Erforderliche Parameter für den Assistenten Datenquelle erstellen

Verwenden Sie diesen Parameter, bei dem Groß- und Kleinschreibung beachtet wird, damit Amazon ML Ihren Cluster finden und eine Verbindung zu ihm herstellen kann. Sie können die Cluster-ID (den Namen) von der Amazon Redshift Redshift-Konsole abrufen. Weitere Informationen zu Clustern finden Sie unter Amazon Redshift Clusters.

Verwenden Sie diesen Parameter, um Amazon ML mitzuteilen, welche Datenbank im Amazon Redshift Redshift-Cluster die Daten enthält, die Sie als Datenquelle verwenden möchten.

Verwenden Sie diese Parameter, um den Benutzernamen und das Passwort des Amazon Redshift Redshift-Datenbankbenutzers anzugeben, in dessen Kontext die Sicherheitsabfrage ausgeführt wird.

Verwenden Sie diesen Parameter, um den Namen der IAM-Rolle anzugeben, die Amazon ML verwenden soll, um die Sicherheitsgruppen für den Amazon Redshift Redshift-Cluster und die Bucket-Richtlinie für den Amazon S3 S3-Staging-Speicherort zu konfigurieren.

Wenn Sie keine IAM-Rolle haben, die auf Amazon Redshift zugreifen kann, kann Amazon ML eine Rolle für Sie erstellen. Wenn Amazon ML eine Rolle erstellt, erstellt es eine vom Kunden verwaltete Richtlinie und fügt sie einer IAM-Rolle hinzu. Die von Amazon ML erstellte Richtlinie gewährt Amazon ML die Erlaubnis, nur auf den von Ihnen angegebenen Cluster zuzugreifen.

Wenn Sie bereits über eine IAM-Rolle für den Zugriff auf Amazon Redshift verfügen, können Sie den ARN der Rolle eingeben oder die Rolle aus der Drop-down-Liste auswählen. IAM-Rollen mit Amazon Redshift Redshift-Zugriff sind oben in der Drop-down-Liste aufgeführt.

Die IAM-Rolle muss den folgenden Inhalt haben:

{
    "Version": "2012-10-17",
    "Statement": [
    {
        "Effect": "Allow",
        "Principal": {
            "Service": "machinelearning.amazonaws.com"
        },
        "Action": "sts:AssumeRole",
        "Condition": {
            "StringEquals": { "aws:SourceAccount": "123456789012" },
           "ArnLike": { "aws:SourceArn": "arn:aws:machinelearning:us-east-1:123456789012:datasource/*" }
        }
    }]
}

Weitere Informationen zu vom Kunden verwalteten Richtlinien finden Sie unter Vom Kunden verwaltete Richtlinien im IAM-Benutzerhandbuch.

Verwenden Sie diesen Parameter, um die SQL SELECT-Abfrage anzugeben, die Amazon ML in Ihrer Amazon Redshift Redshift-Datenbank ausführt, um Ihre Daten auszuwählen. Amazon ML verwendet die Amazon Redshift UNLOAD-Aktion, um die Ergebnisse Ihrer Abfrage sicher an einen Amazon S3 S3-Speicherort zu kopieren.

 "SELECT col1, col2, … FROM training_table" 

 "SELECT col1, col2, … FROM training_table ORDER BY random()" 

Verwenden Sie diesen Parameter, um den Amazon S3 S3-Pfad zu Ihrem Schema für die Amazon Redshift Redshift-Daten anzugeben, die Amazon ML exportiert.

Wenn Sie kein Schema für Ihre Datenquelle angeben, erstellt die Amazon ML-Konsole automatisch ein Amazon ML-Schema, das auf dem Datenschema der Amazon Redshift SQL-Abfrage basiert. Amazon ML-Schemas haben weniger Datentypen als Amazon Redshift Redshift-Schemas, es handelt sich also nicht um eine Konvertierung. one-to-one Die Amazon ML-Konsole konvertiert Amazon Redshift Redshift-Datentypen mithilfe des folgenden Konvertierungsschemas in Amazon ML-Datentypen.

Um in Amazon Binary ML-Datentypen konvertiert zu werden, müssen die Werte der Amazon Redshift Booleans in Ihren Daten Amazon ML-Binärwerte unterstützen. Wenn Ihr boolescher Datentyp Werte enthält, die nicht unterstützt werden, konvertiert Amazon ML diese in den spezifischsten Datentyp, den es gibt. Wenn ein Amazon Redshift Boolean beispielsweise die Werte0, und 2 hat1, konvertiert Amazon ML den Booleschen Wert in einen Datentyp. Numeric Weitere Informationen zu unterstützten binären Werten finden Sie unter Verwenden des Felds AttributeType .

Wenn Amazon ML einen Datentyp nicht ermitteln kann, wird standardmäßig der Datentyp verwendet. Text

Nachdem Amazon ML das Schema konvertiert hat, können Sie die zugewiesenen Amazon ML-Datentypen im Assistenten „Datenquelle erstellen“ überprüfen und korrigieren und das Schema überarbeiten, bevor Amazon ML die Datenquelle erstellt.

Verwenden Sie diesen Parameter, um den Namen des Amazon S3 S3-Staging-Speicherorts anzugeben, an dem Amazon ML die Ergebnisse der Amazon Redshift SQL-Abfrage speichert. Nach der Erstellung der Datenquelle verwendet Amazon ML die Daten im Staging-Speicherort, anstatt zu Amazon Redshift zurückzukehren.