Crear y usar AWS Glue DataBrew proyectos

Para crear un proyecto

1. Inicie sesión en la DataBrew consola Consola de administración de AWS y ábrala.

2. En el panel de navegación, selecciona PROYECTOS. A continuación, elija Crear proyecto.

3. Escriba un nombre para el proyecto. A continuación, elige una receta para adjuntarla a tu proyecto:

   • Elige Crear nueva receta si empiezas desde el principio. Al hacer esto, se crea una receta nueva y vacía y se adjunta al proyecto.

   • Elija Editar una receta existente si tiene una receta publicada anteriormente que desee utilizar para este proyecto. Si la receta está actualmente adjunta a otro proyecto o tiene algún trabajo definido, no podrá utilizarla en el nuevo proyecto. Selecciona Buscar recetas para ver qué recetas están disponibles.

   • Elige Importar pasos de una receta si ya tienes una receta que se ha publicado anteriormente y deseas importar sus pasos, y luego haz lo siguiente:

     1. Selecciona Buscar recetas para ver qué recetas están disponibles.

     2. Elige la versión publicada de la receta que quieres usar. Una receta puede tener varias versiones, según la frecuencia con la que la publiques mientras trabajas en la vista de proyecto.

     3. Seleccione Ver los pasos de la receta para examinar las transformaciones de datos de la receta.

4. Una vez que tenga una receta, elija el conjunto de datos con el que quiere trabajar en el panel Seleccione un conjunto de datos:

   • Mis conjuntos de datos: elija un conjunto de datos que haya creado anteriormente. Para obtener más información, consulte Creación de un proyecto).

   • Archivos de muestra: cree un nuevo conjunto de datos basado en los datos de muestra mantenidos por AWS. Estos datos de muestra son una excelente manera de explorar lo que DataBrew puede hacer sin tener que proporcionar sus propios datos. Asegúrese de introducir un nombre para su conjunto de datos.

   • Nuevo conjunto de datos: crea un nuevo conjunto de datos. Para obtener más información, consulte Creación de un proyecto.

5. Para los permisos de acceso, elija un rol AWS Identity and Access Management(IAM) que le permita DataBrew leer desde la ubicación de entrada de Amazon S3. En el caso de una ubicación de S3 propiedad de su AWS cuenta, puede elegir la función gestionada por el AwsGlueDataBrewDataAccessRole servicio. De este modo, podrá acceder DataBrew a los recursos de S3 de su propiedad.

6. En el panel de muestreo, puede encontrar opciones para crear una muestra de datos DataBrew a partir de su conjunto de datos.

   En Tipo, elige cómo se DataBrew deben obtener las filas de tu conjunto de datos:

   • Usa First n rows para crear una muestra basada en las primeras filas del conjunto de datos.

   • Use filas aleatorias para crear una muestra basada en una selección aleatoria de filas del conjunto de datos.

   • Elija el número de filas que aparecerán en la muestra: 500, 1000, 2500 o un tamaño de muestra personalizado, hasta un máximo de 5000 filas. Un tamaño de muestra más pequeño permite DataBrew realizar las transformaciones con mayor rapidez, lo que le permite ahorrar tiempo a la hora de elaborar la receta. Un tamaño de muestra más grande refleja con mayor precisión la composición de los datos fuente subyacentes. Sin embargo, la inicialización de la sesión del proyecto y las transformaciones interactivas son más lentas.

7. (Opcional) Elija Etiquetas para adjuntar etiquetas a su conjunto de datos.

   Las etiquetas son etiquetas simples que constan de una clave definida por el usuario y un valor opcional que pueden facilitar la administración, la búsqueda y el filtrado de DataBrew los proyectos por propósito, propietario, entorno u otros criterios.

8. Cuando los ajustes sean los que desea, elija Crear trabajo.