AWS Glue Connexions de streaming

Les sections suivantes fournissent des informations sur l'utilisation des connexions dans AWS Glue Streaming.

Rubriques

Utilisation des connexions Kafka
Utilisation des connexions Kinesis

Utilisation des connexions Kafka

Vous pouvez utiliser une connexion Kafka pour lire et écrire dans des flux de données Kafka à l'aide des informations stockées dans une table du catalogue de données, ou en fournissant des informations pour accéder directement au flux de données. La connexion prend en charge un cluster Kafka ou un cluster Amazon Managed Streaming for Apache Kafka. Vous pouvez lire les informations de Kafka dans un Spark DataFrame, puis les convertir en AWS Glue DynamicFrame. Vous pouvez écrire DynamicFrames à Kafka dans un JSON format. Si vous accédez directement au flux de données, utilisez ces options pour fournir des informations sur la façon d'accéder au flux de données.

Si vous utilisez getCatalogSource ou create_data_frame_from_catalog pour consommer des enregistrements provenant d'une source de streaming Kafka, getCatalogSink ou write_dynamic_frame_from_catalog pour écrire des enregistrements sur Kafka, et que la tâche contient les informations de base de données et de nom de table du catalogue de données, et que vous pouvez les utiliser pour obtenir certains paramètres de base pour la lecture à partir de la source de streaming Kafka. Si vous utilisezgetSource,, getCatalogSinkgetSourceWithFormat, createDataFrameFromOptions ougetSinkWithFormat, ou create_data_frame_from_optionswrite_dynamic_frame_from_catalog, vous devez spécifier ces paramètres de base à l'aide des options de connexion décrites ici.

Vous pouvez spécifier les options de connexion pour Kafka à l'aide des arguments suivants pour les méthodes spécifiées dans la GlueContext classe.

Scala
- connectionOptions : utiliser avec getSource, createDataFrameFromOptions, getSink
- additionalOptions : utiliser avec getCatalogSource, getCatalogSink
- options : utiliser avec getSourceWithFormat, getSinkWithFormat
Python
- connection_options : utiliser avec create_data_frame_from_options, write_dynamic_frame_from_options
- additional_options : utiliser avec create_data_frame_from_catalog, write_dynamic_frame_from_catalog
- options : utiliser avec getSource, getSink

Pour les remarques et les restrictions relatives aux ETL jobs de streaming, consultezRestrictions et notes sur ETL en streaming.

Rubriques

Configurer Kafka

Il n'y a aucune AWS condition préalable pour se connecter aux flux Kafka disponibles sur Internet.

Vous pouvez créer une connexion AWS Glue Kafka pour gérer vos identifiants de connexion. Pour de plus amples informations, veuillez consulter Création d'une connexion AWS Glue pour un flux de données Apache Kafka. Dans la configuration AWS de votre tâche Glue, fournissez connectionName en tant que connexion réseau supplémentaire, puis, dans votre appel de méthode, fournissez connectionName au connectionName paramètre.

Dans certains cas, vous devrez configurer des prérequis supplémentaires :

Si vous utilisez Amazon Managed Streaming pour Apache Kafka avec IAM authentification, vous aurez besoin d'une configuration appropriéeIAM.
Si vous utilisez Amazon Managed Streaming pour Apache Kafka for Apache au sein d'un AmazonVPC, vous aurez besoin d'une configuration Amazon VPC appropriée. Vous devez créer une connexion AWS Glue fournissant les informations de VPC connexion Amazon. Vous aurez besoin de la configuration de votre tâche pour inclure la connexion AWS Glue en tant que connexion réseau supplémentaire.

Pour plus d'informations sur les prérequis du ETL poste de streaming, consultezTâches ETL en streaming dans AWS Glue.

Exemple : lecture à partir de flux Kafka

Utilisez conjointement avec forEachBatch.

Exemple pour la source de streaming Kafka :


kafka_options =
    { "connectionName": "ConfluentKafka", 
      "topicName": "kafka-auth-topic", 
      "startingOffsets": "earliest", 
      "inferSchema": "true", 
      "classification": "json" 
    }
data_frame_datasource0 = glueContext.create_data_frame.from_options(connection_type="kafka", connection_options=kafka_options)

Exemple : écrire dans des flux Kafka

Exemples pour écrire à Kafka :

Exemple avec la getSink méthode :


data_frame_datasource0 = 
glueContext.getSink(
	connectionType="kafka",
	connectionOptions={
		JsonOptions("""{
			"connectionName": "ConfluentKafka", 
			"classification": "json", 
			"topic": "kafka-auth-topic", 
			"typeOfData": "kafka"}
		""")}, 
	transformationContext="dataframe_ApacheKafka_node1711729173428")
	.getDataFrame()

Exemple avec la write_dynamic_frame.from_options méthode :


kafka_options =
    { "connectionName": "ConfluentKafka", 
      "topicName": "kafka-auth-topic", 
      "classification": "json" 
    }
data_frame_datasource0 = glueContext.write_dynamic_frame.from_options(connection_type="kafka", connection_options=kafka_options)

Référence des options de connexion de Kafka

Lors de la lecture, utilisez les options de connexion suivantes avec "connectionType": "kafka" :

"bootstrap.servers"(Obligatoire) Une liste de serveurs bootstrapURLs, par exemple, commeb-1.vpc-test-2.o4q88o.c6.kafka.us-east-1.amazonaws.com:9094. Cette option doit être spécifiée dans l'APIappel ou définie dans les métadonnées de la table dans le catalogue de données.
"security.protocol"(Obligatoire) Le protocole utilisé pour communiquer avec les agents. Les valeurs possibles sont "SSL" ou "PLAINTEXT".
"topicName" : (requis) liste de rubriques séparées par des virgules auxquelles s'abonner. Vous devez spécifier un seul et unique élément parmi "topicName", "assign" ou "subscribePattern".
"assign": (Obligatoire) JSON Chaîne spécifiant le produit spécifique TopicPartitions à consommer. Vous devez spécifier un seul et unique élément parmi "topicName", "assign" ou "subscribePattern".

Exemple : '{"topicA":[0,1],"topicB":[2,4]}'
"subscribePattern" : (obligatoire) chaîne d'expression rationnelle Java qui identifie la liste de rubriques à laquelle vous souhaitez vous abonner. Vous devez spécifier un seul et unique élément parmi "topicName", "assign" ou "subscribePattern".

Exemple : 'topic.*'
"classification" : (obligatoire) le format de fichier utilisé par les données de l'enregistrement. Obligatoire, sauf s'il est fourni par le catalogue de données.
"delimiter"(Facultatif) Le séparateur de valeurs utilisé lorsque classification estCSV. La valeur par défaut est « , ».
"startingOffsets" : (facultatif) position de départ dans la rubrique Kafka à partir de laquelle lire les données. Les valeurs possibles sont "earliest" ou "latest". La valeur par défaut est "latest".
"startingTimestamp": (Facultatif, disponible uniquement pour AWS la version 4.0 ou ultérieure de Glue) Horodatage de l'enregistrement dans la rubrique Kafka à partir duquel les données doivent être lues. La valeur possible est une chaîne d'horodatage au UTC format du modèle yyyy-mm-ddTHH:MM:SSZ (où Z représente un décalage de UTC fuseau horaire avec un +/-). Par exemple : « 2023-04-04T 08:00:00-04:00 «).

Remarque : seule l'une des propriétés « startingOffsets » ou « startingTimestamp » peut être présente dans la liste des options de connexion du script de streaming AWS Glue. L'inclusion de ces deux propriétés entraînera l'échec de la tâche.
"endingOffsets" : (facultatif) point de fin lorsqu'une requête par lots est terminée. Les valeurs possibles sont soit une chaîne, "latest" soit une JSON chaîne spécifiant un décalage de fin pour chacune d'entre ellesTopicPartition.

Pour la JSON chaîne, le format est{"topicA":{"0":23,"1":-1},"topicB":{"0":-1}}. La valeur -1 en tant que décalage représente "latest".
"pollTimeoutMs" : (facultatif) délai d'attente en millisecondes pour interroger les données de Kafka dans les exécuteurs de tâches Spark. La valeur par défaut est 512.
"numRetries" : (facultatif) nombre de nouvelles tentatives avant de ne pas récupérer les décalages Kafka. La valeur par défaut est 3.
"retryIntervalMs" : (facultatif) temps d'attente en millisecondes avant d'essayer de récupérer les décalages Kafka. La valeur par défaut est 10.
"maxOffsetsPerTrigger" : (facultatif) limite de taux sur le nombre maximal de décalages qui sont traités par intervalle de déclenchement. Le nombre total spécifié de décalages est réparti proportionnellement entre les topicPartitions des différents volumes. La valeur par défaut est null, ce qui signifie que le consommateur lit tous les décalages jusqu'au dernier décalage connu.
"minPartitions" : (facultatif) nombre minimum de partitions à lire à partir de Kafka. La valeur par défaut est nulle, ce qui signifie que le nombre de partitions Spark est égal au nombre de partitions Kafka.
"includeHeaders": (facultatif) indique s'il faut inclure les en-têtes Kafka. Lorsque l'option est définie sur « true » (vrai), la sortie de données contiendra une colonne supplémentaire nommée « glue_streaming_kafka_headers » avec le type Array[Struct(key: String, value: String)]. La valeur définie par défaut est « false ». Cette option est disponible dans AWS Glue version 3.0 ou ultérieure.
"schema": (Obligatoire lorsqu'il est inferSchema défini sur false) Schéma à utiliser pour traiter la charge utile. Si la classification est avro, le schéma fourni doit être au format de schéma Avro. Si la classification n'est pas avro le cas, le schéma fourni doit être au format du DDL schéma.

Voici quelques exemples de schémas.
Example in DDL schema format
```
'column1' INT, 'column2' STRING , 'column3' FLOAT
```
Example in Avro schema format
```
{
"type":"array",
"items":
{
"type":"record",
"name":"test",
"fields":
[
  {
    "name":"_id",
    "type":"string"
  },
  {
    "name":"index",
    "type":
    [
      "int",
      "string",
      "float"
    ]
  }
]
}
}
```
"inferSchema" : (facultatif) la valeur par défaut est « false ». S'il est défini sur « true », le schéma sera détecté lors de l'exécution à partir de la charge utile dans foreachbatch.
"avroSchema" : (obsolète) paramètre utilisé pour spécifier un schéma de données Avro lorsque le format Avro est utilisé. Ce paramètre est désormais obsolète. Utilisez le paramètre schema.
"addRecordTimestamp" : (facultatif) lorsque cette option est définie sur « true », la sortie de données contient une colonne supplémentaire nommée « __src_timestamp » qui indique l'heure à laquelle l'enregistrement correspondant est reçu par la rubrique. La valeur par défaut est « false ». Cette option est prise en charge dans AWS Glue version 4.0 ou ultérieure.
"emitConsumerLagMetrics": (Facultatif) Lorsque l'option est définie sur « vrai », pour chaque lot, elle émet les métriques correspondant à la durée comprise entre le plus ancien enregistrement reçu par le sujet et le moment où il arrive CloudWatch. AWS Glue Le nom de la métrique est « glue.driver.streaming ». maxConsumerLagInMs». La valeur par défaut est « false ». Cette option est prise en charge dans AWS Glue version 4.0 ou ultérieure.

Lorsque vous écrivez, utilisez les options de connexion suivantes avec "connectionType": "kafka" :

"connectionName"(Obligatoire) Nom de la connexion AWS Glue utilisée pour se connecter au cluster Kafka (similaire à la source Kafka).
"topic"(Obligatoire) Si une colonne de sujet existe, sa valeur est utilisée comme sujet lors de l'écriture de la ligne donnée dans Kafka, sauf si l'option de configuration du sujet est définie. C'est-à-dire que l'option topic de configuration remplace la colonne du sujet.
"partition"(Facultatif) Si un numéro de partition valide est spécifié, il partition sera utilisé lors de l'envoi de l'enregistrement.

Si aucune partition n'est spécifiée mais que a key est présent, une partition sera choisie à l'aide d'un hachage de la clé.

Si ni l'un key ni l'autre n'partitionest présent, une partition sera choisie en partitionnant de manière permanente ces modifications lorsqu'au moins des octets batch.size seront produits sur la partition.
"key"(Facultatif) Utilisé pour le partitionnement s'il partition est nul.
"classification"(Facultatif) Format de fichier utilisé par les données de l'enregistrement. Nous soutenons uniquementJSON, CSV et Avro.

Avec le format Avro, nous pouvons fournir une personnalisation avec laquelle avroSchema sérialiser, mais notez que celle-ci doit également être fournie sur la source pour la désérialisation. Sinon, par défaut, il utilise Apache AvroSchema pour la sérialisation.

En outre, vous pouvez ajuster le récepteur Kafka selon les besoins en mettant à jour les paramètres de configuration du producteur Kafka. Notez qu'il n'existe aucune liste d'autorisation pour les options de connexion, toutes les paires clé-valeur sont conservées telles quelles sur le récepteur.

Cependant, il existe une petite liste d'options refusées qui ne prendront pas effet. Pour plus d'informations, consultez la section Configurations spécifiques à Kafka.

Utilisation des connexions Kinesis

Vous pouvez utiliser une connexion Kinesis pour lire et écrire dans les flux de données Amazon Kinesis à l'aide des informations stockées dans une table du catalogue de données, ou en fournissant des informations pour accéder directement au flux de données. Vous pouvez lire les informations de Kinesis dans un Spark DataFrame, puis les convertir en Glue AWS . DynamicFrame Vous pouvez DynamicFrames écrire dans Kinesis dans un JSON format. Si vous accédez directement au flux de données, utilisez ces options pour fournir des informations sur la façon d'accéder au flux de données.

Si vous utilisez getCatalogSource ou create_data_frame_from_catalog pour consommer des enregistrements à partir d'une source de streaming Kinesis, la tâche dispose des informations relatives à la base de données Data Catalog et au nom de la table, et peut les utiliser pour obtenir certains paramètres de base pour la lecture à partir de la source de streaming Kinesis. Si vous utilisez getSource, getSourceWithFormat, createDataFrameFromOptions ou create_data_frame_from_options, vous devez spécifier ces paramètres de base à l'aide des options de connexion décrites ici.

Vous pouvez spécifier les options de connexion pour Kinesis à l'aide des arguments suivants pour les méthodes spécifiées dans la classe GlueContext.

Scala
- connectionOptions : utiliser avec getSource, createDataFrameFromOptions, getSink
- additionalOptions : utiliser avec getCatalogSource, getCatalogSink
- options : utiliser avec getSourceWithFormat, getSinkWithFormat
Python
- connection_options : utiliser avec create_data_frame_from_options, write_dynamic_frame_from_options
- additional_options : utiliser avec create_data_frame_from_catalog, write_dynamic_frame_from_catalog
- options : utiliser avec getSource, getSink

Pour les remarques et les restrictions relatives aux ETL jobs de streaming, consultezRestrictions et notes sur ETL en streaming.

Configurer Kinesis

Pour vous connecter à un flux de données Kinesis dans le cadre d'une tâche AWS Glue Spark, vous aurez besoin de certaines conditions préalables :

En cas de lecture, la tâche AWS Glue doit disposer d'IAMautorisations de niveau d'accès en lecture au flux de données Kinesis.
En cas d'écriture, la tâche AWS Glue doit disposer d'IAMautorisations de niveau d'accès Write au flux de données Kinesis.

Dans certains cas, vous devrez configurer des prérequis supplémentaires :

Si votre tâche AWS Glue est configurée avec des connexions réseau supplémentaires (généralement pour se connecter à d'autres ensembles de données) et que l'une de ces connexions fournit des options Amazon VPC Network, cela indiquera à votre tâche de communiquer via AmazonVPC. Dans ce cas, vous devrez également configurer votre flux de données Kinesis pour communiquer via Amazon. VPC Vous pouvez le faire en créant un point de VPC terminaison d'interface entre votre flux de données Amazon VPC et Kinesis. Pour plus d'informations, consultez la section Utilisation de Kinesis Data Streams avec des points de terminaison d'VPCinterface.
Lorsque vous spécifiez Amazon Kinesis Data Streams dans un autre compte, vous devez configurer les rôles et les stratégies pour autoriser l'accès intercompte. Pour de plus amples informations, veuillez consulter la rubrique Exemple : Lire à partir d'un flux Kinesis dans un autre compte.

Pour plus d'informations sur les prérequis du ETL poste de streaming, consultezTâches ETL en streaming dans AWS Glue.

Lecture depuis Kinesis

Exemple : lecture à partir de flux Kinesis

Utilisez conjointement avec forEachBatch.

Exemple pour la source de streaming Amazon Kinesis :


kinesis_options =
   { "streamARN": "arn:aws:kinesis:us-east-2:777788889999:stream/fromOptionsStream",
     "startingPosition": "TRIM_HORIZON", 
     "inferSchema": "true", 
     "classification": "json" 
   }
data_frame_datasource0 = glueContext.create_data_frame.from_options(connection_type="kinesis", connection_options=kinesis_options)

Écrire à Kinesis

Exemple : écriture dans Kinesis Streams

Utilisez conjointement avec forEachBatch. Vous DynamicFrame serez écrit dans le flux dans un JSON format. Si la tâche ne parvient pas à écrire après plusieurs tentatives, elle échoue. Par défaut, chaque DynamicFrame enregistrement est envoyé au flux Kinesis individuellement. Vous pouvez configurer ce comportement à l'aide de la commande aggregationEnabled et des paramètres associés.

Exemple d'écriture sur Amazon Kinesis à partir d'une tâche de diffusion :

Paramètres de connexion Kinesis

Désigne des options de connexion à Amazon Kinesis Data Streams.

Utilisez les options de connexion suivantes pour les sources de données en streaming Kinesis :

"streamARN" (Obligatoire) Utilisé pour la lecture/l'écriture. Le ARN du flux de données Kinesis.
"classification" (Obligatoire pour la lecture) Utilisé pour la lecture. Format de fichier utilisé par les données de l'enregistrement. Obligatoire, sauf s’il est fourni par le catalogue de données.
"streamName" : (facultatif) utilisé pour la lecture. Nom du flux de données Kinesis à partir duquel lire. Utilisé avec endpointUrl.
"endpointUrl" : (facultatif) utilisé pour la lecture. Par défaut : « https://kinesis.us-east-1.amazonaws.com ». AWS Point de terminaison du flux Kinesis. Vous n'avez pas besoin de modifier ce paramètre, sauf si vous vous connectez à une région spéciale.
"partitionKey" : (facultatif) utilisé pour l'écriture. Clé de partition Kinesis utilisée lors de la production d'enregistrements.
"delimiter" : (facultatif) utilisé pour la lecture. Le séparateur de valeurs utilisé lorsque classification estCSV. La valeur par défaut est « , ».
"startingPosition" : (facultatif) utilisé pour la lecture. La position de départ dans le flux de données Kinesis à partir duquel lire les données. Les valeurs possibles sont"latest", "trim_horizon""earliest", ou une chaîne d'horodatage au UTC format du modèle yyyy-mm-ddTHH:MM:SSZ (où Z représente un décalage de UTC fuseau horaire avec un +/-). Par exemple « 2023-04-04T 08:00:00-04:00 «). La valeur par défaut est "latest". Remarque : la chaîne Timestamp dans UTC Format for n'"startingPosition"est prise en charge que pour la version 4.0 ou ultérieure de AWS Glue.
"failOnDataLoss" : (facultatif) échec de la tâche si une partition active est manquante ou a expiré. La valeur par défaut est "false".
"awsSTSRoleARN" : (facultatif) utilisé pour la lecture/l'écriture. Le nom de ressource Amazon (ARN) du rôle à assumer en utilisant AWS Security Token Service (AWS STS). Ce rôle doit disposer des autorisations nécessaires pour décrire ou lire des registres pour le flux de données Kinesis. Vous devez utiliser ce paramètre lorsque vous accédez à un flux de données dans un autre compte. Utilisez conjointement avec "awsSTSSessionName".
"awsSTSSessionName" : (facultatif) utilisé pour la lecture/l'écriture. Un identifiant de la séance assumant le rôle à l'aide d' AWS STS. Vous devez utiliser ce paramètre lorsque vous accédez à un flux de données dans un autre compte. Utilisez conjointement avec "awsSTSRoleARN".
"awsSTSEndpoint": (Facultatif) Le AWS STS point de terminaison à utiliser lors de la connexion à Kinesis avec un rôle assumé. Cela permet d'utiliser le point de AWS STS terminaison régional dans unVPC, ce qui n'est pas possible avec le point de terminaison global par défaut.
"maxFetchTimeInMs" : (facultatif) utilisé pour la lecture. Durée maximale pendant laquelle l'exécuteur de tâches lit les enregistrements du lot en cours à partir du flux de données Kinesis, spécifiée en millisecondes (ms). Plusieurs GetRecords API appels peuvent être effectués pendant cette période. La valeur par défaut est 1000.
"maxFetchRecordsPerShard" : (facultatif) utilisé pour la lecture. Le nombre maximum d'enregistrements à récupérer par partition dans le flux de données Kinesis par microbatch. Remarque : le client peut dépasser cette limite si la tâche de streaming a déjà lu des enregistrements supplémentaires provenant de Kinesis (lors du même appel get-records). Si elle maxFetchRecordsPerShard doit être stricte, elle doit être un multiple demaxRecordPerRead. La valeur par défaut est 100000.
"maxRecordPerRead" : (facultatif) utilisé pour la lecture. Nombre maximal d'enregistrements à extraire du flux de données Kinesis dans chaque opération getRecords. La valeur par défaut est 10000.
"addIdleTimeBetweenReads" : (facultatif) utilisé pour la lecture. Ajoute un délai entre deux opérations getRecords consécutives. La valeur par défaut est "False". Cette option n’est configurable que pour Glue version 2.0 et ultérieure.
"idleTimeBetweenReadsInMs" : (facultatif) utilisé pour la lecture. Délai minimum entre deux opérations getRecords, en ms. La valeur par défaut est 1000. Cette option n’est configurable que pour Glue version 2.0 et ultérieure.
"describeShardInterval" : (facultatif) utilisé pour la lecture. Intervalle de temps minimum entre deux ListShards API appels avant que votre script envisage de repartager. Pour plus d'informations, consultez Politiques de repartitionnement dans le Guide du développeur Amazon Kinesis Data Streams. La valeur par défaut est 1s.
"numRetries" : (facultatif) utilisé pour la lecture. Nombre maximal de tentatives pour les demandes Kinesis Data API Streams. La valeur par défaut est 3.
"retryIntervalMs" : (facultatif) utilisé pour la lecture. Période de latence (spécifiée en ms) avant de réessayer l'appel Kinesis Data Streams. API La valeur par défaut est 1000.
"maxRetryIntervalMs" : (facultatif) utilisé pour la lecture. Durée maximale (spécifiée en ms) entre deux tentatives d'un appel Kinesis Data Streams. API La valeur par défaut est 10000.
"avoidEmptyBatches" : (facultatif) utilisé pour la lecture. Évite de créer une tâche de micro-lot vide en vérifiant les données non lues dans le flux de données Kinesis avant le démarrage du lot. La valeur par défaut est "False".
"schema": (Obligatoire lorsqu'il est inferSchema défini sur false) Utilisé pour la lecture. Schéma à utiliser pour traiter la charge utile. Si la classification est avro, le schéma fourni doit être au format de schéma Avro. Si la classification n'est pas avro le cas, le schéma fourni doit être au format du DDL schéma.

Voici quelques exemples de schémas.
Example in DDL schema format
```
`column1` INT, `column2` STRING , `column3` FLOAT
```
Example in Avro schema format
```
{
  "type":"array",
  "items":
  {
    "type":"record",
    "name":"test",
    "fields":
    [
      {
        "name":"_id",
        "type":"string"
      },
      {
        "name":"index",
        "type":
        [
          "int",
          "string",
          "float"
        ]
      }
    ]
  }
}
```
"inferSchema" : (facultatif) utilisé pour la lecture. La valeur par défaut est « false ». S’il est défini sur « true », le schéma sera détecté lors de l’exécution à partir de la charge utile dans foreachbatch.
"avroSchema" : (obsolète) utilisé pour la lecture. Paramètre utilisé pour spécifier un schéma de données Avro lorsque le format Avro est utilisé. Ce paramètre est désormais obsolète. Utilisez le paramètre schema.
"addRecordTimestamp" : (facultatif) utilisé pour la lecture. Lorsque cette option est définie sur « true », la sortie de données contient une colonne supplémentaire nommée « __src_timestamp » qui indique l'heure à laquelle l'enregistrement correspondant est reçu par le flux. La valeur par défaut est « false ». Cette option est prise en charge dans AWS Glue version 4.0 ou ultérieure.
"emitConsumerLagMetrics" : (facultatif) utilisé pour la lecture. Lorsque l'option est définie sur « vrai », pour chaque lot, elle émet les métriques correspondant à la durée comprise entre le plus ancien enregistrement reçu par le flux et l'heure AWS Glue à laquelle il arrive CloudWatch. Le nom de la métrique est « glue.driver.streaming ». maxConsumerLagInMs». La valeur par défaut est « false ». Cette option est prise en charge dans AWS Glue version 4.0 ou ultérieure.
"fanoutConsumerARN" : (facultatif) utilisé pour la lecture. ARND'un consommateur de flux Kinesis pour le flux spécifié dans. streamARN Utilisé pour activer le mode diffusion améliorée pour votre connexion Kinesis. Pour plus d'informations sur la consommation d'un flux Kinesis avec diffusion améliorée, consultez Utilisation de la diffusion améliorée dans les tâches de streaming Kinesis.
"recordMaxBufferedTime" : (facultatif) utilisé pour l'écriture. Par défaut : 1 000 (ms). Durée maximale pendant laquelle un enregistrement est mis en mémoire tampon en attendant d'être écrit.
"aggregationEnabled" : (facultatif) utilisé pour l'écriture. Valeur par défaut : vraie. Spécifie si les enregistrements doivent être agrégés avant de les envoyer à Kinesis.
"aggregationMaxSize" : (facultatif) utilisé pour l'écriture. Par défaut : 51 200 (octets). Si un enregistrement est supérieur à cette limite, il contourne l'agrégateur. Remarque Kinesis impose une limite de 50 Ko à la taille des enregistrements. Si vous définissez ce paramètre au-delà de 50 Ko, les enregistrements surdimensionnés seront rejetés par Kinesis.
"aggregationMaxCount" : (facultatif) utilisé pour l'écriture. Par défaut : 4294967295. Nombre maximum de résultats à regrouper dans un enregistrement agrégé.
"producerRateLimit" : (facultatif) utilisé pour l'écriture. Par défaut : 150 (%). Limite le débit par partition envoyée par un seul producteur (votre tâche, par exemple), sous forme de pourcentage de la limite du backend.
"collectionMaxCount" : (facultatif) utilisé pour l'écriture. Par défaut : 500. Nombre maximum d'articles à inclure dans une PutRecords demande.
"collectionMaxSize" : (facultatif) utilisé pour l'écriture. Par défaut : 5242880 (octets). Quantité maximale de données à envoyer avec une PutRecords demande.

Avertissement JavaScript est désactivé ou n'est pas disponible dans votre navigateur.

Pour que vous puissiez utiliser la documentation AWS, Javascript doit être activé. Vous trouverez des instructions sur les pages d'aide de votre navigateur.

Conventions de rédaction

Concepts du streaming

AWS Glue mise à l'échelle automatique du streaming