Introducción a los almacenamientos de datos aprovisionados de Amazon Redshift

Si es la primera vez que utiliza Amazon Redshift, le recomendamos que lea las secciones siguientes como ayuda para comenzar a utilizar los clústeres aprovisionados. El flujo básico de Amazon Redshift consiste en crear recursos aprovisionados, conectarse a Amazon Redshift, cargar datos de muestra y, a continuación, ejecutar consultas en los datos. En esta guía, puede elegir cargar los datos de muestra desde Amazon Redshift o desde un bucket de Amazon S3. Los datos de muestra se utilizan en toda la documentación de Amazon Redshift para demostrar características.

En este tutorial se muestra cómo utilizar los clústeres aprovisionados de Amazon Redshift, que son objetos de almacenamiento de datos de AWS para los que se administran los recursos del sistema. También puede usar Amazon Redshift con grupos de trabajo sin servidor, que son objetos de almacenamiento de datos que se escalan automáticamente en respuesta al uso. Para empezar a utilizar Redshift sin servidor, consulte Introducción a los almacenamientos de datos de Amazon Redshift sin servidor.

Después de crear la consola de Amazon Redshift y de iniciar sesión en ella, puede crear y administrar objetos de Amazon Redshift, incluidos clústeres, nodos y bases de datos. También puede ejecutar consultas, ver consultas y realizar otras operaciones del lenguaje de definición de datos (DDL) y del lenguaje de manipulación de datos (DML) con un cliente de SQL.

Inicie sesión en la AWS Management Console y abra la consola de Amazon Redshift en https://console.aws.amazon.com/redshiftv2/.

Le recomendamos que, para empezar, vaya al Panel de clústeres aprovisionados para empezar a utilizar la consola de Amazon Redshift.

Según la configuración, los siguientes elementos aparecen en el panel de navegación de la consola aprovisionada de Amazon Redshift:

En este tutorial, debe realizar los siguientes pasos.

Inscripción en AWS

Si aún no tiene una Cuenta de AWS, regístrese para obtener una. Si ya tiene una cuenta, puede saltearse este requisito previo y utilizar la cuenta existente.

Determinación de reglas de firewall

En algunos entornos, deberá especificar un puerto cuando lance el clúster de Amazon Redshift. Se utiliza este puerto junto con la URL del punto de conexión del clúster para acceder al clúster. También deberá crear una regla de entrada en un grupo de seguridad para permitir el acceso al clúster a través del puerto.

Si el equipo cliente está protegido por un firewall, asegúrese de conocer un puerto abierto que pueda utilizar. Con este puerto abierto, puede conectarse al clúster desde una herramienta cliente SQL y ejecutar consultas. Si no conoce un puerto abierto, deberá trabajar con alguna persona que entienda las reglas del firewall de red para encontrar un puerto abierto en su firewall.

Si bien Amazon Redshift utiliza el puerto 5439 de forma predeterminada, la conexión no funciona si dicho puerto no está abierto en el firewall. No se puede cambiar el número de puerto que corresponde al clúster de Amazon Redshift después de crearlo. Por lo tanto, asegúrese de especificar un puerto abierto que funcione en su entorno durante el proceso de lanzamiento.

Paso 1: Crear un clúster de Amazon Redshift de muestra

En este tutorial, seguirá el proceso de creación de un clúster de Amazon Redshift con una base de datos. Luego, deberá cargar un conjunto de datos desde Amazon S3 en las tablas de la base de datos. Puede utilizar este clúster de ejemplo para evaluar el servicio de Amazon Redshift.

Antes de comenzar a configurar el clúster de Amazon Redshift, asegúrese de completar los requisitos previos, como Inscripción en AWS y Determinación de reglas de firewall.

Para cualquier operación que acceda a datos que estén en otro recurso de AWS, el clúster necesita permiso para acceder en su nombre al recurso y a los datos del recurso. Un ejemplo es el uso de un comando de SQL COPY para cargar datos desde Amazon Simple Storage Service (Amazon S3). Estos permisos los concede utilizando AWS Identity and Access Management (IAM). Puede hacerlo a través de un rol de IAM que haya creado y asociado al clúster. Para obtener más información sobre las credenciales y los permisos de acceso, consulte Credenciales y permisos de acceso en la Guía para desarrolladores de bases de datos de Amazon Redshift.

Paso 2: Configurar las reglas de entrada para los clientes SQL

Luego, en este tutorial, puede acceder a su clúster desde una nube virtual privada (VPC) basada en el servicio Amazon VPC. No obstante, si utiliza un cliente SQL desde fuera de su firewall para acceder al clúster, asegúrese de otorgar acceso de entrada.

Paso 3: otorgar acceso a un cliente de SQL y ejecutar consultas

Para consultar las bases de datos alojadas en el clúster de Amazon Redshift, tiene varias opciones para los clientes de SQL: Entre ellos se incluyen:

En este tutorial, se usa el editor de consultas de Amazon Redshift v2 como la forma más sencilla de ejecutar consultas en bases de datos alojadas por el clúster de Amazon Redshift. Después de crear su clúster, podrá ejecutar consultas de forma inmediata. Para obtener más información acerca de los aspectos que se deben tener en cuenta al usar el editor de consultas de Amazon Redshift v2, visite Consideraciones al trabajar con el editor de consultas v2 en la Guía de administración de Amazon Redshift.

Otorgamiento de acceso al editor de consultas v2

La primera vez que un administrador configura el editor de consultas v2 para su Cuenta de AWS, este elige la AWS KMS key que se utiliza para cifrar los recursos del editor de consultas v2. Entre los recursos del editor de consultas de Amazon Redshift v2, se incluyen consultas guardadas, libretas y gráficos. De manera predeterminada, se utiliza una clave propia de AWS para cifrar los recursos. Como alternativa, un administrador puede utilizar una clave administrada por el cliente seleccionando el nombre de recurso de Amazon (ARN) para la clave en la página de configuración. Luego de configurar una cuenta, la configuración de cifrado AWS KMS no se puede modificar. Para obtener más información, consulte Configuración de su Cuenta de AWS en la Guía de administración de Amazon Redshift.

Para obtener acceso al editor de consultas v2, necesita permiso. Un administrador puede asociar una de las siguientes políticas administradas de AWS para el editor de consultas de Amazon Redshift v2 al rol o usuario de IAM para conceder permisos. Estas políticas administradas de AWS se escriben con diferentes opciones que controlan cómo los recursos de etiquetado permiten compartir consultas. Puede utilizar la consola de IAM (https://console.aws.amazon.com/iam/) para adjuntar políticas de IAM. Para obtener más información sobre estas políticas, consulte Acceso al editor de consultas v2 en la Guía de administración de Amazon Redshift.

También puede crear su propia política en función de los permisos permitidos y denegados en las políticas administradas proporcionadas. Si utiliza el editor de políticas de la consola de IAM para crear su propia política, elija SQL Workbench como servicio para el que crea la política en el editor visual. El editor de consultas v2 utiliza el nombre del servicio AWS SQL Workbench en el editor visual y el Simulador de políticas de IAM.

Para obtener más información, consulte Trabajo con el editor de consultas v2 en la Guía de administración de Amazon Redshift.

Paso 4: Cargar datos desde Amazon S3 en Amazon Redshift

Después de crear el clúster, puede cargar datos desde Amazon S3 en las tablas de la base de datos. Hay varias maneras de cargar datos desde Amazon S3.

En este tutorial se muestra cómo utilizar el editor de consultas V2 de Amazon Redshift para ejecutar comandos de SQL para tablas CREATE y datos COPY. Inicie el Editor de consultas v2 desde el panel de navegación de la consola de Amazon Redshift. En el editor de consultas v2, cree una conexión con el clúster de examplecluster y la base de datos denominada dev con el nombre de su usuario administrador awsuser. Para este tutorial, elija Credenciales temporales con un nombre de usuario de base de datos al crear la conexión. Para obtener información sobre cómo utilizar el editor de consultas de Amazon Redshift v2, consulte Conexión a una base de datos de Amazon Redshift en la Guía de administración de Amazon Redshift.

Carga de datos desde Amazon S3 mediante comandos de SQL

En el panel del editor de consultas v2, confirme que está conectado al clúster de examplecluster y a la base de datos de dev. A continuación, cree tablas en la base de datos y cargue datos en las tablas. Para este tutorial, los datos que se cargan están disponibles en un bucket de Amazon S3 al que se puede acceder desde muchas Regiones de AWS.

En el siguiente procedimiento, se crean tablas y se cargan datos desde un bucket de Amazon S3 público.

Si utiliza el editor de consultas de Amazon Redshift v2, copie y ejecute la siguiente instrucción de creación de tablas para crear una tabla en el esquema public de la base de datos dev. Para obtener más información acerca de la sintaxis, consulte CREATE TABLE en la Guía para desarrolladores de bases de datos de Amazon Redshift.

Carga de datos desde Amazon S3 mediante el editor de consultas v2

En esta sección, se describe cómo cargar los datos propios en un clúster de Amazon Redshift. El uso del editor de consultas v2 simplifica la carga de datos cuando se utiliza el asistente Cargar datos. El comando COPY generado y utilizado en el asistente Cargar datos del editor de consultas v2 admite todos los parámetros disponibles para la sintaxis del comando COPY para cargar datos de Amazon S3. Para obtener información acerca del comando COPY y las opciones que se utilizan para copiar la carga de Amazon S3, consulte Comando COPY de Amazon Simple Storage Service en la Guía para el desarrollador de base de datos de Amazon Redshift.

Para cargar sus propios datos de Amazon S3 en Amazon Redshift, Amazon Redshift, requiere un rol de IAM que tenga los privilegios necesarios para cargar datos del bucket de Amazon S3 especificado.

Para cargar los datos propios desde Amazon S3 en Amazon Redshift, puede usar el asistente de carga de datos del editor de consultas v2. Para obtener más información sobre cómo usar el asistente de carga de datos, consulte Carga de datos desde Amazon S3 en la Guía de administración de Amazon Redshift.

Creación de datos de TICKIT en su clúster

TICKIT es una base de datos de ejemplo que, si lo desea, puede cargar en el clúster de Amazon Redshift para aprender a consultar datos en Amazon Redshift. Puede crear el conjunto completo de tablas de TICKIT y cargar datos en su clúster de las siguientes maneras:

Para ver más información sobre los datos de TICKIT, consulte Bases de datos de muestra en la Guía para desarrolladores de bases de datos de Amazon Redshift.

Paso 5: Probar consultas de ejemplo mediante el editor de consultas

Para configurar y usar el editor de consultas de Amazon Redshift v2 para consultar una base de datos, visite Trabajo con el editor de consultas v2 en la Guía de administración de Amazon Redshift.

Ahora, pruebe algunas consultas de ejemplo, como se muestra a continuación. Para crear consultas nuevas en el editor de consultas v2, elija el icono + en la esquina superior derecha del panel de consultas y elija SQL. Aparece una nueva página de consultas en la que puede copiar y pegar las siguientes consultas SQL.

set search_path to tickit;

Para obtener más información acerca de cómo trabajar con el comando SELECT, consulte SELECT en la Guía para desarrolladores de bases de datos de Amazon Redshift.

-- Get definition for the sales table.
SELECT *    
FROM pg_table_def    
WHERE tablename = 'sales';  

-- Find total sales on a given calendar date.
SELECT sum(qtysold) 
FROM   sales, date 
WHERE  sales.dateid = date.dateid 
AND    caldate = '2008-01-05';

-- Find top 10 buyers by quantity.
SELECT firstname, lastname, total_quantity 
FROM   (SELECT buyerid, sum(qtysold) total_quantity
        FROM  sales
        GROUP BY buyerid
        ORDER BY total_quantity desc limit 10) Q, users
WHERE Q.buyerid = userid
ORDER BY Q.total_quantity desc;   

-- Find events in the 99.9 percentile in terms of all time gross sales.
SELECT eventname, total_price 
FROM  (SELECT eventid, total_price, ntile(1000) over(order by total_price desc) as percentile 
       FROM (SELECT eventid, sum(pricepaid) total_price
             FROM   sales
             GROUP BY eventid)) Q, event E
       WHERE Q.eventid = E.eventid
       AND percentile = 1
ORDER BY total_price desc; 

Paso 6: Restablecer su entorno

En los pasos anteriores, creó correctamente un clúster de Amazon Redshift, cargó los datos en tablas y consultó los datos mediante un cliente de SQL como el editor de consultas de Amazon Redshift v2.

Cuando haya completado este tutorial, le sugerimos restablecer el entorno a su estado anterior eliminando el clúster de muestra. Se le seguirá cobrando por el servicio Amazon Redshift hasta que elimine el clúster.

No obstante, es posible que desee continuar ejecutando el clúster de muestra si planea probar tareas de otras guías de Amazon Redshift o las tareas descritas en Ejecución de comandos para definir y utilizar una base de datos en el almacenamiento de datos.

En la página de lista de clúster, se actualiza el estado del clúster a medida que se elimina el clúster.

Luego de completar este tutorial, podrá encontrar más información acerca de Amazon Redshift y los pasos siguientes en Recursos adicionales para obtener información acerca de Amazon Redshift.