Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Connecteur Amazon Athena pour Cloudera Impala
Le connecteur Amazon Athena Cloudera Impala permet à Athena d'exécuter des SQL requêtes sur la distribution Cloudera Impala.
Ce connecteur n'utilise pas Glue Connections pour centraliser les propriétés de configuration dans Glue. La configuration de la connexion s'effectue via Lambda.
Prérequis
Déployez le connecteur sur votre Compte AWS à l’aide de la console Athena ou du AWS Serverless Application Repository. Pour plus d’informations, consultez Création d'une connexion à une source de données ou Utilisez le AWS Serverless Application Repository pour déployer un connecteur de source de données.
Configurez un VPC et un groupe de sécurité avant d'utiliser ce connecteur. Pour de plus amples informations, veuillez consulter Création d'un connecteur ou d'une AWS Glue connexion VPC pour une source de données.
Limites
-
Les DDL opérations d'écriture ne sont pas prises en charge.
-
Dans une configuration de multiplexeur, le compartiment de déversement et le préfixe sont partagés entre toutes les instances de base de données.
-
Toutes les limites Lambda pertinentes. Pour plus d'informations, consultez la section Quotas Lambda du Guide du développeur AWS Lambda .
Conditions
Les termes suivants se rapportent au connecteur Cloudera Impala.
-
Instance de base de données : toute instance d'une base de données déployée sur siteEC2, sur Amazon ou sur AmazonRDS.
-
Gestionnaire – Un gestionnaire Lambda qui accède à votre instance de base de données. Un gestionnaire peut être destiné aux métadonnées ou aux enregistrements de données.
-
Gestionnaire de métadonnées – Un gestionnaire Lambda qui extrait les métadonnées de votre instance de base de données.
-
Gestionnaire d’enregistrements – Un gestionnaire Lambda qui extrait les enregistrements de données de votre instance de base de données.
-
Gestionnaire de composites – Un gestionnaire Lambda qui extrait les métadonnées et les enregistrements de données de votre instance de base de données.
-
Propriété ou paramètre – Propriété de base de données utilisée par les gestionnaires pour extraire des informations de base de données. Vous configurez ces propriétés en tant que variables d’environnement Lambda.
-
Chaîne de connexion – Chaîne de texte utilisée pour établir une connexion à une instance de base de données.
-
Catalogue — Un AWS Glue non-catalogue enregistré auprès d'Athena qui est un préfixe obligatoire pour la propriété.
connection_string -
Gestionnaire de multiplexage – Un gestionnaire Lambda qui peut accepter et utiliser plusieurs connexions de base de données.
Paramètres
Utilisez les paramètres de cette section pour configurer le connecteur Cloudera Impala.
Chaîne de connexion
Utilisez une chaîne de JDBC connexion au format suivant pour vous connecter à un cluster Impala.
impala://${jdbc_connection_string}
Utilisation d'un gestionnaire de multiplexage
Vous pouvez utiliser un multiplexeur pour vous connecter à plusieurs instances de base de données à l’aide d’une seule fonction Lambda. Les demandes sont acheminées par nom de catalogue. Utilisez les classes suivantes dans Lambda.
| Handler (Gestionnaire) | Classe |
|---|---|
| Gestionnaire de composites | ImpalaMuxCompositeHandler |
| Gestionnaire de métadonnées | ImpalaMuxMetadataHandler |
| Gestionnaire d’enregistrements | ImpalaMuxRecordHandler |
Paramètres du gestionnaire de multiplexage
| Paramètre | Description |
|---|---|
$ |
Obligatoire. Chaîne de connexion à un cluster Impala pour un catalogue Athena. Préfixez la variable d'environnement avec le nom du catalogue utilisé dans Athena. Par exemple, si le catalogue enregistré auprès d’Athena est myimpalacatalog, le nom de la variable d’environnement est alors myimpalacatalog_connection_string. |
default |
Obligatoire. Chaîne de connexion par défaut. Cette chaîne est utilisée lorsque le catalogue est lambda:${ AWS_LAMBDA_FUNCTION_NAME}. |
Les exemples de propriétés suivants concernent une fonction Impala MUX Lambda qui prend en charge deux instances de base de données impala1 : (par défaut) et. impala2
| Propriété | Valeur |
|---|---|
default |
impala://jdbc:impala://some.impala.host.name:21050/?${Test/impala1} |
impala_catalog1_connection_string |
impala://jdbc:impala://someother.impala.host.name:21050/?${Test/impala1} |
impala_catalog2_connection_string |
impala://jdbc:impala://another.impala.host.name:21050/?UID=sample&PWD=sample |
Fourniture des informations d’identification
Pour fournir un nom d'utilisateur et un mot de passe pour votre base de données dans votre chaîne de JDBC connexion, vous pouvez utiliser les propriétés de la chaîne de connexion ou AWS Secrets Manager.
-
Chaîne de connexion — Un nom d'utilisateur et un mot de passe peuvent être spécifiés sous forme de propriétés dans la chaîne de JDBC connexion.
Important
Afin de vous aider à optimiser la sécurité, n'utilisez pas d'informations d'identification codées en dur dans vos variables d'environnement ou vos chaînes de connexion. Pour plus d'informations sur le transfert de vos secrets codés en dur vers AWS Secrets Manager, voir Déplacer les secrets codés en dur vers AWS Secrets Manager dans le Guide de l'AWS Secrets Manager utilisateur.
-
AWS Secrets Manager— Pour utiliser la fonctionnalité Athena Federated Query AWS Secrets Manager, la personne VPC connectée à votre fonction Lambda doit disposer d'un accès Internet
ou d'un VPCpoint de terminaison pour se connecter à Secrets Manager. Vous pouvez insérer le nom d'un secret AWS Secrets Manager dans votre chaîne de JDBC connexion. Le connecteur remplace le nom secret par les valeurs
usernameetpasswordde Secrets Manager.Pour les instances RDS de base de données Amazon, cette prise en charge est étroitement intégrée. Si vous utilisez AmazonRDS, nous vous recommandons vivement d'utiliser une rotation AWS Secrets Manager des identifiants. Si votre base de données n'utilise pas AmazonRDS, stockez les JSON informations d'identification au format suivant :
{"username": "${username}", "password": "${password}"}
Exemple de chaîne de connexion avec un nom secret
La chaîne suivante porte le nom secret ${Test/impala1host}.
impala://jdbc:impala://Impala1host:21050/?...&${Test/impala1host}&...
Le connecteur utilise le nom secret pour récupérer les secrets et fournir le nom d’utilisateur et le mot de passe, comme dans l’exemple suivant.
impala://jdbc:impala://Impala1host:21050/?...&UID=sample2&PWD=sample2&...
Actuellement, Cloudera Impala reconnaît les propriétés UID et PWDJDBC.
Utilisation d'un gestionnaire de connexion unique
Vous pouvez utiliser les métadonnées de connexion unique et les gestionnaires d’enregistrements suivants pour vous connecter à une seule instance Cloudera Impala.
| Type de gestionnaire | Classe |
|---|---|
| Gestionnaire de composites | ImpalaCompositeHandler |
| Gestionnaire de métadonnées | ImpalaMetadataHandler |
| Gestionnaire d’enregistrements | ImpalaRecordHandler |
Paramètres du gestionnaire de connexion unique
| Paramètre | Description |
|---|---|
default |
Obligatoire. Chaîne de connexion par défaut. |
Les gestionnaires de connexion unique prennent en charge une instance de base de données et doivent fournir un paramètre de connexion default. Toutes les autres chaînes de connexion sont ignorées.
L’exemple de propriété suivant concerne une instance Cloudera Impala unique prise en charge par une fonction Lambda.
| Propriété | Valeur |
|---|---|
default |
impala://jdbc:impala://Impala1host:21050/?secret=${Test/impala1host} |
Paramètres de déversement
Le Lambda SDK peut transmettre des données à Amazon S3. Toutes les instances de base de données accessibles par la même fonction Lambda déversent au même emplacement.
| Paramètre | Description |
|---|---|
spill_bucket |
Obligatoire. Nom du compartiment de déversement. |
spill_prefix |
Obligatoire. Préfixe de la clé du compartiment de déversement. |
spill_put_request_headers |
(Facultatif) Carte JSON codée des en-têtes et des valeurs de la putObject demande Amazon S3 utilisée pour le déversement (par exemple,{"x-amz-server-side-encryption" :
"AES256"}). Pour les autres en-têtes possibles, consultez PutObjectle Amazon Simple Storage Service API Reference. |
Prise en charge du type de données
Le tableau suivant indique les types de données correspondants pour JDBC Cloudera Impala et Arrow.
| JDBC | Cloudera Impala | Flèche |
|---|---|---|
| Booléen | Booléen | Bit |
| Entier | TINYINT | Tiny |
| Court | SMALLINT | Smallint |
| Entier | INT | Int |
| Long | BIGINT | Bigint |
| float | float4 | Float4 |
| Double | float8 | Float8 |
| Date | date | DateDay |
| Horodatage | timestamp | DateMilli |
| Chaîne | VARCHAR | Varchar |
| Octets | octets | Varbinary |
| BigDecimal | Décimal | Décimal |
| ARRAY | N/A (voir la remarque) | Liste |
Note
Actuellement, Cloudera Impala ne prend pas en charge les types d’agrégats ARRAY, MAP, STRUCT ou UNIONTYPE. Les colonnes de types agrégés sont traitées comme VARCHAR des colonnes dansSQL.
Partitions et déversements
Les partitions sont utilisées pour déterminer comment générer des divisions pour le connecteur. Athena construit une colonne synthétique de type varchar qui représente le schéma de partitionnement de la table afin d’aider le connecteur à générer des divisions. Le connecteur ne modifie pas la définition réelle de la table.
Performance
Cloudera Impala prend en charge les partitions statiques. Le connecteur Athena Cloudera Impala peut récupérer les données de ces partitions en parallèle. Si vous souhaitez interroger des jeux de données très volumineux avec une distribution de partition uniforme, le partitionnement statique est fortement recommandé. Le connecteur Cloudera Impala résiste à la limitation due à la simultanéité.
Le connecteur Athena Cloudera Impala effectue une poussée vers le bas des prédicats pour réduire les données analysées par la requête. Les clauses LIMIT, les prédicats simples et les expressions complexes sont poussés vers le connecteur afin de réduire la quantité de données analysées et le délai d'exécution des requêtes.
LIMITclauses
Une instruction LIMIT N réduit les données analysées par la requête. Grâce à la poussée vers le bas LIMIT N, le connecteur renvoie uniquement des lignes N à Athena.
Prédicats
Un prédicat est une expression contenue dans la WHERE clause d'une SQL requête qui donne une valeur booléenne et filtre les lignes en fonction de plusieurs conditions. Le connecteur Athena Cloudera Impala peut combiner ces expressions et les pousser directement vers Cloudera Impala pour améliorer la fonctionnalité et réduire la quantité de données analysées.
Les opérateurs du connecteur Athena Cloudera Impala suivants prennent en charge la poussée vers le bas de prédicats :
-
Booléen :AND, OU, NOT
-
Égalité :EQUAL, NOT _EQUAL, _THAN, LESS _ LESS THAN _OR_, _EQUAL, _ GREATER THAN _OR_THAN, GREATER IS_ _, EQUAL _IF, IS_ DISTINCT FROM NULL NULL
-
Arithmétique : ADDSUBTRACT,,MULTIPLY,DIVIDE, MODULUS NEGATE
-
Autres : LIKE _PATTERN, IN
Exemple de poussée combinée vers le bas
Pour améliorer les capacités de requête, combinez les types de poussée vers le bas, comme dans l'exemple suivant :
SELECT * FROM my_table WHERE col_a > 10 AND ((col_a + col_b) > (col_c % col_d)) AND (col_e IN ('val1', 'val2', 'val3') OR col_f LIKE '%pattern%') LIMIT 10;
Requêtes passthrough
Le connecteur Cloudera Impala prend en charge les requêtes directes. Les requêtes passthrough utilisent une fonction de table pour transférer votre requête complète vers la source de données pour exécution.
Pour utiliser des requêtes directes avec Cloudera Impala, vous pouvez utiliser la syntaxe suivante :
SELECT * FROM TABLE( system.query( query => 'query string' ))
L'exemple de requête suivant envoie une requête vers une source de données dans Cloudera Impala. La requête sélectionne toutes les colonnes de la customer table, limitant les résultats à 10.
SELECT * FROM TABLE( system.query( query => 'SELECT * FROM customer LIMIT 10' ))
Informations de licence
En utilisant ce connecteur, vous reconnaissez l'inclusion de composants tiers, dont la liste se trouve dans le fichier pom.xml
Ressources supplémentaires
Pour obtenir les informations les plus récentes sur la version du JDBC pilote, consultez le fichier pom.xml
Pour plus d'informations sur ce connecteur, rendez-vous sur le site correspondant
