本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。 # 在 AWS Glue 中串流 ETL 任務 您可以建立串流擷取、轉換和載入 (ETL) 任務，讓它連續執行並從 Amazon Kinesis Data Streams、Apache Kafka 和 Amazon Managed Streaming for Apache Kafka (Amazon MSK) 的串流來源使用資料。這些任務會清理並轉換資料，然後將結果載入 Amazon S3 資料湖或 JDBC 資料存放區。 此外，您可以為 Amazon Kinesis Data Streams 產生資料。此功能僅適用於撰寫 AWS Glue 指令碼時。如需詳細資訊，請參閱[Kinesis 連線](aws-glue-programming-etl-connect-kinesis-home.md)。 依預設，AWS Glue 以 100 秒的間隔處理和寫出資料。這樣可以有效處理資料，並且可在資料到達時間比預期晚時執行彙總。您可以修改此時段大小，以提高適時性或彙總正確性。AWS Glue 串流任務使用檢查點而不是任務書籤來追蹤已讀取的資料。 **注意** AWS Glue 在串流 ETL 任務執行時按小時計費。 本影片討論串流 ETL 的成本挑戰，以及其中節省成本的功能 AWS Glue。 [![AWS Videos](http://img.youtube.com/vi/https://www.youtube.com/embed/6ggTFOtfUxU/0.jpg)](http://www.youtube.com/watch?v=https://www.youtube.com/embed/6ggTFOtfUxU) 建立串流 ETL 任務包含下列步驟： 1. 對於 Apache Kafka 串流來源，建立連接到 Kafka 來源或 Amazon MSK 叢集的 AWS Glue 連線。 1. 為串流來源手動建立 Data Catalog 資料表。 1. 為串流資料來源建立 ETL 任務。定義串流特定的任務屬性，並提供您自己的指令碼，或選擇修改產生的指令碼。 如需詳細資訊，請參閱[在 中串流 ETL AWS Glue](components-overview.md#streaming-etl-intro)。 為 Amazon Kinesis Data Streams 建立串流 ETL 任務時，您不需要建立 AWS Glue 連線。但是，如果有連線連接到以 Kinesis Data Streams 做為來源的 AWS Glue 串流 ETL 任務，則需要連到 Kinesis 的 Virtual Private Cloud (VPC) 端點。如需詳細資訊，請參閱 *Amazon VPC 使用者指南*中的[建立介面端點](https://docs.aws.amazon.com/vpc/latest/userguide/vpce-interface.html#create-interface-endpoint)。在另一個帳戶中指定 Amazon Kinesis Data Streams 時，您必須設定角色和政策以允許跨帳戶存取。如需詳細資訊，請參閱[範例：從不同帳戶中的 Kinesis 串流讀取](https://docs.aws.amazon.com/kinesisanalytics/latest/java/examples-cross.html)。 AWS Glue 串流 ETL 作業可以自動偵測壓縮資料、透明地解壓縮串流資料、在輸入來源上執行例行轉換並載入輸出存放區。 AWS Glue 根據輸入格式，支援以下壓縮類型的自動解壓縮： | 壓縮類型 | Avro 檔案 | Avro 資料 | JSON | CSV | Grok | | --- | --- | --- | --- | --- | --- | | BZIP2 | 是 | 是 | 是 | 是 | 是 | | GZIP | 否 | 是 | 是 | 是 | 是 | | SNAPPY | 是 (原始 Snappy) | 是 (框架式 Snappy) | 是 (框架式 Snappy) | 是 (框架式 Snappy) | 是 (框架式 Snappy) | | XZ | 是 | 是 | 是 | 是 | 是 | | ZSTD | 是 | 否 | 否 | 否 | 否 | | DEFLATE | 是 | 是 | 是 | 是 | 是 | **Topics** + [為 Apache Kafka 資料串流建立 AWS Glue 連線](#create-conn-streaming) + [為串流來源建立資料目錄資料表](#create-table-streaming) + [Avro 串流來源的注意事項與限制](#streaming-avro-notes) + [將 grok 模式套用至串流來源](#create-table-streaming-grok) + [定義串流 ETL 任務的任務屬性](#create-job-streaming-properties) + [串流 ETL 注意事項和限制](#create-job-streaming-restrictions) ## 為 Apache Kafka 資料串流建立 AWS Glue 連線 若要讀取 Apache Kafka 串流，您必須建立 AWS Glue 連線。 **為 Kafka 來源建立 AWS Glue 連線 (主控台)** 1. 在 https：//[https://console.aws.amazon.com/glue/](https://console.aws.amazon.com/glue/) 開啟 AWS Glue 主控台。 1. 在導覽窗格中，於 **Data catalog** ( Data Catalog ) 下選擇 **Connections** (連線)。 1. 選擇 **Add connection (新增連線)**，然後在 **Set up your connection’s properties (設定連線的屬性)** 頁面上輸入連線名稱。 **注意** 如需指定連線屬性的詳細資訊，請參見《[AWS Glue 連線屬性。](https://docs.aws.amazon.com/glue/latest/dg/aws-glue-api-catalog-connections)》。 1. 對於**連線類型**，請選擇 **Kafka**。 1. 對於 **Kafka bootstrap servers URLs (Kafka 引導伺服器 URL)**，請為您的 Amazon MSK 叢集或 Apache Kafka 叢集輸入引導代理程式的主機和連接埠號碼。僅使用 Transport Layer Security (TLS) 端點來建立與 Kafka 叢集的初始連線。不支援純文字端點。 以下是 Amazon MSK 叢集的主機名稱和連接埠號碼對的範例清單。 ``` myserver1.kafka.us-east-1.amazonaws.com:9094,myserver2.kafka.us-east-1.amazonaws.com:9094, myserver3.kafka.us-east-1.amazonaws.com:9094 ``` 如需取得引導代理程式資訊的詳細資訊，請參閱 *Amazon Managed Streaming for Apache Kafka 開發人員指南*中的[取得 Amazon MSK 叢集的引導代理程式](https://docs.aws.amazon.com/msk/latest/developerguide/msk-get-bootstrap-brokers.html)。 1. 如果您想要與 Kafka 資料來源的安全連線，請選取 **Require SSL connection (需要 SSL 連線)**，以及對於 **Kafka private CA certificate location (Kafka 私有 CA 憑證位置)**，輸入自訂 SSL 憑證的有效 Amazon S3 路徑。 對於自我管理的 Kafka 的 SSL 連線，自訂憑證是強制性的。這對於 Amazon MSK 是選用的。 如需指定 Kafka 之自訂憑證的詳細資訊，請參閱 [AWS Glue SSL 連線屬性](connection-properties.md#connection-properties-SSL)。 1. 使用 AWS Glue Studio 或 AWS CLI 指定 Kafka 用戶端身分驗證方法。若要存取，**AWS Glue**請從左側導覽窗格中的 **ETL** 選單 AWS Glue Studio 中選取 。 如需 Kafka 用戶端身分驗證方法的詳細資訊，請參閱 [用於用戶端身分驗證的 AWS Glue Kafka 連連線屬性](#connection-properties-kafka-client-auth)。 1. 選用地輸入描述，然後選擇 **Next (下一頁)**。 1. 對於 Amazon MSK 叢集，請指定其 Virtual Private Cloud (VPC)、子網路和安全群組。VPC 資訊對於自我管理 Kafka 是選用的。 1. 選擇 **Next (下一頁)** 檢閱所有連線屬性，然後選擇 **Finish (完成)**。 如需 AWS Glue 連線的詳細資訊，請參閱 [連線至資料](glue-connections.md)。 ### 用於用戶端身分驗證的 AWS Glue Kafka 連連線屬性 **SASL/GSSAPI (Kerberos) 身分驗證** 選擇此身分驗證方法將允許您指定 Kerberos 屬性。 **Kerberos Keytab** 選擇 Keytab 檔案的位置。Keytab 存放了一個或多個主體的長期金鑰。如需詳細資訊，請參閱 [MIT Kerberos 文件：Keytab](https://web.mit.edu/kerberos/krb5-latest/doc/basic/keytab_def.html)。 **Kerberos krb5.conf 檔案** 選擇 krb5.conf 檔案。這包含預設範圍 (類似網域的邏輯網路，可定義相同 KDC 下的一組系統) 和 KDC 伺服器的位置。如需詳細資訊，請參閱 [MIT Kerberos 文件：krb5.conf](https://web.mit.edu/kerberos/krb5-1.12/doc/admin/conf_files/krb5_conf.html)。 **Kerberos 主體和 Kerberos 服務名稱** 輸入 Kerberos 主體和服務名稱。如需詳細資訊，請參閱 [MIT Kerberos 文件：Kerberos 主體](https://web.mit.edu/kerberos/krb5-1.5/krb5-1.5.4/doc/krb5-user/What-is-a-Kerberos-Principal_003f.html)。 **SASL/SCRAM-SHA-512 身分驗證** 選擇此身分驗證方法將允許您指定身分驗證憑證。 **AWS Secrets Manager** 在搜尋方塊中鍵入名稱或 ARN 來搜尋字符。 **直接提供使用者名稱和密碼** 請在搜尋方塊中鍵入名稱或 ARN 來搜尋字符。 **SSL 用戶端身分驗證** 選擇此身分驗證方法將允許您透過瀏覽 Amazon S3 來選取 Kafka 用戶端金鑰存放區的位置。或者，您可以輸入 Kafka 用戶端金鑰存放區密碼和 Kafka 用戶端金鑰密碼。 **IAM 身分驗證** 此身分驗證方法不需要任何額外的規格，且只有當串流來源是 MSK Kafka 時才適用。 **SASL/PLAIN 身分驗證** 選擇此身分驗證方法可讓您指定身分驗證憑證。 ## 為串流來源建立資料目錄資料表 可針對串流來源手動建立的資料目錄表，此資料目錄表可指定來源資料串流屬性，包含資料結構描述。此資料表做為串流 ETL 任務的資料來源。 如果您不知道來源資料串流中資料的結構描述，您可以建立沒有結構描述的資料表。然後，當您建立串流 ETL 任務時，您可以開啟 AWS Glue 結構描述偵測功能。AWS Glue 會從串流資料判斷結構描述。 使用 [AWS Glue 主控台](https://console.aws.amazon.com/glue/)、 AWS Command Line Interface (AWS CLI) 或 AWS Glue API 來建立資料表。如需使用 AWS Glue 主控台手動建立資料表的詳細資訊，請參閱 [建立資料表](tables-described.md)。 **注意** 您無法使用 AWS Lake Formation 主控台建立資料表；您必須使用 AWS Glue主控台。 另外，請考慮以下 Avro 格式的串流來源或您可以套用 Grok 模式之日誌資料的資訊。 + [Avro 串流來源的注意事項與限制](#streaming-avro-notes) + [將 grok 模式套用至串流來源](#create-table-streaming-grok) **Topics** + [Kinesis 資料來源](#kinesis-source) + [Kafka 資料來源](#kafka-source) + [AWS Glue 結構描述登錄檔資料表來源](#schema-registry-table) ### Kinesis 資料來源 建立資料表時，請設定下列串流 ETL 屬性 (主控台)。 **來源類型** **Kinesis** **針對相同帳戶中的 Kinesis 來源：** **區域** Amazon Kinesis Data Streams 服務所在的 AWS 區域。區域和 Kinesis 串流名稱會一起翻譯成串流 ARN。 範例：https://kinesis.us-east-1.amazonaws.com **Kinesis 串流名稱** 串流名稱，如 *Amazon Kinesis Data Streams 開發人員指南*中的[建立串流](https://docs.aws.amazon.com/streams/latest/dev/kinesis-using-sdk-java-create-stream.html)所述。 **如需其他帳戶中的 Kinesis 來源，請參閱[此範例](https://docs.aws.amazon.com/kinesisanalytics/latest/java/examples-cross.html)，將角色和政策設定為允許跨帳戶存取。設定下列設定：** **串流 ARN** 消費者註冊的 Kinesis 資料串流的 ARN。如需詳細資訊，請參閱 中的 [Amazon Resource Name (ARNs) AWS 和服務命名空間](https://docs.aws.amazon.com/general/latest/gr/aws-arns-and-namespaces.html)*AWS 一般參考*。 **擔任的角色 ARN** 要擔任之角色的 Amazon Resource Name (ARN)。 **工作階段名稱 (選用)** 擔任角色工作階段的識別碼。 當同一個角色由不同委託人或出於不同原因而承擔時，使用角色工作階段名稱來唯一識別工作階段。在跨帳戶案例中，角色工作階段名稱對擁有該角色的帳戶是可見的，而且可以由擁有該角色的帳戶記錄。角色工作階段名稱也用於擔任角色委託人的 ARN。這表示使用臨時安全登入資料的後續跨帳戶 API 請求，會在其 AWS CloudTrail 日誌中向外部帳戶公開角色工作階段名稱。 **為 Amazon Kinesis Data Streams 設定串流 ETL 屬性 (AWS Glue API 或 AWS CLI)** + 若要為相同帳戶中的 Kinesis 來源設定串流 ETL 屬性，請在 `CreateTable` API 操作或 `create_table` CLI 命令的 `StorageDescriptor` 結構中指定 `streamName` 和 `endpointUrl` 參數。 ``` "StorageDescriptor": { "Parameters": { "typeOfData": "kinesis", "streamName": "sample-stream", "endpointUrl": "https://kinesis.us-east-1.amazonaws.com" } ... } ``` 或者，指定 `streamARN`。 **Example** ``` "StorageDescriptor": { "Parameters": { "typeOfData": "kinesis", "streamARN": "arn:aws:kinesis:us-east-1:123456789:stream/sample-stream" } ... } ``` + 若要為另一個帳戶中的 Kinesis 來源設定串流 ETL 屬性，請在 `CreateTable` API 操作或 `create_table` CLI 命令的 `StorageDescriptor` 結構中指定 `streamARN`、`awsSTSRoleARN` 和 `awsSTSSessionName` (選用) 參數。 ``` "StorageDescriptor": { "Parameters": { "typeOfData": "kinesis", "streamARN": "arn:aws:kinesis:us-east-1:123456789:stream/sample-stream", "awsSTSRoleARN": "arn:aws:iam::123456789:role/sample-assume-role-arn", "awsSTSSessionName": "optional-session" } ... } ``` ### Kafka 資料來源 建立資料表時，請設定下列串流 ETL 屬性 (主控台)。 **來源類型** **Kafka** **針對 Kafka 來源：** **主題名稱** 主題名稱依 Kafka 中所指定。 **連線** 參考 Kafka 來源的 AWS Glue 連線，如 [為 Apache Kafka 資料串流建立 AWS Glue 連線](#create-conn-streaming) 中所述。 ### AWS Glue 結構描述登錄檔資料表來源 若要使用使用 AWS Glue 結構描述登錄檔串流任務，請依照 [使用案例： AWS Glue Data Catalog](schema-registry-integrations.md#schema-registry-integrations-aws-glue-data-catalog) 中的說明建立或更新結構描述登錄檔資料表。 目前，AWS Glue 串流僅支援 Glue 結構描述登錄檔 Avro 格式，其中結構描述推斷設定為 `false`。 ## Avro 串流來源的注意事項與限制 下列注意事項和限制適用於 Avro 格式的串流來源： + 開啟結構描述偵測時，Avro 結構描述必須包含在裝載中。關閉時，裝載應該只包含資料。 + 動態框架不支援某些 Avro 資料類型。在 AWS Glue 主控台的建立資料表精靈 **Define a schema (定義結構描述)** 頁面中定義結構描述時，您無法指定這些資料類型。在結構描述偵測期間，Avro 結構描述中不支援的類型會轉換成支援的類型，如下所示： + `EnumType => StringType` + `FixedType => BinaryType` + `UnionType => StructType` + 如果您使用主控台中 **Define a schema (定義結構描述)** 頁面來定義資料表結構描述，則結構描述的隱含根元素類型為 `record`。如果您想要 `record` 以外的根元素類型，例如 `array` 或 `map`，則無法使用 **Define a schema (定義結構描述)** 頁面指定結構描述。相反，您必須略過該頁面，並將結構描述指定為資料表屬性或在 ETL 指令碼內指定。 + 若要在資料表屬性中指定結構描述，請完成建立資料表精靈、編輯資料表詳細資訊，並在 **Table properties (資料表屬性)** 下新增鍵值對。使用鍵 `avroSchema`，然後輸入值的結構描述 JSON 物件，如下列螢幕擷取畫面所示。 ![\[在 Table properties (資料表屬性) 標題下方，有兩欄文字欄位。左側欄標題為 Key (金鑰)，右側的欄標題為 Value (數值)。第一行中的鍵/值對是 classification/avro。第二行中的鍵/值對是 avroSchema/{"type":"array","items":"string"}。\]](http://docs.aws.amazon.com/zh_tw/glue/latest/dg/images/table_properties_avro.png) + 若要在 ETL 指令碼中指定結構描述，請修改 `datasource0` 指派陳述式，並新增 `avroSchema` 鍵至 `additional_options` 參數，如下列 Python 和 Scala 範例所示。 ------ #### [ Python ] ``` SCHEMA_STRING = ‘{"type":"array","items":"string"}’ datasource0 = glueContext.create_data_frame.from_catalog(database = "database", table_name = "table_name", transformation_ctx = "datasource0", additional_options = {"startingPosition": "TRIM_HORIZON", "inferSchema": "false", "avroSchema": SCHEMA_STRING}) ``` ------ #### [ Scala ] ``` val SCHEMA_STRING = """{"type":"array","items":"string"}""" val datasource0 = glueContext.getCatalogSource(database = "database", tableName = "table_name", redshiftTmpDir = "", transformationContext = "datasource0", additionalOptions = JsonOptions(s"""{"startingPosition": "TRIM_HORIZON", "inferSchema": "false", "avroSchema":"$SCHEMA_STRING"}""")).getDataFrame() ``` ------ ## 將 grok 模式套用至串流來源 您可以為日誌資料來源建立串流 ETL 任務，並使用 Grok 模式將日誌轉換為結構化資料。ETL 任務接著會將資料當成結構化資料來源處理。您可以指定當您為串流來源建立 Data Catalog 資料表時要套用的 Grok 模式。 如需 Grok 模式和自訂模式字串值的相關資訊，請參閱 [撰寫 grok 自訂分類器](custom-classifier.md#custom-classifier-grok)。 **將 grok 模式新增至資料目錄資料表 (主控台)** + 使用建立資料表精靈，並使用 [為串流來源建立資料目錄資料表](#create-table-streaming) 中指定的參數建立資料表。指定資料格式為 Grok，填寫 **Grok pattern (Grok 模式)** 欄位，並選擇性地在 **Custom patterns (optional) (自訂模式 (選用))** 下方新增自訂模式。 ![\[*\]](http://docs.aws.amazon.com/zh_tw/glue/latest/dg/images/grok-data-format-create-table.png) 在每個自訂模式之後按 **Enter**。 **將 grok 模式新增至 Data Catalog 資料表 (AWS Glue API 或 AWS CLI)** + 新增 `GrokPattern` 參數，並選擇性地將 `CustomPatterns` 參數新增至 `CreateTable` API 操作或 `create_table` CLI 命令。 ``` "Parameters": { ... "grokPattern": "string", "grokCustomPatterns": "string", ... }, ``` 將 `grokCustomPatterns` 表示為字串，並使用 "\$1n" 作為模式之間的分隔符。 下列是指定這些參數的範例。 **Example** ``` "parameters": { ... "grokPattern": "%{USERNAME:username} %{DIGIT:digit:int}", "grokCustomPatterns": "digit \d", ... } ``` ## 定義串流 ETL 任務的任務屬性 在 AWS Glue 主控台上定義串流 ETL 任務時，請提供下列串流特定的屬性。如需其他任務屬性的說明，請參閱 [定義 Spark 任務的任務屬性](add-job.md#create-job)。​ **IAM 角色** 指定用於授權執行任務、存取串流來源和存取目標資料存放區之資源的 AWS Identity and Access Management (IAM) 角色。 若要存取 Amazon Kinesis Data Streams，請將 `AmazonKinesisFullAccess` AWS 受管政策連接至角色，或連接類似的 IAM 政策，以允許更精細的存取。如需政策範例，請參閱[使用 IAM 控制對 Amazon Kinesis Data Streams 資源的存取](https://docs.aws.amazon.com/streams/latest/dev/controlling-access.html)。 如需在 AWS Glue 執行任務之許可的詳細資訊，請參閱 [Glue AWS 的身分和存取管理](security-iam.md)。 **Type** 選擇 **Spark streaming (Spark 串流)**。 **AWS Glue 版本** AWS Glue 版本決定了可用於任務的 Apache Spark 和 Python 或 Scala 版本。選擇一個選項，指定可用於任務的 Python 或 Scala 版本。AWS Glue具有 Python 3 支援的 2.0 版本是串流 ETL 任務的預設值。 **Maintenance window (維護時段)** 指定可以在其中重新啟動串流任務的時段。請參閱 [AWS Glue 串流的維護時段](glue-streaming-maintenance.md)。 **任務逾時** 選擇性地輸入持續時間 (以分鐘為單位)。預設值為空白。 + 串流任務的逾時值必須少於 7 天或 10,080 分鐘。 + 當您將值保留空白時，如果尚未設定維護時段，系統會在 7 天後重新啟動任務。如果您已設定維護時段，系統會在 7 天後的維護時段期間重新啟動任務。 **資料來源** 指定您在 [為串流來源建立資料目錄資料表](#create-table-streaming) 中建立的資料表。 **資料目標** 執行以下任意一項： + 選擇 **Create tables in your data target (在您的資料目標中建立資料表)**，然後指定下列資料目標屬性。 **資料存放區** 選擇 Amazon S3 或 JDBC。 **格式** 選擇任何格式。全部支援串流。 + 選擇 **Use tables in the data catalog and update your data target (使用 Data Catalog 中的資料表並更新您的資料目標)**，然後選擇 JDBC 資料存放區的資料表。 **輸出結構描述定義** 執行以下任意一項： + 選擇 **Automatically detect schema of each record (自動偵測每筆記錄的結構描述)** 以開啟結構描述偵測。AWS Glue 會從串流資料判斷結構描述。 + 選擇 **Specify output schema for all records (指定所有記錄的輸出結構描述)**，以使用「套用映射」轉換來定義輸出結構描述。 **指令碼** 選擇性地提供您自己的指令碼或修改產生的指令碼，以執行 Apache Spark 結構化串流引擎支援的操作。如需可用操作的詳細資訊，請參閱[串流 DataFrames/資料集上的操作](https://spark.apache.org/docs/latest/structured-streaming-programming-guide.html#operations-on-streaming-dataframesdatasets)。 ## 串流 ETL 注意事項和限制 請記住下列注意事項和限制： + 自動解壓縮 AWS Glue 串流 ETL 作業僅適用於支援的壓縮類型。同時請注意以下各項： + 框架式 Snappy 指的是官方 Snappy [框架格式](https://github.com/google/snappy/blob/main/framing_format.txt)。 + Glue 3.0 版支援 Deflate，而 Glue 2.0 版不支援。 + 使用結構描述偵測時，您無法執行串流資料的聯結。 + AWS Glue 串流 ETL 任務不支援 Avro 格式 AWS Glue 結構描述登錄檔的 Union 資料類型。 + 您的 ETL 指令碼可以使用 Apache Spark 結構化串流原生的 AWS Glue 內建轉換。如需詳細資訊，請參閱 Apache Spark 網站上的[串流 DataFrames/資料集上的操作](https://spark.apache.org/docs/latest/structured-streaming-programming-guide.html#operations-on-streaming-dataframesdatasets)或 [AWS Glue PySpark 轉換參考](aws-glue-programming-python-transforms.md)。 + AWS Glue 串流 ETL 任務使用檢查點來追蹤已讀取的資料。因此，已停止再重新啟動的任務會從原先在串流中停止的位置接續下去。如果想要重新處理資料，您可以刪除指令碼中參考的檢查點資料夾。 + 不支援任務書籤。 + 若要在任務中使用 Kinesis Data Streams 的強化廣發功能，請參閱 [在 Kinesis 串流任務中使用強化廣發功能](aws-glue-programming-etl-connect-kinesis-efo.md)。 + 如果使用從 AWS Glue 結構描述登錄檔建立的 Data Catalog 資料表，則當新的結構描述版本可用時，為了反映新的結構描述，您需要執行以下操作： 1. 停止與資料表相關聯的任務。 1. 更新「 Data Catalog 」資料表的結構描述。 1. 重新啟動與資料表相關聯的任務。