Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Memecahkan Masalah Amazon DataZone

Jika Anda mengalami masalah yang ditolak akses atau kesulitan serupa saat bekerja dengan Amazon, DataZone lihat topik di bagian ini.

Memecahkan masalah izin AWS Lake Formation untuk Amazon DataZone

Bagian ini berisi petunjuk pemecahan masalah untuk masalah yang mungkin Anda temui saat Anda. Konfigurasikan izin Lake Formation untuk Amazon DataZone

Memecahkan masalah penautan aset DataZone garis keturunan Amazon dengan kumpulan data hulu

Bagian ini berisi petunjuk pemecahan masalah untuk masalah yang mungkin Anda temui dengan garis keturunan Amazon DataZone . Untuk beberapa peristiwa open lineage run terkait Amazon RedShift, Anda mungkin melihat bahwa garis keturunan aset tidak ditautkan ke kumpulan data hulu. AWS Glue Topik ini menjelaskan skenario dan beberapa pendekatan untuk mengurangi masalah. Untuk informasi lebih lanjut tentang garis keturunan, lihat. Garis keturunan data di Amazon DataZone (Pratinjau)

SourceIdentifier pada simpul garis keturunan

sourceIdentifierAtribut dalam simpul garis keturunan mewakili peristiwa yang terjadi pada kumpulan data. Untuk informasi selengkapnya, lihat Atribut kunci di simpul garis keturunan.

Simpul garis keturunan mewakili semua peristiwa yang terjadi pada kumpulan data atau pekerjaan yang sesuai. Simpul garis keturunan berisi atribut "sourceIdentifier" yang berisi pengenal dataset/pekerjaan yang sesuai. Saat kami mendukung peristiwa garis keturunan terbuka, sourceIdentifier nilainya secara default diisi sebagai kombinasi “namespace” dan “name” untuk kumpulan data, pekerjaan, dan pekerjaan yang berjalan.

Untuk AWS sumber daya seperti AWS Glue dan Amazon Redshift, tabel sourceIdentifier ARN dan AWS Glue tabel Redshift ARNs tempat Amazon DataZone akan membuat run-event dan detail lainnya sebagai berikut:

SourceIdentifier pada aset di dalam DataZone

AssetCommonDetailFormmemiliki atribut yang disebut "sourceIdentifier" yang mewakili pengidentifikasi dataset yang diwakili oleh aset. Agar node garis keturunan aset ditautkan dengan dataset hulu, atribut harus diisi dengan nilai yang cocok dengan node dataset. sourceIdentifier Jika aset diimpor oleh sumber data, alur kerja terisi sourceIdentifier sebagai tabel AWS Glue /tabel ARN Redshift ARN secara otomatis sementara aset lain (termasuk aset kustom) yang dibuat melalui CreateAsset API seharusnya memiliki nilai tersebut diisi oleh pemanggil.

Bagaimana Amazon DataZone membangun sourceIdentifier dari OpenLineage Acara?

Aset For AWS Glue dan Redshift, dibuat dari sourceIdentifier Glue dan Redshift. ARNs Inilah cara Amazon DataZone membangunnya:

AWS Glue ARN

Tujuannya adalah untuk membangun sebuah OpenLineage Event di mana node garis keturunan keluaran adalah: sourceIdentifier

arn:aws:glue:us-east-1:123456789012:table/testlfdb/testlftb-1

Untuk menentukan apakah suatu run menggunakan data dari AWS Glue, cari keberadaan kata kunci tertentu di environment-properties faset tersebut. Secara khusus, jika salah satu bidang yang ditunjuk ini ada, sistem mengasumsikan RunEvent asalnya. AWS Glue

"run": {
   "runId":"4e3da9e8-6228-4679-b0a2-fa916119fthr",
   "facets":{
      "environment-properties":{
         "_producer":"https://github.com/OpenLineage/OpenLineage/tree/1.9.1/integration/spark",
         "_schemaURL":"https://openlineage.io/spec/2-0-2/OpenLineage.json#/$defs/RunFacet",
         "environment-properties":{
            "GLUE_VERSION":"3.0",
            "GLUE_COMMAND_CRITERIA":"glueetl",
            "GLUE_PYTHON_VERSION":"3"
         }
      }
   }

Untuk AWS Glue menjalankan, Anda dapat menggunakan nama dari symlinks segi untuk mendapatkan database dan nama tabel, yang dapat digunakan untuk membangun. ARN

Perlu memastikan namanya adalahdatabaseName.tableName:

"symlinks": {
   "_producer":"https://github.com/OpenLineage/OpenLineage/tree/1.9.1/integration/spark",
   "_schemaURL":"https://openlineage.io/spec/facets/1-0-0/SymlinksDatasetFacet.json#/$defs/SymlinksDatasetFacet",
   "identifiers":[
      {
         "namespace":"s3://object-path",
         "name":"testlfdb.testlftb-1",
         "type":"TABLE"
      }
   ]
}

Contoh COMPLETE Acara:

{
   "eventTime":"2024-07-01T12:00:00.000000Z",
   "producer":"https://github.com/OpenLineage/OpenLineage/tree/1.9.1/integration/glue",
   "schemaURL":"https://openlineage.io/spec/2-0-2/OpenLineage.json#/$defs/RunEvent",
   "eventType":"COMPLETE",
   "run": {
      "runId":"4e3da9e8-6228-4679-b0a2-fa916119fthr",
      "facets":{
         "environment-properties":{
            "_producer":"https://github.com/OpenLineage/OpenLineage/tree/1.9.1/integration/spark",
            "_schemaURL":"https://openlineage.io/spec/2-0-2/OpenLineage.json#/$defs/RunFacet",
            "environment-properties":{
               "GLUE_VERSION":"3.0",
               "GLUE_COMMAND_CRITERIA":"glueetl",
               "GLUE_PYTHON_VERSION":"3"
            }
         }
      }
   },
   "job":{
      "namespace":"namespace",
      "name":"job_name",
      "facets":{
         "jobType":{
            "_producer":"https://github.com/OpenLineage/OpenLineage/tree/1.9.1/integration/glue",
            "_schemaURL":"https://openlineage.io/spec/facets/2-0-2/JobTypeJobFacet.json#/$defs/JobTypeJobFacet",
            "processingType":"BATCH",
            "integration":"glue",
            "jobType":"JOB"
         }
      }
   },
   "inputs":[
      {
         "namespace":"namespace",
         "name":"input_name"
      }
   ],
   "outputs":[
      {
         "namespace":"namespace.output",
         "name":"output_name",
         "facets":{
            "symlinks":{
               "_producer":"https://github.com/OpenLineage/OpenLineage/tree/1.9.1/integration/spark",
               "_schemaURL":"https://openlineage.io/spec/facets/1-0-0/SymlinksDatasetFacet.json#/$defs/SymlinksDatasetFacet",
               "identifiers":[
                  {
                     "namespace":"s3://object-path",
                     "name":"testlfdb.testlftb-1",
                     "type":"TABLE"
                  }
               ]
            }
         }
      }
   ]
}

Berdasarkan OpenLineage acara yang sourceIdentifier dikirimkan, node garis keturunan keluaran adalah:

arn:aws:glue:us-east-1:123456789012:table/testlfdb/testlftb-1

Node garis keturunan keluaran akan terhubung ke simpul garis keturunan aset di mana aset tersebut berada: sourceIdentifier

arn:aws:glue:us-east-1:123456789012:table/testlfdb/testlftb-1

Pergeseran Merah Amazon ARN

Tujuannya adalah untuk membangun sebuah OpenLineage Event di mana node garis keturunan keluaran adalah: sourceIdentifier

arn:aws:redshift:us-east-1:123456789012:table/workgroup-20240715/tpcds_data/public/dws_tpcds_7

Sistem menentukan apakah input atau output disimpan dalam Redshift berdasarkan namespace. Secara khusus, jika namespace dimulai dengan redshift://atau berisi string redshift-serverless.amazonaws.com atau, redshift.amazonaws.com itu adalah sumber daya Redshift.

"outputs": [
    {
        "namespace":"redshift://workgroup-20240715.123456789012.us-east-1.redshift.amazonaws.com:5439",
        "name":"tpcds_data.public.dws_tpcds_7"
    }
]

Perhatikan bahwa namespace harus dalam format berikut:

provider://{cluster_identifier}.{region_name}:{port}

Untuk redshift-serverless:

"outputs": [
    {
        "namespace":"redshift://workgroup-20240715.123456789012.us-east-1.redshift-serverless.amazonaws.com:5439",
        "name":"tpcds_data.public.dws_tpcds_7"
    }
]

Hasil dalam hal berikut sourceIdentifier

arn:aws:redshift-serverless:us-east-1:123456789012:table/workgroup-20240715/tpcds_data/public/dws_tpcds_7

Berdasarkan OpenLineage peristiwa yang dikirimkan, sourceIdentifier simpul garis keturunan yang akan dipetakan ke hilir (yaitu, output dari acara) adalah:

arn:aws:redshift-serverless:us-e:us-east-1:123456789012:table/workgroup-20240715/tpcds_data/public/dws_tpcds_7

Ini adalah pemetaan yang membantu Anda memvisualisasikan garis keturunan aset dalam katalog.

Pendekatan alternatif

Ketika tidak ada kondisi di atas yang terpenuhi, sistem menggunakan namespace/name untuk membangun: sourceIdentifier

"inputs": [
  {
     "namespace":"arn:aws:redshift:us-east-1:123456789012:table",
     "name":"workgroup-20240715/tpcds_data/public/dws_tpcds_7"
  }
],
"outputs": [
  {
     "namespace":"arn:aws:glue:us-east-1:123456789012:table",
     "name":"testlfdb/testlftb-1"
  }
]

Memecahkan masalah kekurangan hulu untuk node garis keturunan aset

Jika Anda tidak melihat hulu node garis keturunan aset, Anda dapat melakukan hal berikut untuk memecahkan masalah mengapa node tersebut tidak ditautkan dengan kumpulan data:

Skenario dan mitigasi yang tidak cocok

Berikut ini adalah skenario yang umum diketahui di mana ini tidak akan cocok dan kemungkinan mitigasi:

Akar penyebab: Tabel hadir di akun yang berbeda dari akun DataZone domain Amazon.

Mitigasi: Anda dapat menjalankan PostLineageEvent operasi dari akun terkait. Karena accountId untuk membangun ARN diambil dari kredenal pemanggil, Anda dapat mengambil peran dari akun yang berisi tabel saat menjalankan skrip atau pemanggilan memulai. PostLineageEvent Melakukannya akan membantu dalam membangun ARNs dengan benar dan menghubungkan dengan node aset.

Akar penyebab: ARN Untuk Redshift table/views contains Redshift/Redshift -serverless berdasarkan namespace dan atribut nama dari informasi kumpulan data yang sesuai dalam acara run. OpenLineage

Mitigasi: Karena tidak ada cara deterministik untuk mengetahui apakah nama yang diberikan milik cluster atau workgroup, kami menggunakan heuristik berikut:

Akar penyebab: Kumpulan data hulu tidak ditautkan dengan benar untuk aset khusus.

Mitigasi<name>: Pastikan untuk mengisi aset dengan memanggilCreateAsset/CreateAssetRevisionyang cocok dengan node dataset (sourceIdentifieryang akan menjadi<namespace>/untuk node khusus). sourceIdentifier