Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich. # Import von Massendaten in Amazon Personalize mit einem Datensatz-Importjob Nachdem Sie Ihre Eingabedaten formatiert (siehe[Vorbereiten von Trainingsdaten für Amazon Personalize](preparing-training-data.md)) und den Vorgang abgeschlossen haben[Erstellen eines Schemas und eines Datensatzes](data-prep-creating-datasets.md), können Sie Ihre Massendaten mit einem Datensatz-Importauftrag importieren. Ein *Datensatz-Importjob* ist ein Massenimport-Tool, das einen Datensatz mit Daten aus Amazon S3 füllt. Um Daten aus Amazon S3 zu importieren, müssen sich Ihre CSV-Dateien in einem Amazon S3 S3-Bucket befinden und Sie müssen Amazon Personalize die Erlaubnis erteilen, auf Ihre Amazon S3 S3-Ressourcen zuzugreifen: + Informationen zum Hochladen von Dateien auf Amazon S3 finden Sie unter [Hochladen von Dateien und Ordnern mithilfe von Drag & Drop](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/upload-objects.html) im Amazon Simple Storage Service-Benutzerhandbuch. + Informationen darüber, wie Sie Amazon Personalize Zugriff auf Ihre Dateien in Amazon S3 gewähren, finden Sie unter[Amazon Personalize Zugriff auf Amazon S3 S3-Ressourcen gewähren](granting-personalize-s3-access.md). Wenn Sie AWS Key Management Service (AWS KMS) für die Verschlüsselung verwenden, müssen Sie Amazon Personalize und Ihrer Amazon Personalize IAM-Servicerolle die Erlaubnis zur Verwendung Ihres Schlüssels erteilen. Weitere Informationen finden Sie unter [Amazon Personalize die Erlaubnis zur Verwendung Ihres AWS KMS Schlüssels erteilen](granting-personalize-key-access.md). Sie können einen Datensatz-Importauftrag mit der Amazon Personalize Personalize-Konsole, AWS Command Line Interface (AWS CLI) oder AWS SDKs erstellen. Wenn Sie zuvor einen Datensatz-Importauftrag für einen Datensatz erstellt haben, können Sie einen neuen Datensatz-Importjob verwenden, um die vorhandenen Massendaten zu ergänzen oder zu ersetzen. Weitere Informationen finden Sie unter [Aktualisierung von Daten in Datensätzen nach dem Training](updating-datasets.md). Wenn Sie einen Artikel, einen Benutzer oder eine Aktion mit derselben ID wie ein Datensatz importieren, der sich bereits in Ihrem Datensatz befindet, ersetzt Amazon Personalize ihn durch den neuen Datensatz. Wenn Sie zwei Artikelinteraktionen oder Aktionsinteraktionsereignisse mit exakt demselben Zeitstempel und identischen Eigenschaften aufzeichnen, speichert Amazon Personalize nur eines der Ereignisse. Nachdem Sie Ihre Daten importiert haben, können Sie Domain-Empfehlungen (für Domain-Datensatzgruppen) oder benutzerdefinierte Ressourcen (für benutzerdefinierte Datensatzgruppen) erstellen, um ein Modell anhand Ihrer Daten zu trainieren. Sie verwenden diese Ressourcen, um Empfehlungen zu generieren. Für weitere Informationen siehe [Domain-Empfehlungen in Amazon Personalize](creating-recommenders.md) oder [Maßgeschneiderte Ressourcen für das Training und die Bereitstellung von Amazon Personalize Personalize-Modellen](create-custom-resources.md). **Topics** + [Modi importieren](#bulk-import-modes) + [Einen Job zum Importieren von Datensätzen erstellen (Konsole)](#bulk-data-import-console) + [Einen Job zum Importieren von Datensätzen erstellen (AWS CLI)](#bulk-data-import-cli) + [Einen Job zum Importieren von Datensätzen erstellen (AWS SDKs)](#python-import-ex) ## Modi importieren Wenn Sie bereits einen Importauftrag für den Datensatz erstellt haben, können Sie konfigurieren, wie Amazon Personalize Ihre neuen Datensätze hinzufügt. Dazu geben Sie einen Importmodus für Ihren Datensatz-Importjob an. Wenn Sie keine Massendatensätze importiert haben, ist das Feld **Importmodus** in der Konsole nicht verfügbar und Sie können es nur `FULL` im `CreateDatasetImportJob` API-Vorgang angeben. Die Standardeinstellung ist ein vollständiger Ersatz. + Um alle vorhandenen Massendaten in Ihrem Datensatz zu überschreiben, wählen Sie in der Amazon Personalize Personalize-Konsole die Option **Bestehende Daten ersetzen** oder `FULL` im [CreateDatasetImportJob](API_CreateDatasetImportJob.md) API-Vorgang angeben. Dadurch werden keine Daten ersetzt, die Sie einzeln importiert haben, einschließlich Ereignisse, die in Echtzeit aufgezeichnet wurden. + Um die Datensätze an die vorhandenen Daten in Ihrem Datensatz anzuhängen, wählen Sie **Zu vorhandenen Daten hinzufügen** oder `INCREMENTAL` im `CreateDatasetImportJob` API-Vorgang angeben aus. Amazon Personalize ersetzt jeden Datensatz mit derselben ID durch den neuen. **Anmerkung** Um mit einem Datensatz-Importjob Daten an einen Datensatz mit Artikelinteraktionen oder Aktionsinteraktionen anzuhängen, benötigen Sie mindestens 1000 neue Datensätze für Artikelinteraktionen oder Aktionsinteraktionen. ## Einen Job zum Importieren von Datensätzen erstellen (Konsole) **Wichtig** Standardmäßig ersetzt ein Datensatz-Importjob alle vorhandenen Daten in dem Datensatz, den Sie in großen Mengen importiert haben. Wenn Sie bereits Massendaten importiert haben, können Sie Daten anhängen, indem Sie den [Importmodus](#bulk-import-modes) des Jobs ändern. Um mit der Amazon Personalize-Konsole Massendatensätze in einen Datensatz zu importieren, erstellen Sie einen Datensatz-Import-Job mit einem Namen, der IAM-Servicerolle und dem Speicherort Ihrer Daten. Wenn Sie Ihren Datensatz gerade in erstellt haben[Erstellen eines Schemas und eines Datensatzes](data-prep-creating-datasets.md), fahren Sie mit Schritt 5 fort. **Um Massendatensätze zu importieren (Konsole)** 1. Öffnen Sie zu [https://console.aws.amazon.com/personalize/Hause](https://console.aws.amazon.com/personalize/home) die Amazon Personalize Personalize-Konsole und melden Sie sich bei Ihrem Konto an. 1. Wählen Sie auf der Seite **Datensatzgruppen** Ihre Datensatzgruppe aus. Die **Übersicht** der Datensatzgruppe wird angezeigt. 1. Wählen Sie im Navigationsbereich **Datensätze** und dann den Datensatz aus, in den Sie Massendaten importieren möchten. 1. Wählen Sie unter **Datensatz-Importaufträge** die Option **Datensatz-Importjob erstellen** aus. 1. Wenn dies Ihr erster Datensatz-Importauftrag ist, wählen Sie für **Datenimportquelle** die Option **Daten aus S3 importieren** aus. 1. Geben Sie unter **Name des Datensatz-Import-Jobs** einen Namen für Ihren Importjob an. 1. Wenn Sie bereits Massendaten importiert haben, wählen Sie **im Importmodus** aus, wie der Datensatz aktualisiert werden soll. Wählen Sie entweder **Bestehende Daten ersetzen** oder **Zu vorhandenen Daten hinzufügen**. Diese Option wird nicht angezeigt, wenn es sich um Ihren ersten Job für den Datensatz handelt. Weitere Informationen finden Sie unter [Aktualisierung von Daten in Datensätzen nach dem Training](updating-datasets.md). 1. Geben **Sie unter Datenimportquelle** für **Datenstandort** an, wo Ihre Datendatei in Amazon S3 gespeichert ist. Verwenden Sie die folgende Syntax: **s3:/amzn-s3-demo-bucket//** Wenn sich Ihre CSV-Dateien in einem Ordner in Ihrem Amazon S3 S3-Bucket befinden und Sie mit einem Datensatz-Importjob mehrere CSV-Dateien in einen Datensatz hochladen möchten, können Sie den Pfad zu dem Ordner angeben. Amazon Personalize verwendet nur die Dateien in der ersten Ebene Ihres Ordners, es verwendet keine Daten in Unterordnern. Verwenden Sie die folgende Syntax mit einem `/` nach dem Ordnernamen: **s3:/amzn-s3-demo-bucket//** 1. Wählen Sie unter **IAM-Rolle** aus, ob Sie entweder eine neue Rolle erstellen oder eine vorhandene verwenden möchten. Wenn Sie die Voraussetzungen erfüllt haben, wählen Sie **Bestehende Servicerolle verwenden aus und geben Sie die Rolle** an, in [Eine IAM-Rolle für Amazon Personalize erstellen](set-up-required-permissions.md#set-up-create-role-with-permissions) der Sie sie erstellt haben. 1. Wenn Sie eine Metrik-Attribution erstellt haben und Metriken zu diesem Job in Amazon S3 veröffentlichen möchten, wählen Sie unter **Event-Metriken in S3 veröffentlichen** die Option **Metriken für diesen Importjob veröffentlichen** aus. Wenn Sie noch keine erstellt haben und Metriken für diesen Job veröffentlichen möchten, wählen Sie **Metrik-Attribution erstellen** aus, um eine neue Zuordnung auf einer anderen Registerkarte zu erstellen. Nachdem Sie die Metrik-Attribution erstellt haben, können Sie zu diesem Bildschirm zurückkehren und die Erstellung des Importjobs abschließen. Weitere Informationen zu metrischen Attributionen finden Sie unter. [Messung der Wirkung von Amazon Personalize Personalize-Empfehlungen](measuring-recommendation-impact.md) 1. Fügen Sie für **Tags** optional beliebige Tags hinzu. Weitere Informationen zum Taggen von Amazon Personalize Personalize-Ressourcen finden Sie unter. [Taggen von Amazon Personalize Personalize-Ressourcen](tagging-resources.md) 1. Wählen Sie **Start import (Import starten)**. Der Datenimportauftrag beginnt und die Seite **Dashboard Overview (Dashboard-Übersicht)** wird angezeigt. Der Dataset-Importvorgang ist abgeschlossen, wenn der Status als AKTIV angezeigt wird. Nachdem Sie Daten in einen Amazon Personalize Personalize-Datensatz importiert haben, können Sie [ihn analysieren](analyzing-data.md), in [einen Amazon S3 S3-Bucket exportieren](export-data.md), [aktualisieren](updating-datasets.md) oder [löschen](delete-dataset.md), indem Sie den Datensatz löschen. Nachdem Sie Ihre Daten importiert haben, können Sie Domain-Empfehlungen (für Domain-Datensatzgruppen) oder benutzerdefinierte Ressourcen (für benutzerdefinierte Datensatzgruppen) erstellen, um ein Modell anhand Ihrer Daten zu trainieren. Sie verwenden diese Ressourcen, um Empfehlungen zu generieren. Für weitere Informationen siehe [Domain-Empfehlungen in Amazon Personalize](creating-recommenders.md) oder [Maßgeschneiderte Ressourcen für das Training und die Bereitstellung von Amazon Personalize Personalize-Modellen](create-custom-resources.md). ## Einen Job zum Importieren von Datensätzen erstellen (AWS CLI) **Wichtig** Standardmäßig ersetzt ein Datensatz-Importjob alle vorhandenen Daten in dem Datensatz, den Sie in großen Mengen importiert haben. Wenn Sie bereits Massendaten importiert haben, können Sie Daten anhängen, indem Sie den [Importmodus](#bulk-import-modes) des Jobs ändern. Um Massendatensätze mit dem zu importieren AWS CLI, erstellen Sie mit dem [CreateDatasetImportJob](API_CreateDatasetImportJob.md) Befehl einen Job zum Importieren von Datensätzen. Wenn Sie zuvor einen Datensatz-Importauftrag für einen Datensatz erstellt haben, können Sie mithilfe des Importmodus-Parameters angeben, wie die neuen Daten hinzugefügt werden sollen. Weitere Informationen zum Aktualisieren vorhandener Massendaten finden Sie unter[Aktualisierung von Daten in Datensätzen nach dem Training](updating-datasets.md). **Massendatensätze importieren (AWS CLI)** 1. Erstellen Sie den Dataset-Importauftrag, indem Sie den folgenden Befehl ausführen. Geben Sie den Amazon-Ressourcennamen (ARN) für Ihren Datensatz an und geben Sie den Pfad zu Ihrem Amazon S3-Bucket an, in dem Sie die Trainingsdaten gespeichert haben. Verwenden Sie die folgende Syntax für den Pfad: **s3:/amzn-s3-demo-bucket//** Wenn sich Ihre CSV-Dateien in einem Ordner in Ihrem Amazon S3 S3-Bucket befinden und Sie mit einem Datensatz-Importjob mehrere CSV-Dateien in einen Datensatz hochladen möchten, können Sie den Pfad zu dem Ordner angeben. Amazon Personalize verwendet nur die Dateien in der ersten Ebene Ihres Ordners, es verwendet keine Daten in Unterordnern. Verwenden Sie die folgende Syntax mit einem `/` nach dem Ordnernamen: **s3:/amzn-s3-demo-bucket//** Geben Sie die AWS Identity and Access Management (IAM) -Rolle Amazon Resource Name (ARN) an, in [Eine IAM-Rolle für Amazon Personalize erstellen](set-up-required-permissions.md#set-up-create-role-with-permissions) der Sie erstellt haben. Der Standardwert `import-mode` ist `FULL`. Weitere Informationen finden Sie unter [Aktualisierung von Daten in Datensätzen nach dem Training](updating-datasets.md). Weitere Informationen über den Vorgang finden Sie im Abschnitt [CreateDatasetImportJob](API_CreateDatasetImportJob.md). ``` aws personalize create-dataset-import-job \ --job-name dataset import job name \ --dataset-arn dataset arn \ --data-source dataLocation=s3://amzn-s3-demo-bucket/filename \ --role-arn roleArn \ --import-mode FULL ``` Der ARN des Datensatz-Importauftrags wird angezeigt, wie im folgenden Beispiel gezeigt. ``` { "datasetImportJobArn": "arn:aws:personalize:us-west-2:acct-id:dataset-import-job/DatasetImportJobName" } ``` 1. Überprüfen Sie mit dem Befehl `describe-dataset-import-job` den Status. Geben Sie den Dataset-Importauftrag-ARN an, der im vorherigen Schritt zurückgegeben wurde. Weitere Informationen über den Vorgang finden Sie im Abschnitt [DescribeDatasetImportJob](API_DescribeDatasetImportJob.md). ``` aws personalize describe-dataset-import-job \ --dataset-import-job-arn dataset import job arn ``` Die Eigenschaften des Dataset-Importauftrags, einschließlich des Erstellungsstatus, werden angezeigt. Anfänglich wird das als CREATE PENDING `status` angezeigt. ``` { "datasetImportJob": { "jobName": "Dataset Import job name", "datasetImportJobArn": "arn:aws:personalize:us-west-2:acct-id:dataset-import-job/DatasetImportJobArn", "datasetArn": "arn:aws:personalize:us-west-2:acct-id:dataset/DatasetGroupName/INTERACTIONS", "dataSource": { "dataLocation": "s3://amzn-s3-demo-bucket/ratings.csv" }, "importMode": "FULL", "roleArn": "role-arn", "status": "CREATE PENDING", "creationDateTime": 1542392161.837, "lastUpdatedDateTime": 1542393013.377 } } ``` Der Dataset-Importvorgang ist abgeschlossen, wenn der Status als AKTIV angezeigt wird. Nachdem Sie Daten in einen Amazon Personalize Personalize-Datensatz importiert haben, können Sie [ihn analysieren](analyzing-data.md), in [einen Amazon S3 S3-Bucket exportieren](export-data.md), [aktualisieren](updating-datasets.md) oder [löschen](delete-dataset.md), indem Sie den Datensatz löschen. Nachdem Sie Ihre Daten importiert haben, können Sie Domain-Empfehlungen (für Domain-Datensatzgruppen) oder benutzerdefinierte Ressourcen (für benutzerdefinierte Datensatzgruppen) erstellen, um ein Modell anhand Ihrer Daten zu trainieren. Sie verwenden diese Ressourcen, um Empfehlungen zu generieren. Für weitere Informationen siehe [Domain-Empfehlungen in Amazon Personalize](creating-recommenders.md) oder [Maßgeschneiderte Ressourcen für das Training und die Bereitstellung von Amazon Personalize Personalize-Modellen](create-custom-resources.md). ## Einen Job zum Importieren von Datensätzen erstellen (AWS SDKs) **Wichtig** Standardmäßig ersetzt ein Datensatz-Importjob alle vorhandenen Daten in dem Datensatz, den Sie in großen Mengen importiert haben. Wenn Sie bereits Massendaten importiert haben, können Sie Daten anhängen, indem Sie den [Importmodus](#bulk-import-modes) des Jobs ändern. Um Daten zu importieren, erstellen Sie mit dem [CreateDatasetImportJob](API_CreateDatasetImportJob.md) Vorgang einen Datensatz-Importauftrag. Der folgende Code zeigt, wie Sie einen Datensatz-Importjob erstellen. Geben Sie den Jobnamen ein, legen Sie `datasetArn` den Amazon-Ressourcennamen (ARN) Ihres Datensatzes und den Pfad `dataLocation` zu Ihrem Amazon S3-Bucket fest, in dem Sie die Trainingsdaten gespeichert haben. Verwenden Sie die folgende Syntax für den Pfad: **s3:/amzn-s3-demo-bucket//.csv** Wenn sich Ihre CSV-Dateien in einem Ordner in Ihrem Amazon S3 S3-Bucket befinden und Sie mit einem Datensatz-Importjob mehrere CSV-Dateien in einen Datensatz hochladen möchten, können Sie den Pfad zu dem Ordner angeben. Amazon Personalize verwendet nur die Dateien in der ersten Ebene Ihres Ordners, es verwendet keine Daten in Unterordnern. Verwenden Sie die folgende Syntax mit einem `/` nach dem Ordnernamen: **s3:/amzn-s3-demo-bucket//** Geben Sie für die die `roleArn` AWS Identity and Access Management (IAM) -Rolle an, die Amazon Personalize die Berechtigungen für den Zugriff auf Ihren S3-Bucket erteilt. Siehe [Eine IAM-Rolle für Amazon Personalize erstellen](set-up-required-permissions.md#set-up-create-role-with-permissions). Der Standardwert `importMode` ist `FULL`. Dadurch werden alle Massendaten im Datensatz ersetzt. Um Daten anzuhängen, setzen Sie sie auf`INCREMENTAL`. Weitere Informationen zum Aktualisieren vorhandener Massendaten finden Sie unter[Aktualisierung von Daten in Datensätzen nach dem Training](updating-datasets.md). ------ #### [ SDK for Python (Boto3) ] ``` import boto3 personalize = boto3.client('personalize') response = personalize.create_dataset_import_job( jobName = 'YourImportJob', datasetArn = 'dataset_arn', dataSource = {'dataLocation':'s3://amzn-s3-demo-bucket/filename.csv'}, roleArn = 'role_arn', importMode = 'FULL' ) dsij_arn = response['datasetImportJobArn'] print ('Dataset Import Job arn: ' + dsij_arn) description = personalize.describe_dataset_import_job( datasetImportJobArn = dsij_arn)['datasetImportJob'] print('Name: ' + description['jobName']) print('ARN: ' + description['datasetImportJobArn']) print('Status: ' + description['status']) ``` ------ #### [ SDK for Java 2.x ] ``` public static String createPersonalizeDatasetImportJob(PersonalizeClient personalizeClient, String jobName, String datasetArn, String s3BucketPath, String roleArn, ImportMode importMode) { long waitInMilliseconds = 60 * 1000; String status; String datasetImportJobArn; try { DataSource importDataSource = DataSource.builder() .dataLocation(s3BucketPath) .build(); CreateDatasetImportJobRequest createDatasetImportJobRequest = CreateDatasetImportJobRequest.builder() .datasetArn(datasetArn) .dataSource(importDataSource) .jobName(jobName) .roleArn(roleArn) .importMode(importMode) .build(); datasetImportJobArn = personalizeClient.createDatasetImportJob(createDatasetImportJobRequest) .datasetImportJobArn(); DescribeDatasetImportJobRequest describeDatasetImportJobRequest = DescribeDatasetImportJobRequest.builder() .datasetImportJobArn(datasetImportJobArn) .build(); long maxTime = Instant.now().getEpochSecond() + 3 * 60 * 60; while (Instant.now().getEpochSecond() < maxTime) { DatasetImportJob datasetImportJob = personalizeClient .describeDatasetImportJob(describeDatasetImportJobRequest) .datasetImportJob(); status = datasetImportJob.status(); System.out.println("Dataset import job status: " + status); if (status.equals("ACTIVE") || status.equals("CREATE FAILED")) { break; } try { Thread.sleep(waitInMilliseconds); } catch (InterruptedException e) { System.out.println(e.getMessage()); } } return datasetImportJobArn; } catch (PersonalizeException e) { System.out.println(e.awsErrorDetails().errorMessage()); } return ""; } ``` ------ #### [ SDK for JavaScript v3 ] ``` // Get service clients and commands using ES6 syntax. import { CreateDatasetImportJobCommand, PersonalizeClient } from "@aws-sdk/client-personalize"; // create personalizeClient const personalizeClient = new PersonalizeClient({ region: "REGION" }); // Set the dataset import job parameters. export const datasetImportJobParam = { datasetArn: 'DATASET_ARN', /* required */ dataSource: { dataLocation: 's3://amzn-s3-demo-bucket//.csv' /* required */ }, jobName: 'NAME', /* required */ roleArn: 'ROLE_ARN', /* required */ importMode: "FULL" /* optional, default is FULL */ }; export const run = async () => { try { const response = await personalizeClient.send(new CreateDatasetImportJobCommand(datasetImportJobParam)); console.log("Success", response); return response; // For unit tests. } catch (err) { console.log("Error", err); } }; run(); ``` ------ Die Antwort des [DescribeDatasetImportJob](API_DescribeDatasetImportJob.md) Vorgangs beinhaltet den Status des Vorgangs. Sie müssen warten, bis sich der Status in ACTIVE ändert, bevor Sie mithilfe der Daten ein Modell schulen können. Der Dataset-Importvorgang ist abgeschlossen, wenn der Status als AKTIV angezeigt wird. Nachdem Sie Daten in einen Amazon Personalize Personalize-Datensatz importiert haben, können Sie [ihn analysieren](analyzing-data.md), in [einen Amazon S3 S3-Bucket exportieren](export-data.md), [aktualisieren](updating-datasets.md) oder [löschen](delete-dataset.md), indem Sie den Datensatz löschen. Nachdem Sie Ihre Daten importiert haben, können Sie Domain-Empfehlungen (für Domain-Datensatzgruppen) oder benutzerdefinierte Ressourcen (für benutzerdefinierte Datensatzgruppen) erstellen, um ein Modell anhand Ihrer Daten zu trainieren. Sie verwenden diese Ressourcen, um Empfehlungen zu generieren. Für weitere Informationen siehe [Domain-Empfehlungen in Amazon Personalize](creating-recommenders.md) oder [Maßgeschneiderte Ressourcen für das Training und die Bereitstellung von Amazon Personalize Personalize-Modellen](create-custom-resources.md).