Importación

Para importar un conjunto de datos a Data Wrangler desde Athena

1. Inicia sesión en Amazon SageMaker Console.

2. Elija Studio.

3. Elija Lanzar aplicación.

4. En la lista desplegable, seleccione Studio.

5. Elija el icono Inicio.

6. Elija Datos.

7. Elija Data Wrangler.

8. Elija Importar datos.

9. En Disponible, seleccione Amazon Athena.

10. En Catálogo de datos, elija un catálogo de datos.

11. Utilice la lista desplegable Base de datos para seleccionar la base de datos que desea consultar. Al seleccionar una base de datos, puede obtener una vista previa de todas las tablas de la base de datos mediante las Tablas que aparecen en Detalles.

12. De forma opcional, elija Configuración avanzada.

    1. Elija un Grupo de trabajo.

    2. Si su grupo de trabajo no ha impuesto la ubicación de salida de Amazon S3 o si no utiliza un grupo de trabajo, especifique un valor para la Ubicación de Amazon S3 de los resultados de la consulta.

    3. De forma opcional, para Período de retención de datos, seleccione la casilla de verificación para establecer un período de retención de datos y especifique el número de días que se almacenarán los datos antes de que se eliminen.

    4. (Opcional) De forma predeterminada, Data Wrangler guarda la conexión. Puede optar por quitar la marca de selección de la casilla de verificación y no guardar la conexión.

13. En muestreo, elija un método de muestreo. Elija Ninguno para desactivar el muestreo.

14. Ingrese la consulta en el editor de consultas y utilice el botón Ejecutar para ejecutar la consulta. Una vez que la consulta se haya realizado correctamente, puede obtener una vista previa del resultado en el editor.

    nota

    Los datos de Salesforce utilizan el tipo timestamptz. Si va a consultar la columna de fecha y hora que ha importado a Athena desde Salesforce, asigne los datos de la columna al tipo timestamp. La siguiente consulta convierte la columna de fecha y hora en el tipo correcto.

    
    # cast column timestamptz_col as timestamp type, and name it as timestamp_col
    select cast(timestamptz_col as timestamp) as timestamp_col from table
                            

15. Para importar los resultados de la consulta, seleccione Importar.

Para conceder permisos para administrar la configuración del ciclo de vida, haga lo siguiente.

1. Inicie sesión en AWS Management Console y abra la IAM consola en https://console.aws.amazon.com/iam/.

2. Elija Roles.

3. En la barra de búsqueda, especifique la función de SageMaker ejecución de Amazon que utiliza Amazon SageMaker Studio Classic.

4. Elija el rol .

5. Elija Añadir permisos.

6. Elija Crear política insertada.

7. En Servicio, especifique S3 y elíjalo.

8. En la sección Leer, selecciona GetLifecycleConfiguration.

9. En la sección Escribir, selecciona PutLifecycleConfiguration.

10. En Recursos, elija Específico.

11. En Acciones, seleccione el icono de flecha situado junto a Administración de permisos.

12. Elige PutResourcePolicy.

13. En Recursos, elija Específico.

14. Elija la casilla de verificación situada junto a Cualquiera de esta cuenta.

15. Elija Revisar política.

16. En Nombre, especifique un nombre.

17. Elija Crear política.

Para conectarse a un clúster de Amazon Redshift

1. Inicia sesión en Amazon SageMaker Console.

2. Elija Studio.

3. Elija Lanzar aplicación.

4. En la lista desplegable, seleccione Studio.

5. Elija el icono Inicio.

6. Elija Datos.

7. Elija Data Wrangler.

8. Elija Importar datos.

9. En Disponible, seleccione Amazon Athena.

10. Elija Amazon Redshift.

11. Selecciona Credenciales temporales (IAM) como Tipo.

12. Introduzca un nombre de conexión. Data Wrangler utiliza este nombre para identificar esta conexión.

13. Ingrese el Identificador del clúster para especificar a qué clúster desea conectarse. Nota: Ingrese solo el identificador del clúster y no el punto de conexión completo del clúster de Amazon Redshift.

14. Especifique el Nombre de la base de datos a la que desea conectarse.

15. Ingrese un Usuario de la base de datos para identificar el usuario que desea utilizar para conectarse a la base de datos.

16. En UNLOADIAMRol, introduzca el IAM rol ARN del rol que debe asumir el clúster de Amazon Redshift para mover y escribir datos en Amazon S3. Para obtener más información sobre esta función, consulte Autorizar a Amazon Redshift a acceder a AWS otros servicios en su nombre en la Guía de administración de Amazon Redshift.

17. Elija Conectar.

18. (Opcional) Para la ubicación de salida de Amazon S3, especifique el S3 URI para almacenar los resultados de la consulta.

19. (Opcional) Para el ID de KMS clave, especifique el ARN de la AWS KMS clave o el alias. La siguiente imagen muestra dónde se encuentra cada clave en la AWS Management Console.

    

Para consultar e importar datos de Amazon Redshift

1. Seleccione la conexión que desee consultar de Orígenes de datos.

2. Seleccione un Esquema. Para obtener más información acerca de los esquemas de Amazon Redshift, consulte Esquemas en la Guía para desarrolladores de bases de datos de Amazon Redshift.

3. De forma opcional, en Configuración avanzada, especifique el método de Muestreo que desee utilizar.

4. Ingrese la consulta en el editor de consultas y elija Ejecutar para ejecutar la consulta. Una vez que la consulta se haya realizado correctamente, puede obtener una vista previa del resultado en el editor.

5. Seleccione Importar conjunto de datos para importar el conjunto de datos que se ha consultado.

6. Introduzca un Nombre del conjunto de datos. Si agrega un Nombre del conjunto de datos que contenga espacios, estos espacios se sustituirán por guiones bajos al importar el conjunto de datos.

7. Elija Añadir.

Para editar un conjunto de datos, haga lo siguiente.

1. Vaya a su flujo de Data Wrangler.

2. Elija el signo + situado junto a Origen: muestreado.

3. Cambie los datos que está importando.

4. Seleccione Apply (Aplicar)

Para lanzar Studio Classic dentro de unVPC, haga lo siguiente.

1. Dirígete a la SageMaker consola en https://console.aws.amazon.com/sagemaker/.

2. Elige Launch SageMaker Studio Classic.

3. Elija Configuración estándar.

4. En el rol de ejecución predeterminado, elija el IAM rol para configurar Studio Classic.

5. Elige el VPC lugar en el que has lanzado los EMR clústeres de Amazon.

6. En Subred, elija una subred privada.

7. En el caso de los grupos de seguridad, especifique los grupos de seguridad que va a utilizar para controlar entre sus miembrosVPC.

8. Elija VPCSolo.

9. (Opcional) AWS utiliza una clave de cifrado predeterminada. También puede especificar una clave de AWS Key Management Service para cifrar los datos.

10. Elija Next (Siguiente).

11. En Configuración de Studio, elija las configuraciones que mejor se adapten a su caso.

12. Elija Siguiente para omitir la configuración de SageMaker Canvas.

13. Elija Siguiente para omitir los RStudio ajustes.

Para crear un clúster, haga lo siguiente.

1. Vaya a AWS Management Console.

2. En la barra de búsqueda, especifique Amazon EMR.

3. Elija Create cluster.

4. En Nombre del clúster, ingrese el nombre del clúster.

5. En Versión, seleccione la versión de lanzamiento del clúster.

   nota

   Amazon EMR admite la terminación automática en las siguientes versiones:

   • Para las versiones 6.x, versión 6.1.0 o posterior

   • Para las versiones 5.x, versión 5.30.0 o posterior

   La terminación automática impide que los clústeres inactivos se ejecuten y evita que usted incurra en costos.

6. De forma opcional, en Aplicaciones, elija Presto.

7. Elija la aplicación que está ejecutando en el clúster.

8. En Redes, para Configuración de hardware, especifique las opciones de configuración del hardware.

   importante

   Para redes, elija la VPC que ejecuta Amazon SageMaker Studio Classic y elija una subred privada.

9. En Seguridad y acceso, especifique la configuración de seguridad.

10. Seleccione Crear.

Para importar datos de un clúster, haga lo siguiente.

1. Abra un flujo de Data Wrangler.

2. Elija Create Connection (Crear conexión).

3. Elige Amazon EMR.

4. Aplique alguna de las siguientes acciones.

   • (Opcional) ARN En Secrets, especifique el número de recurso de Amazon (ARN) de la base de datos del clúster. Los secretos proporcionan seguridad adicional. Para obtener más información sobre los secretos, consulte ¿Qué es AWS Secrets Manager? Para obtener más información acerca de la creación de un secreto para el clúster, consulte Crear un AWS Secrets Manager secreto para el clúster.

     importante

     Debe especificar un secreto si utiliza un rol de IAM tiempo de ejecución para la autenticación.

   • Seleccione un clúster de la lista desplegable.

5. Elija Next (Siguiente).

6. Para Seleccione un punto final para example-cluster-name clúster, elija un motor de consultas.

7. De forma opcional, seleccione Guardar conexión.

8. Elija Siguiente, seleccione inicio de sesión y elija una de estas opciones:

   • Sin autenticación

   • LDAP

   • IAM

9. Para iniciar sesión en example-cluster-name clúster, especifique el nombre de usuario y la contraseña del clúster.

10. Elija Conectar.

11. En el editor de consultas, especifique una SQL consulta.

12. Elija Ejecutar.

13. Seleccione Importar.

Para almacenar las credenciales como un secreto, haga lo siguiente.

1. Vaya a AWS Management Console.

2. En la barra de búsqueda, especifique Secrets Manager.

3. Elija AWS Secrets Manager.

4. Elija Almacenar un secreto nuevo.

5. En Secret type (Tipo de secreto), elija Other type of secret (Otro tipo de secreto).

6. En pares clave-valor, seleccione Texto sin formato.

7. Para los clústeres que ejecutan Hive, puedes usar la siguiente plantilla para la autenticación. IAM

   
   {"jdbcURL": ""
    "iam_auth": {"endpoint": "jdbc:hive2://", #required
                   "dns": "ip-xx-x-xxx-xxx.ec2.internal", #required 
                   "port": "10000", #required
                 "cluster_id": "j-xxxxxxxxx", #required
                 "iam_role": "arn:aws:iam::xxxxxxxx:role/xxxxxxxxxxxx", #optional
                 "truststore_path": "/etc/alternatives/jre/lib/security/cacerts", #optional
                 "truststore_password": "changeit" #optional
                 
                 }}                               
                               

   nota

   Después de importar los datos, se les aplican transformaciones. A continuación, exporta los datos que ha transformado a una ubicación específica. Si utiliza un cuaderno de Jupyter para exportar los datos transformados a Amazon S3, debe utilizar la ruta del almacén de confianza especificada en el ejemplo anterior.

Para guardarlo JDBC URL como secreto, haga lo siguiente.

1. Vaya a AWS Management Console.

2. En la barra de búsqueda, especifique Secrets Manager.

3. Elija AWS Secrets Manager.

4. Elija Almacenar un secreto nuevo.

5. En Secret type (Tipo de secreto), elija Other type of secret (Otro tipo de secreto).

6. Para los pares clave/valor, especifique jdbcURL como clave y un valor válido JDBCURL.

   El formato de un código válido JDBC URL depende de si se utiliza la autenticación y de si se utiliza Hive o Presto como motor de consulta. La siguiente lista muestra los JBDC URL formatos válidos para las diferentes configuraciones posibles.

   • Hive, sin autenticación: jdbc:hive2://emr-cluster-master-public-dns:10000/;

   • Hive, LDAP autenticación: jdbc:hive2://emr-cluster-master-public-dns-name:10000/;AuthMech=3;UID=david;PWD=welcome123;

   • En el caso de Hive con la SSL opción habilitada, el JDBC URL formato depende de si se utiliza un archivo Java Keystore para la configuración. TLS El archivo Java Keystore ayuda a verificar la identidad del nodo principal del EMR clúster de Amazon. Para usar un archivo de almacén de claves de Java, genérelo en un EMR clúster y cárguelo en Data Wrangler. Para generar un archivo, usa el siguiente comando en el EMR clúster de Amazon,keytool -genkey -alias hive -keyalg RSA -keysize 1024 -keystore hive.jks. Para obtener información sobre la ejecución de comandos en un EMR clúster de Amazon, consulte Proteger el acceso a EMR los clústeres mediante AWS Systems Manager. Para cargar un archivo, elija la flecha hacia arriba en la barra de navegación izquierda de la interfaz de usuario de Data Wrangler.

     Los siguientes son los JDBC URL formatos válidos para Hive si SSL está activado:

     • Sin un archivo de almacén de claves de Java: jdbc:hive2://emr-cluster-master-public-dns:10000/;AuthMech=3;UID=user-name;PWD=password;SSL=1;AllowSelfSignedCerts=1;

     • Con un archivo de almacén de claves de Java: jdbc:hive2://emr-cluster-master-public-dns:10000/;AuthMech=3;UID=user-name;PWD=password;SSL=1;SSLKeyStore=/home/sagemaker-user/data/Java-keystore-file-name;SSLKeyStorePwd=Java-keystore-file-passsword;

   • Listo, sin autenticación: jdbc:presto://emr-cluster-master-public-dns:8889/;

   • En el caso de Presto con la LDAP autenticación SSL habilitada, el JDBC URL formato depende de si se utiliza un archivo Java Keystore para la configuración. TLS El archivo Java Keystore ayuda a verificar la identidad del nodo principal del EMR clúster de Amazon. Para usar un archivo de almacén de claves de Java, genérelo en un EMR clúster y cárguelo en Data Wrangler. Para cargar un archivo, elija la flecha hacia arriba en la barra de navegación izquierda de la interfaz de usuario de Data Wrangler. Para obtener información sobre cómo crear un archivo de almacén de claves de Java para Presto, consulte Archivo de almacén de claves de Java para. TLS Para obtener información sobre la ejecución de comandos en un EMR clúster de Amazon, consulte Proteger el acceso a EMR los clústeres mediante AWS Systems Manager.

     • Sin un archivo de almacén de claves de Java: jdbc:presto://emr-cluster-master-public-dns:8889/;SSL=1;AuthenticationType=LDAP Authentication;UID=user-name;PWD=password;AllowSelfSignedServerCert=1;AllowHostNameCNMismatch=1;

     • Con un archivo de almacén de claves de Java: jdbc:presto://emr-cluster-master-public-dns:8889/;SSL=1;AuthenticationType=LDAP Authentication;SSLTrustStorePath=/home/sagemaker-user/data/Java-keystore-file-name;SSLTrustStorePwd=Java-keystore-file-passsword;UID=user-name;PWD=password;

Para conceder permisos a Secrets Manager, haga lo siguiente.

1. Inicie sesión en AWS Management Console y abra la IAM consola en https://console.aws.amazon.com/iam/.

2. Elija Roles.

3. En la barra de búsqueda, especifique la función de SageMaker ejecución de Amazon que utiliza Amazon SageMaker Studio Classic.

4. Elija el rol .

5. Elija Añadir permisos.

6. Elija Crear política insertada.

7. En Servicio, especifique Secrets Manager y elíjalo.

8. En Acciones, seleccione el icono de flecha situado junto a Administración de permisos.

9. Elija PutResourcePolicy.

10. En Recursos, elija Específico.

11. Elija la casilla de verificación situada junto a Cualquiera de esta cuenta.

12. Elija Revisar política.

13. En Nombre, especifique un nombre.

14. Elija Crear política.

Para importar datos de Databricks, haga lo siguiente.

1. Inicia sesión en Amazon SageMaker Console.

2. Elija Studio.

3. Elija Lanzar aplicación.

4. En la lista desplegable, seleccione Studio.

5. En la pestaña Importar datos de su flujo de Data Wrangler, elija Databricks.

6. Especifique los siguientes campos:

   • Nombre del conjunto de datos: un nombre que desee usar para el conjunto de datos en el flujo de Data Wrangler.

   • Controlador: com.simba.spark.jdbc.Driver.

   • JDBCURL— La URL de la base de datos de Databricks. El URL formato puede variar entre las instancias de Databricks. Para obtener información sobre cómo encontrar URL y especificar los parámetros que contiene, consulte Parámetros de JDBCconfiguración y conexión. A continuación se muestra un ejemplo de cómo se URL puede formatear un: jdbc:spark://aws-sagemaker-datawrangler.cloud.databricks.com:443/default; =http; ssl=1; =sql/protocolv1/o/3122619508517275/0909-200301-cut318; =3; = transportMode httpPath AuthMech UIDtoken;PWD=personal-access-token.

     nota

     JDBCURLPuede especificar ARN un secreto que JDBC URL contenga el secreto en lugar de especificarlo en sí mismo. El secreto debe contener un par clave-valor con el siguiente formato: jdbcURL:JDBC-URL. Para obtener más información, consulte ¿Qué es Secrets Manager?

7. Especifique una SQL SELECT declaración.

   nota

   Data Wrangler no admite expresiones de tabla comunes (CTE) ni tablas temporales dentro de una consulta.

8. En muestreo, elija un método de muestreo.

9. Elija Ejecutar.

10. (Opcional) Para el PREVIEW, elige el engranaje para abrir la configuración de la partición.

    1. Especifique el número de particiones. Puede particionar por columna si especifica el número de particiones:

       • Ingrese el número de particiones: especifique un valor superior a 2.

       • (Opcional) Partición por columna: especifique los siguientes campos. Solo puede particionar por una columna si ha especificado un valor para Ingresar número de particiones.

         • Seleccionar columna: seleccione la columna que va a utilizar para la partición de datos. El tipo de valores de la columna debe ser numérico o de fecha.

         • Límite superior: el límite superior de los valores de la columna que ha especificado es el valor que utiliza en la partición. El valor que especifique no cambia los datos que importe. Solo afecta a la velocidad de la importación. Para obtener el mejor rendimiento, especifique un límite superior cercano al máximo de la columna.

         • Límite inferior: el límite inferior de los valores de la columna que ha especificado es el valor que utiliza en la partición. El valor que especifique no cambia los datos que importe. Solo afecta a la velocidad de la importación. Para obtener el mejor rendimiento, especifique un límite inferior cercano al mínimo de la columna.

11. Seleccione Importar.

1. Vaya a la página de inicio de sesión de Salesforce.

2. En Quick find, especifique My Domain.

3. Copie el valor de Mi dominio actual URL en un archivo de texto.

4. Añádalo https:// al principio delURL.

Para obtener las credenciales de inicio de sesión de Salesforce y proporcionar acceso a Data Wrangler, haga lo siguiente.

1. Navegue hasta su dominio URL de Salesforce e inicie sesión en su cuenta.

2. Seleccione el icono de la rueda.

3. En la barra de búsqueda que aparece, especifique App Manager.

4. Seleccione New Connected App.

5. Especifique los siguientes campos:

   • Nombre de la aplicación conectada: puede especificar cualquier nombre, pero se recomienda elegir uno que incluya Data Wrangler. Por ejemplo, puede especificar Integración de Salesforce Data Cloud y Data Wrangler.

   • APInombre: utilice el valor predeterminado.

   • Correo electrónico de contacto: especifique su dirección de correo electrónico.

   • En el APIencabezado (Activar OAuth configuración), selecciona la casilla de verificación para activar la OAuth configuración.

   • Para Callback, URL especifique Amazon SageMaker Studio ClassicURL. Para obtener el URL de Studio Classic, acceda a él desde AWS Management Console y copie elURL.

6. En OAuthÁmbitos seleccionados, mueva lo siguiente de los ámbitos disponibles a OAuth los ámbitos seleccionados OAuth:

   • Administre los datos de los usuarios mediante () APIs api

   • Realizar solicitudes en cualquier momento (refresh_token, offline_access)

   • Realice ANSI SQL consultas sobre los datos de Salesforce Data Cloud () cdp_query_api

   • Administrar los datos de perfil de la plataforma de datos de clientes de Salesforce (cdp_profile_api)

7. Seleccione Guardar. Tras guardar los cambios, Salesforce abre una página nueva.

8. Elija Continue

9. Vaya a Consumer Key and Secret.

10. Elija Manage Consumer Details. Salesforce lo redirige a una nueva página en la que puede que tendrá que superar una autenticación de dos factores.

11. importante

    Copie la clave del consumidor y el secreto del consumidor en un editor de texto. Necesitará esta información para conectar la nube de datos a Data Wrangler.

12. Vuelva a Manage Connected Apps.

13. Vaya Connected App Name y el nombre de su aplicación.

14. Elija Administrar.

    1. Seleccione Edit Policies.

    2. Cambie IP Relaxation a Relax IP restrictions.

    3. Seleccione Guardar.

Para proporcionar permisos a los usuarios, haga lo siguiente.

1. Diríjase a la página de inicio de configuración.

2. En la barra de navegación de la izquierda, busque Users y elija la opción de menú Users.

3. Elija el hipervínculo con su nombre de usuario.

4. Vaya a Permission Set Assignments.

5. Elija Edit Assignments.

6. Agregue los siguientes permisos:

   • Customer Data Platform Admin

   • Customer Data Platform Data Aware Specialist

7. Seleccione Guardar.

Para obtener la autorización URL y el token URL

1. Navegue hasta su dominio URL de Salesforce.

2. Utilice uno de los siguientes métodos para obtener elURLs. Si utiliza una distribución de Linux con curl y jq instalados, se recomienda utilizar el método que solo funciona en Linux.

   • Solo en Linux, especifique el siguiente comando en su terminal.

     
     curl salesforce-domain-URL/.well-known/openid-configuration | \
     jq '. | { authorization_url: .authorization_endpoint, token_url: .token_endpoint }' | \
     jq '.  += { identity_provider: "SALESFORCE", client_id: "example-client-id", client_secret: "example-client-secret" }'                             
                                 

   • 1. Navegue hasta example-org-URL/.well-known/openid-configuration en tu navegador.

     2. Copie authorization_endpoint y token_endpoint a un editor de texto.

     3. Cree el siguiente JSON objeto:

        {
          "identity_provider": "SALESFORCE",
          "authorization_url": "example-authorization-endpoint", 
          "token_url": "example-token-endpoint",
          "client_id": "example-consumer-key",
          "client_secret": "example-consumer-secret"
        }
                                            

Para crear un secreto, haga lo siguiente:

1. Vaya a la consola de AWS Secrets Manager.

2. Elija Almacenar un secreto.

3. Seleccione Otro tipo de secreto.

4. En pares clave-valor, seleccione Texto sin formato.

5. Sustituya el espacio vacío JSON por los siguientes valores de configuración.

   {
     "identity_provider": "SALESFORCE",
     "authorization_url": "example-authorization-endpoint", 
     "token_url": "example-token-endpoint",
     "client_id": "example-consumer-key",
     "client_secret": "example-consumer-secret"
   }                    
                       

6. Elija Next (Siguiente).

7. En Nombre del secreto, especifique el nombre del secreto.

8. En Etiquetas, elija Agregar.

   1. En Clave, especifique sagemaker:partner. En Valor, se recomienda especificar un valor que sea útil para su caso de uso. Sin embargo, puede especificar cualquier cosa.

   importante

   Tiene que crear la clave. No puede importar sus datos de Salesforce si no los ha creado.

9. Elija Next (Siguiente).

10. Elija Almacenar.

11. Elija el secreto que ha creado.

12. Tome nota de los siguientes campos:

    • El número de recurso de Amazon (ARN) del secreto

    • El nombre del secreto.

Para agregar permisos de lectura a Data Wrangler, haga lo siguiente.

1. Ve a la SageMaker consola de Amazon.

2. Elige dominios.

3. Elija el dominio que utiliza para acceder a Data Wrangler.

4. Elija su Perfil de usuario.

5. En Detalles, busque el Rol de ejecución. ARNEstá en el siguiente formato:arn:aws:iam::111122223333:role/example-role. Anote la función de SageMaker ejecución. Dentro delARN, es todo lo que viene despuésrole/.

6. Vaya a la consola de IAM.

7. En la barra IAM de búsqueda, especifique el nombre del rol de SageMaker ejecución.

8. Elija el rol .

9. Elija Añadir permisos.

10. Elija Crear política insertada.

11. Seleccione la JSON pestaña.

12. Especifique la siguiente política en el editor.

    
    {
     "Version": "2012-10-17",
     "Statement": [
         {
             "Effect": "Allow",
             "Action": [
                 "secretsmanager:GetSecretValue",
                 "secretsmanager:PutSecretValue"
             ],
             "Resource": "arn:aws:secretsmanager:*:*:secret:*",
             "Condition": {
                 "ForAnyValue:StringLike": {
                     "aws:ResourceTag/sagemaker:partner": "*"
                 }
             }
         },
         {
             "Effect": "Allow",
             "Action": [
                 "secretsmanager:UpdateSecret"
             ],
             "Resource": "arn:aws:secretsmanager:*:*:secret:AmazonSageMaker-*"
         }
     ]
    }                        
                        

13. Elija Revisar la política.

14. En Nombre, especifique un nombre.

15. Elija Crear política.

Para crear una configuración de ciclo de vida y añadirla al perfil de Studio Classic, haga lo siguiente.

1. Ve a la SageMaker consola de Amazon.

2. Elige dominios.

3. Elija el dominio que utiliza para acceder a Data Wrangler.

4. Elija su Perfil de usuario.

5. Si ve las siguientes aplicaciones, elimínelas:

   • KernelGateway

   • JupyterKernel

   nota

   Al eliminar las aplicaciones, Studio Classic se actualiza. Las actualizaciones pueden tardar un poco.

6. Mientras espera a que se produzcan las actualizaciones, elija las Configuraciones de ciclo de vida.

7. Asegúrese de que la página en la que se encuentra indique las configuraciones del ciclo de vida de Studio Classic.

8. Seleccione Crear configuración.

9. Asegúrese de que se haya seleccionado la Aplicación de servidor de Jupyter.

10. Elija Next (Siguiente).

11. En Nombre, especifique un nombre para la configuración.

12. En Scripts, especifique el siguiente script:

    
    #!/bin/bash
    set -eux
    
    cat > ~/.sfgenie_identity_provider_oauth_config <<EOL
    {
        "secret_arn": "secrets-arn-containing-salesforce-credentials"
    }
    EOL
    
    
                    

13. Elija Enviar.

14. En la barra de navegación de la izquierda, selecciona dominios.

15. Seleccione su dominio.

16. Seleccione Entorno.

17. En Configuraciones del ciclo de vida de las aplicaciones personales de Studio Classic, selecciona Adjuntar.

18. Seleccione Configuración existente.

19. En Configuraciones del ciclo de vida de Studio Classic, selecciona la configuración del ciclo de vida que has creado.

20. Elija Asociar al dominio.

21. Seleccione la casilla situada junto a la configuración del ciclo de vida que ha asociado.

22. Seleccione Establecer como predeterminado.

Para abrir Studio Classic y comprobar su versión, consulte el siguiente procedimiento.

1. Sigue los pasos que se indican Requisitos previos a continuación para acceder a Data Wrangler a través de Amazon SageMaker Studio Classic.

2. Junto al usuario que quieres usar para iniciar Studio Classic, selecciona Iniciar aplicación.

3. Elija Studio.

Para crear un conjunto de datos en Data Wrangler con datos de Salesforce Data Cloud

1. Inicia sesión en Amazon SageMaker Console.

2. Elija Studio.

3. Elija Lanzar aplicación.

4. En la lista desplegable, seleccione Studio.

5. Elija el icono Inicio.

6. Elija Datos.

7. Elija Data Wrangler.

8. Elija Importar datos.

9. En Disponible, seleccione Salesforce Data Cloud.

10. En Nombre de la conexión, especifique un nombre para su conexión a Salesforce Data Cloud.

11. En Org URL, especifique la organización URL en su cuenta de Salesforce. Puede obtenerla URL de sus administradores.

12. Elija Conectar.

13. Especifique sus credenciales para iniciar sesión en Salesforce.

1. Seleccione la configuración que inicia el proceso de registro de Data Wrangler como aplicación.

2. Proporcione acceso a Data Wrangler a los usuarios del proveedor de identidades.

3. Active la autenticación OAuth del cliente almacenando las credenciales del cliente como un AWS Secrets Manager secreto.

4. Especifique una redirección URL con el siguiente formato: https://domain-ID.estudio.Región de AWS.sagemaker.aws/jupyter/default/lab

   importante

   Estás especificando el ID de SageMaker dominio de Amazon y el Región de AWS que estás utilizando para ejecutar Data Wrangler.

   importante

   Debes registrar un URL para cada SageMaker dominio de Amazon y para el Región de AWS lugar en el que ejecutes Data Wrangler. Los usuarios de un dominio Región de AWS que no tengan URLs configurada la redirección no podrán autenticarse con el proveedor de identidad para acceder a la conexión de Snowflake.

5. Asegúrese de que los tipos de concesión de código de autorización y token de actualización estén permitidos para la aplicación Data Wrangler.

Para configurar el servidor, haga lo siguiente: Trabajará en Snowflake en todos los pasos excepto en el último.

1. Comience a configurar el servidor o. API

2. Configure el servidor de autorización para que utilice los tipos de concesión de código de autorización y token de actualización.

3. Especifique la duración del token de acceso.

4. Establezca el tiempo de espera de inactividad del token de actualización. El tiempo de espera de inactividad es el momento en que el token de actualización vence si no se utiliza.

   nota

   Si va a programar trabajos en Data Wrangler, se recomienda que el tiempo de espera de inactividad sea mayor que la frecuencia del trabajo de procesamiento. De lo contrario, algunos trabajos de procesamiento podrían producir un error porque el token de actualización vence antes de que pudieran ejecutarse. Cuando el token de actualización vence, el usuario debe volver a autenticarse accediendo a la conexión que ha establecido con Snowflake a través de Data Wrangler.

5. Especifique session:role-any como nuevo ámbito.

   nota

   En el caso de Azure AD, copie el identificador único del ámbito. Data Wrangler requiere que le proporcione el identificador.

6. importante

   En la integración de OAuth seguridad externa para Snowflake, habilite. external_oauth_any_role_mode

1. Para que su científico de datos pueda acceder a Snowflake desde SageMaker Data Wrangler, bríndele una de las siguientes opciones:

   • Para la autenticación básica, un nombre de cuenta, un nombre de usuario y una contraseña de Snowflake.

   • ParaOAuth, un nombre de usuario y una contraseña en el proveedor de identidad.

   • ParaARN, el nombre secreto de Amazon Resource Name (ARN) de Secrets Manager.

   • Un secreto creado con AWS Secrets Manager y el ARN del secreto. Utilice el siguiente procedimiento para crear el secreto de Snowflake si elige esta opción.

     importante

     Si los científicos de datos utilizan la opción Credenciales de Snowflake (nombre de usuario y contraseña) para conectarse a Snowflake, puede usar Secrets Manager para almacenar las credenciales en un secreto. Secrets Manager rota los secretos como parte de un plan de seguridad de prácticas recomendadas. Solo se puede acceder al secreto creado en Secrets Manager con el rol de Studio Classic configurado al configurar un perfil de usuario de Studio Classic. Esto requiere que añada este permiso,secretsmanager:PutResourcePolicy, a la política asociada a su rol de Studio Classic.

     Le recomendamos encarecidamente que modifique la política de roles para usar diferentes roles para diferentes grupos de usuarios de Studio Classic. Puede agregar permisos adicionales basados en recursos para los secretos de Secrets Manager. Consulte Manage Secret Policy para ver las claves de condición que puede usar.

     Para obtener información acerca de cómo crear un secreto, consulte Creación de un secreto. Se le cobrará por los secretos que cree.

2. De forma opcional, puede proporcionar al científico de datos el nombre de la integración de almacenamiento que creó mediante el siguiente procedimiento: Create a Cloud Storage Integration in Snowflake. Este es el nombre de la nueva integración y se invoca integration_name en el CREATE INTEGRATION SQL comando que ejecutaste, que se muestra en el siguiente fragmento:

   
     CREATE STORAGE INTEGRATION integration_name
     TYPE = EXTERNAL_STAGE
     STORAGE_PROVIDER = S3
     ENABLED = TRUE
     STORAGE_AWS_ROLE_ARN = 'iam_role'
     [ STORAGE_AWS_OBJECT_ACL = 'bucket-owner-full-control' ]
     STORAGE_ALLOWED_LOCATIONS = ('s3://bucket/path/', 's3://bucket/path/')
     [ STORAGE_BLOCKED_LOCATIONS = ('s3://bucket/path/', 's3://bucket/path/') ]
                                

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Effect": "Allow",
            "Action": "glue:SearchTables",
            "Resource": [
                "arn:aws:glue:*:*:table/*/*",
                "arn:aws:glue:*:*:database/*",
                "arn:aws:glue:*:*:catalog"
            ]
        }
    ]
}   

Para conectarse a un origen de datos, haga lo siguiente.

1. Inicia sesión en Amazon SageMaker Console.

2. Elija Studio.

3. Elija Lanzar aplicación.

4. En la lista desplegable, seleccione Studio.

5. Elija el icono Inicio.

6. Elija Datos.

7. Elija Data Wrangler.

8. Elija Importar datos.

9. En Disponible, elija el origen de datos.

10. En el campo Nombre, especifique el nombre de la conexión.

11. De forma opcional, elija Configuración avanzada.

    1. Elija un Grupo de trabajo.

    2. Si su grupo de trabajo no ha impuesto la ubicación de salida de Amazon S3 o si no utiliza un grupo de trabajo, especifique un valor para la Ubicación de Amazon S3 de los resultados de la consulta.

    3. De forma opcional, para Período de retención de datos, seleccione la casilla de verificación para establecer un período de retención de datos y especifique el número de días que se almacenarán los datos antes de que se eliminen.

    4. (Opcional) De forma predeterminada, Data Wrangler guarda la conexión. Puede optar por quitar la marca de selección de la casilla de verificación y no guardar la conexión.

12. Elija Conectar.

13. Especifique una consulta.

    nota

    Para ayudarle a especificar una consulta, puede elegir una tabla en el panel de navegación de la izquierda. Data Wrangler muestra el nombre de la tabla y una vista previa de la misma. Elija el icono situado junto al nombre de la tabla para copiarlo. Puede utilizar el nombre de la tabla en la consulta.

14. Elija Ejecutar.

15. Elija Importar consulta.

16. En Nombre del conjunto de datos, especifique el nombre del conjunto de datos.

17. Elija Añadir.