블 편집
사전 조건:
+ 에 액세스할 수 AWS 계정 있는 AWS Clean Rooms
다음 섹션에서는 Amazon S3, Amazon Athena 및 Snowflake 데이터 소스에 대한 테이블의 이름, 설명 및 구성 세부 정보를 편집하는 방법을 설명합니다.
AWS SDKs. [https://docs.aws.amazon.com/clean-rooms/latest/apireference/Welcome.html](https://docs.aws.amazon.com/clean-rooms/latest/apireference/Welcome.html)
**구성된 테이블을 편집하려면**
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. 생성한 구성된 테이블을 선택합니다.
1. 구성된 테이블 세부 정보 페이지에서 **편집**을 선택합니다.
1. 구성을 편집합니다.
1. **변경 사항 저장**을 선택합니다.
# 구성된 테이블 태그 편집
공동 작업 구성원은 구성된 테이블을 만든 후 **구성된 테이블** 탭에서 구성된 테이블 리소스의 태그를 관리할 수 있습니다.
**구성된 테이블 태그를 편집하려면**
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. 생성한 구성된 테이블을 선택합니다.
1. 구성된 테이블 세부 정보 페이지에서 **태그** 섹션으로 스크롤합니다.
1. **태그 관리**를 선택합니다.
1. **태그 관리** 페이지에서 다음 작업을 수행할 수 있습니다.
+ 태그를 제거하려면 **제거**를 선택합니다.
+ 태그를 추가하려면 **태그 추가**를 선택합니다.
+ 변경 사항을 저장하려면 **변경 사항 저장**을 선택합니다.
# 구성된 테이블 분석 규칙 편집
**구성된 테이블 분석 규칙을 편집하려면**
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. 생성한 구성된 테이블을 선택합니다.
1. 구성된 테이블 세부 정보 페이지에서 아래로 스크롤하여 **집계 분석 규칙**, **목록 분석 규칙** 또는 **사용자 지정 분석 규칙** 섹션으로 이동합니다. (선택은 구성된 테이블에 대해 선택한 분석 규칙 유형에 따라 달라집니다.)
1. **편집**을 선택합니다.
1. **분석 규칙 편집** 페이지에서 다음을 수행할 수 있습니다.
+ 다음과 같이 **분석 규칙 정의**를 수정합니다.
+ JSON 편집기를 수정합니다.
+ **파일에서 가져오기**를 선택하여 새 분석 규칙 정의를 업로드합니다.
+ 다음 옵션 중에서 선택하여 구성원이 공동 작업에서 보게 될 내용을 미리 볼 수 있습니다.
+ **테이블 보기**
+ **JSON**
+ **쿼리 예**
1. 변경 사항을 저장하려면 **변경 사항 저장**을 선택합니다.
# 구성된 테이블 분석 규칙 삭제
**주의**
이 작업은 취소할 수 없으며 모든 관련 리소스에 영향을 줍니다.
**구성된 테이블 분석 규칙을 삭제하려면**
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. 생성한 구성된 테이블을 선택합니다.
1. 구성된 테이블 세부 정보 페이지에서 아래로 스크롤하여 **집계 분석 규칙**, **목록 분석 규칙** 또는 **사용자 지정 분석 규칙** 섹션으로 이동합니다. (선택은 구성된 테이블에 대해 선택한 분석 규칙 유형에 따라 달라집니다.)
1. **삭제**를 선택합니다.
1. 분석 규칙을 삭제하려는 것이 확실하다면 **삭제**를 선택합니다.
# 구성된 테이블의 허용되지 않는 열
허용되지 않는 출력 열 구성은 쿼리 결과에 투영할 수 없는 열 목록(있는 경우)을 정의할 수 있는 AWS Clean Rooms 사용자 지정 분석 규칙의 제어입니다. 이 목록에 참조된 열은 ‘허용되지 않는 출력 열’로 간주됩니다. 즉, 이러한 열을 변환, 별칭 지정 또는 기타 방법으로 참조한 경우 쿼리의 최종 SELECT(프로젝션)에 표시되지 않을 수 있습니다.
이 기능은 열이 출력에 직접 표시되는 것은 차단하지만, 다른 메커니즘을 통해 기본값을 간접적으로 유추하는 것을 완전히 차단하지는 못합니다. 이러한 열은 최종 프로젝션에서 참조되지 않는 한 하위 쿼리나 공통 테이블 식(CTE)과 같은 프로젝션 절에서 계속 사용할 수 있습니다.
허용되지 않는 출력 열 구성은 사용 사례와 해당 개인 정보 보호 요구 사항에 따라 분석 템플릿 수준의 검토와 결합하여 테이블에 대한 제어를 적용하고 코드화할 있는 유연성을 제공합니다.
이 구성을 설정하는 방법에 대한 자세한 내용은 [테이블에 사용자 지정 분석 규칙 추가(안내식 흐름)](add-analysis-rule.md#add-custom-analysis-rule-wizard) 단원을 참조하세요.
**예시**
다음 예시는 허용되지 않는 출력 열 제어가 적용되는 방식을 보여줍니다.
+ 구성원 A는 구성원 B와 공동 작업을 하고 있습니다.
+ 구성원 B는 쿼리를 실행할 수 있는 구성원입니다.
+ 구성원 A는 *age*, *gender*, *email*, *name* 열이 포함된 *users* 테이블을 정의합니다. *age* 및 *name* 열은 허용되지 않는 출력 열입니다.
+ 구성원 B는 *age*, *gender*, *owner\$1name*이라는 유사한 열 집합이 포함된 *pets* 테이블을 정의합니다. 출력 열에 대한 제약 조건을 설정하지 않았으므로, 테이블의 모든 열이 쿼리에 자유롭게 표시될 수 있습니다.
구성원 B가 다음 쿼리를 실행할 경우 허용되지 않는 출력 열을 직접 표시할 수 없으므로 차단됩니다.
```
SELECT
age
FROM
users
```
구성원 B가 다음 쿼리를 실행할 경우 허용되지 않는 출력 열을 project star를 통해 암시적으로 표시할 수 없으므로 차단됩니다.
```
SELECT
*
FROM
users
```
구성원 B가 다음 쿼리를 실행할 경우 허용되지 않는 출력 열의 변환을 표시할 수 없으므로 차단됩니다.
```
SELECT
COUNT(age)
FROM
users
```
구성원 B가 다음 쿼리를 실행할 경우 별칭을 사용하여 허용되지 않는 출력 열을 최종 프로젝션에서 참조할 수 없으므로 차단됩니다.
```
SELECT
count_age
FROM
(SELECT COUNT(age) AS count_age FROM users)
```
구성원 B가 다음 쿼리를 실행할 경우 변환된 제한 열이 출력에 투영되므로 차단됩니다.
```
SELECT
CONCAT(name, email)
FROM
users
```
구성원 B가 다음 쿼리를 실행할 경우 CTE에 정의된 허용되지 않는 출력 열을 최종 프로젝션에서 참조할 수 없으므로 차단됩니다.
```
WITH cte AS (
SELECT
age AS age_alias
FROM
users
)
SELECT age_alias FROM cte
```
구성원 B가 다음 쿼리를 실행할 경우 허용되지 않는 출력 열을 최종 프로젝션에서 정렬 또는 파티션 키로 사용할 수 없으므로 차단됩니다.
```
SELECT
LISTAGG(gender) WITHIN GROUP (ORDER BY age) OVER (PARTITION BY age)
FROM
users
```
구성원 B가 다음 쿼리를 실행할 경우 허용되지 않는 출력 열의 일부인 열은 조인 또는 필터 절과 같은 쿼리의 다른 구문에서 계속 사용할 수 있으므로 쿼리가 성공합니다.
```
SELECT
u.name,
p.gender,
p.age
FROM
users AS u
JOIN
pets AS p
ON
u.name = p.owner_name
```
동일한 시나리오에서 구성원 B는 *users*의 *name* 열을 필터 또는 정렬 키로 사용할 수도 있습니다.
```
SELECT
u.email,
u.gender
FROM
users AS u
WHERE
u.name = 'Mike'
ORDER BY
u.name
```
또한 *users*의 허용되지 않는 출력 열은 다음과 같은 하위 쿼리 및 CTE와 같은 중간 프로젝션에 사용할 수 있습니다.
```
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)
```
# 구성된 테이블 연결 편집
공동 작업 구성원은 자신이 만든 구성된 테이블 연결을 편집할 수 있습니다.
**구성된 테이블 연결을 편집하려는 경우**
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 **공동 작업**을 선택합니다.
1. 공동 작업을 선택합니다.
1. **테이블** 탭을 선택합니다.
1. **귀하에게 연결된 테이블**의 경우, 테이블을 선택하세요.
1. 테이블 세부정보 페이지에서 아래로 스크롤하여 **테이블 연결 세부 정보**를 확인합니다.
1. **편집**을 선택합니다.
1. **구성된 테이블 연결 편집** 페이지에서 **설명** 또는 **서비스 액세스 정보**를 업데이트합니다.
1. **변경 사항 저장**을 선택합니다.
# 구성된 테이블 분리
공동 작업 구성원은 구성된 테이블을 공동 작업에서 분리할 수 있습니다. 이 작업을 수행하면 쿼리할 수 있는 구성원이 테이블을 쿼리할 수 없습니다.
**구성된 테이블의 연결을 해제하려면**
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 **공동 작업**을 선택합니다.
1. 공동 작업을 선택합니다.
1. **테이블** 탭을 선택합니다.
1. **귀하에게 생성한 테이블**에 대해 연결을 해제하려는 테이블 옆에 있는 옵션 버튼을 선택합니다.
1. **연결 해제**를 선택합니다.
1. 대화 상자에서 **연결 해제**를 선택하여 구성된 테이블의 연결을 해제할지 여부를 확인하고 쿼리할 수 있는 구성원이 테이블을 쿼리하지 못하도록 합니다.