Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Conceptos y términos fundamentales en AWS Glue DataBrew

A continuación, encontrará una descripción general de los conceptos y la terminología principales en AWS Glue DataBrew. Después de leer esta sección, consulteIntroducción al AWS Glue DataBrew, que explica el proceso de creación de proyectos y conexión de conjuntos de datos y tareas en ejecución.

Proyecto

El espacio de trabajo interactivo de preparación de datos DataBrew se denomina proyecto. Mediante un proyecto de datos, se administra una colección de elementos relacionados: datos, transformaciones y procesos programados. Como parte de la creación de un proyecto, se elige o se crea un conjunto de datos en el que trabajar. A continuación, creas una receta, que es un conjunto de instrucciones o pasos sobre los que DataBrew quieres actuar. Estas acciones transforman los datos sin procesar en un formulario que está listo para ser consumido por la canalización de datos.

Conjunto de datos

Por conjunto de datos se entiende simplemente un conjunto de datos: filas o registros que se dividen en columnas o campos. Cuando creas un DataBrew proyecto, te conectas a los datos que deseas transformar o preparar, o los cargas. DataBrew puede trabajar con datos de cualquier fuente, importados de archivos formateados y se conecta directamente a una lista cada vez mayor de almacenes de datos.

DataBrewEn efecto, un conjunto de datos es una conexión de solo lectura a sus datos. DataBrew recopila un conjunto de metadatos descriptivos para hacer referencia a los datos. No se puede modificar ni almacenar ningún dato real DataBrew. Para simplificar, utilizamos conjunto de datos para referirnos tanto al conjunto de datos real como a los DataBrew usos de los metadatos.

Fórmula

En DataBrew, una receta es un conjunto de instrucciones o pasos para los datos sobre los que DataBrew quieres actuar. Una receta puede contener muchos pasos y cada paso puede contener muchas acciones. Utilice las herramientas de transformación de la barra de herramientas para configurar todos los cambios que desee realizar en los datos. Más adelante, cuando esté listo para ver el producto final de la receta, asigne este trabajo DataBrew y lo programe. DataBrew almacena las instrucciones sobre la transformación de datos, pero no almacena ninguno de sus datos reales. Puede descargar recetas y reutilizarlas en otros proyectos. También puedes publicar varias versiones de una receta.

Trabajo

DataBrew se encarga de transformar sus datos ejecutando las instrucciones que configuró al preparar una receta. El proceso de ejecutar estas instrucciones se denomina trabajo. Un trabajo puede poner en práctica sus recetas de datos de acuerdo con un cronograma preestablecido. Sin embargo, no está limitado a un horario. También puede ejecutar trabajos a pedido. Si quieres perfilar algunos datos, no necesitas una receta. En ese caso, solo tiene que configurar un trabajo de perfil para crear un perfil de datos.

Linaje de datos

DataBrew rastrea los datos en una interfaz visual para determinar su origen, lo que se denomina linaje de datos. Esta vista muestra cómo fluyen los datos a través de diferentes entidades de donde provienen originalmente. Puede ver su origen, otras entidades que le influyeron, qué pasó con ellos a lo largo del tiempo y dónde se almacenaron.

Perfil de datos

Al perfilar sus datos, DataBrew crea un informe denominado perfil de datos. Este resumen proporciona información sobre la forma actual de los datos, incluido el contexto del contenido, la estructura de los datos y sus relaciones. Puede crear un perfil de datos para cualquier conjunto de datos ejecutando un trabajo de perfil de datos.