Trasforma i dati con trasformazioni AWS Glue gestite

Trasformazioni native di AWS Glue: gestite da AWS Glue e disponibili per tutti gli utenti.

Trasformazioni visive personalizzate: consente di caricare le proprie trasformazioni da utilizzare in AWS Glue Studio

ChangeSchema: mappa le chiavi di proprietà dei dati nell'origine dati alle chiavi di proprietà dei dati nella destinazione dei dati. È possibile rinominare le chiavi, modificare i tipi di dati per le chiavi e scegliere le chiavi da eliminare dal set di dati.

SelectFields: Scegli le chiavi di proprietà dei dati che desideri conservare.

DropFields: Scegli le chiavi di proprietà dei dati che desideri eliminare.

RenameField: Rinomina una singola chiave di proprietà dei dati.

Spigot: scrivi esempi dei dati in un bucket Amazon S3.

Join: esegui il join di due set di dati in un set di dati utilizzando una frase di confronto sulle chiavi di proprietà dei dati specificate. È possibile utilizzare inner, outer, left, right, left semi e left anti join.

Union: combina righe provenienti da più di un'origine dati che hanno lo stesso schema.

SplitFields: divide le chiavi delle proprietà dei dati in dueDynamicFrames. Output è una raccolta di DynamicFrames: uno con le chiavi di proprietà dei dati selezionate e uno con le chiavi di proprietà dei dati rimanenti.

SelectFromCollection: Scegline una DynamicFrame da una raccolta diDynamicFrames. L'output è il DynamicFrame selezionato.

FillMissingValues: individua i record nel set di dati che contengono valori mancanti e aggiungi un nuovo campo con un valore suggerito determinato mediante imputazione

Filter: divide un set di dati in due, in base a una condizione di filtro.

DropNullFields: rimuove le colonne dal set di dati se tutti i valori nella colonna sono "null".

Elimina i duplicati: rimuove le righe dall'origine dati consentendo di scegliere se abbinare righe intere o specificare le chiavi.

SQL: Inserisci il SQL codice Spark in un campo di immissione di testo per utilizzare una SQL query per trasformare i dati. L'output è un singolo DynamicFrame.

Aggregate: esegue un calcolo (ad esempio media, somma, min, max) su campi e righe selezionati e crea un nuovo campo con i valori appena calcolati.

Flatten: estrae i campi all'interno delle strutture in campi di primo livello.

UUID: aggiungi una colonna con un identificatore univoco universale per ogni riga.

Identifier: aggiunge una colonna con un identificatore numerico per ogni riga.

To timestamp: converte una colonna in un tipo di timestamp.

Format timestamp: converte una colonna di timestamp in una stringa formattata.

Conditional Router transform: applica più condizioni ai dati in ingresso. Ogni riga dei dati in ingresso viene valutata in base a una condizione di filtro di gruppo ed elaborata nel gruppo corrispondente.

Trasformazione Concatena colonne: crea una nuova colonna di stringhe utilizzando i valori di altre colonne con un distanziatore opzionale.

Trasformazione Dividi stringa: suddividi una stringa in un array di token utilizzando un'espressione regolare per definire come viene eseguita la suddivisione.

Trasformazione Array a colonne: estrai alcuni o tutti gli elementi di una colonna di tipo array in nuove colonne.

Trasformazione Aggiungi timestamp corrente: contrassegna le righe con l'ora in cui i dati sono stati elaborati. Ciò è utile per scopi di controllo o per tenere traccia della latenza nella pipeline di dati.

Trasformazione Pivot: righe a colonne: aggrega una colonna numerica ruotando valori univoci su colonne selezionate che diventano nuove colonne. Se sono selezionate più colonne, i valori vengono concatenati per denominare le nuove colonne.

Trasformazione Elimina pivot: righe a colonne: converti le colonne in valori di nuove colonne generando una riga per ogni valore univoco.

Trasformazione Bilancia automaticamente elaborazione: ridistribuisci i dati tra i worker per migliorare le prestazioni. Ciò è utile nei casi in cui i dati non sono bilanciati o, poiché provengono dall'origine, non consentono un'elaborazione parallela sufficiente.

Trasformazione di colonna derivata: definisce una nuova colonna in base a una formula o SQL espressione matematica in cui è possibile utilizzare altre colonne nei dati, oltre a costanti e valori letterali.

Trasformazione Ricerca: aggiungi colonne da una tabella di catalogo definita quando le chiavi corrispondono alle colonne di ricerca definite nei dati.

Trasformazione Espandi array o mappa: estrae i valori da una struttura annidata in singole righe più facili da manipolare.

Trasformazione Corrispondenza dei record: richiama una trasformazione di classificazione dei dati di machine learning Corrispondenza dei record esistente.

Trasformazione Rimuovi righe nulle: rimuove dal set di dati le righe che hanno tutte le colonne come nulle o vuote.

Analizza la trasformazione delle JSON colonne: analizza una colonna di stringhe contenente JSON dati e la converte in una colonna di struttura o matrice, a seconda che si tratti rispettivamente di un oggetto o di un array. JSON

Estrai la trasformazione del JSON percorso: estrae nuove colonne da una colonna di JSON stringhe.

Trasformazione Estrai frammenti di stringa con un'espressione regolare: estrai frammenti di stringa utilizzando un'espressione regolare e crea a partire da essa una nuova colonna o anche più colonne, se si utilizzano gruppi di espressioni regolari.

Custom transform: inserisce il codice in un campo di inserimento testo per utilizzare le trasformazioni personalizzate. L'output è una raccolta di DynamicFrames.