기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다. # Amazon Quick Sight에서 데이터 새로 고침 데이터를 새로 고칠 때 Amazon Quick Sight는 연결 속성과 데이터의 스토리지 위치에 따라 데이터 세트를 다르게 처리합니다. Quick Sight가 직접 쿼리를 사용하여 데이터 스토어에 연결하는 경우 연결된 데이터 세트, 분석 또는 대시보드를 열면 데이터가 자동으로 새로 고쳐집니다. 필터 컨트롤은 24시간마다 자동으로 새로 고쳐집니다. SPICE 데이터 세트를 새로 고치려면 Quick Sight는 데이터에 연결하기 위해 저장된 자격 증명을 사용하여 독립적으로 인증해야 합니다. Quick Sight는 연결 및 위치 메타데이터를 저장하지 않기 SPICE때문에 Quick Sight는에 저장되어 있더라도 S3 버킷에서 수동으로 업로드된 데이터를 새로 고칠 수 없습니다. S3 버킷에 저장된 데이터를 자동으로 새로 고치려면 **S3** 데이터 원본 카드를 사용하여 데이터 세트를 생성합니다. SPICE에 수동으로 업로드한 파일의 경우 파일을 다시 가져와서 수동으로 새로 고칩니다. 새 파일에 원본 데이터 세트 이름을 다시 사용하려면 먼저 원본 데이터 세트의 이름을 바꾸거나 삭제하세요. 그런 다음 새 데이터 세트에 원하는 이름을 지정합니다. 또한 필드 이름이 동일한 이름과 데이터 유형인지 확인하세요. 분석을 열고 원본 데이터 세트를 새 데이터 세트로 바꿉니다. 자세한 내용은 [데이터 세트 변경](replacing-data-sets.md) 단원을 참조하십시오. [SPICE](spice.md) 데이터 세트는 언제라도 새로 고칠 수 있습니다. 새로 고치면 데이터를 SPICE로 가져와 데이터에 마지막 가져오기 이후의 변경 사항이 모두 포함됩니다. Amazon Quick Sight Standard Edition의 경우 언제든지 SPICE 데이터를 완전히 새로 고칠 수 있습니다. Amazon Quick Sight Enterprise Edition의 경우 언제든지 전체 새로 고침 또는 증분 새로 고침(SQL 기반 데이터 소스만 해당)을 수행할 수 있습니다. **참고** 데이터 세트가 CustomSQL을 사용하는 경우 점진적으로 새로 고치는 것이 도움이 되지 않을 수 있습니다. SQL 쿼리가 복잡한 경우 데이터베이스가 룩백 윈도우를 사용하여 필터를 최적화하지 못할 수 있습니다. 이로 인해 데이터를 가져오는 쿼리가 전체 새로 고침보다 오래 걸릴 수 있습니다. 사용자 지정 SQL을 리팩터링하여 쿼리 실행 시간을 줄여보는 것이 좋습니다. 단, 결과는 최적화하는 유형에 따라 달라질 수 있습니다. 다음 방법 중 하나를 사용하여 SPICE 데이터를 새로 고칠 수 있습니다. + 옵션은 **데이터 세트** 페이지에서 사용할 수 있습니다. + 데이터 세트를 편집하는 동안 데이터 세트를 새로 고칠 수 있습니다. + 데이터 세트 설정에서 새로 고침을 예약할 수 있습니다. + API 작업 [CreateIngestion](https://docs.aws.amazon.com/quicksight/latest/APIReference/API_CreateIngestion.html)을 사용하여 데이터를 새로 고칠 수 있습니다. SPICE 데이터 세트를 만들거나 편집할 때 데이터 로드 상태에 대한 이메일 알림을 활성화할 수 있습니다. 이 옵션은 데이터 로드 또는 새로 고침에 실패할 경우 데이터 세트 소유자에게 알립니다. 알림을 켜려면 **데이터 세트 생성 완료** 화면에 나타나는 **새로 고침 실패 시 소유자에게 이메일 전송** 옵션을 선택합니다. 데이터 세트 페이지에서 **파일 업로드**를 사용하여 만든 데이터 세트에는 이 옵션을 사용할 수 없습니다. 다음 주제에는 SPICE 데이터 새로 고침 및 작업에 대한 다양한 접근 방식에 대한 설명이 나와 있습니다. **Topics** + [SPICE로 데이터 가져오기](spice.md) + [SPICE 데이터 새로 고침](refreshing-imported-data.md) + [분석에 SPICE 데이터 사용](spice-in-an-analysis.md) + [SPICE 수집 기록 보기](view-history-of-spice-ingestion.md) + [건너뛴 행 오류 문제 해결](troubleshooting-skipped-rows.md) + [SPICE 수집 오류 코드](errors-spice-ingestion.md) + [데이터 세트의 파일 업데이트](updating-file-dataset.md) # SPICE로 데이터 가져오기 직접 SQL 쿼리를 사용하는 대신 데이터 세트로 데이터를 가져오면 저장 방식 때문에 *SPICE 데이터가* 됩니다. *SPICE (Super-fast, Parallel, In-memory Calculation Engine)*는 Amazon Quick Sight가 사용하는 강력한 인 메모리 엔진입니다. 이는 신속한 고급 계산 수행 및 데이터 제공을 목적으로 설계되었습니다. 엔터프라이즈 에디션에서는 유휴 시 SPICE에 저장된 데이터가 암호화됩니다. 데이터 세트를 생성하거나 편집할 때 SPICE 또는 직접 쿼리를 사용하도록 선택합니다. 단, 데이터 세트에 업로드한 파일이 포함된 경우는 예외입니다. 데이터를 SPICE로 가져오면(수집이라고도 함) 시간과 비용을 절약할 수 있습니다. + 분석 쿼리가 더 빠르게 처리됩니다. + 직접 쿼리가 처리될 때까지 기다릴 필요가 없습니다. + SPICE에 저장된 데이터는 추가 비용 없이 여러 번 재사용할 수 있습니다. 쿼리당 요금이 부과되는 데이터 원본을 사용하는 경우 데이터 세트를 처음 만들 때와 나중에 데이터 세트를 새로 고칠 때 데이터 쿼리 요금이 부과됩니다. SPICE 용량은 각각에 대해 별도로 할당됩니다 AWS 리전. 기본 SPICE 용량은 홈에 자동으로 할당됩니다 AWS 리전. 각 AWS 계정에 대해 Quick Sight를 사용하는 모든 사용자가 단일에서 SPICE 용량을 공유합니다 AWS 리전. 다른 하나는 일부 제품을 구매하지 않는 한 SPICE 용량이 AWS 리전 없습니다. Quick Sight 관리자는 각에 있는 용량과 현재 사용 중인 [SPICE](#spice) 용량을 확인할 수 AWS 리전 있습니다. Quick Sight 관리자는 필요에 따라 더 많은 SPICE 용량을 구매하거나 미사용 SPICE 용량을 해제할 수 있습니다. 자세한 내용은 [SPICE 메모리 용량 구성](managing-spice-capacity.md) 단원을 참조하십시오. **Topics** + [SPICE 데이터 세트 크기 추정](#spice-capacity-formula) ## SPICE 데이터 세트 크기 추정 Quick 계정의 SPICE 용량을 SPICE 기준으로 한의 데이터 세트 크기를 *논리적 크기*라고 합니다. 데이터 세트의 논리적 크기는 데이터 세트의 원본 파일 또는 테이블 크기와 같지 않습니다. 데이터 준비 과정 동안 모든 데이터 형식 변환 및 계산된 열이 정의된 이후에 데이터 세트의 논리적 크기 계산이 수행됩니다. 이러한 필드는 쿼리 성능을 개선하는 방식으로 SPICE에서 구체화되었습니다. 분석을 변경해도 SPICE에서 데이터의 논리적 크기에 영향을 주지 않습니다. 데이터 세트에 저장된 변경 사항만 SPICE 용량에 적용됩니다. SPICE 데이터 세트의 논리적 크기는 데이터 세트 필드의 데이터 유형과 데이터 세트의 행 수에 따라 달라집니다. SPICE 데이터의 세 가지 유형은 십진수, 날짜, 문자열입니다. 데이터 준비 단계에서 필드의 데이터 유형을 데이터 시각화 요구 사항에 맞게 변환할 수 있습니다. 예를 들어, 가져오려는 파일에 모든 문자열(텍스트)이 포함될 수 있습니다. 단, 이러한 문자열을 분석에서 유의미한 방식으로 사용하려면 데이터 형식을 적절한 형식으로 변경하여 데이터를 준비해야 합니다. 가격이 포함된 필드는 문자열에서 소수로 변경될 수 있고, 날짜가 포함된 필드는 문자열에서 날짜로 변경될 수 있습니다. 계산된 필드를 만들고 원본 테이블에서 필요하지 않은 필드를 제외할 수도 있습니다. 데이터 세트 준비와 모든 변환이 완료되면 최종 스키마의 논리적 크기를 추정할 수 있습니다. **참고** 지리 공간 데이터 형식에서는 메타데이터를 사용하여 물리적 데이터 형식을 해석합니다. 위도와 경도는 숫자입니다. 모든 다른 지리 공간 범주는 문자열입니다. 아래 공식에서 십진수와 날짜는 셀당 8바이트로 계산되며 보조로 4바이트가 추가됩니다. 문자열은 UTF-8 인코딩의 텍스트 길이에 보조 24바이트를 더한 값을 기준으로 계산됩니다. 문자열 데이터 형식은 높은 쿼리 성능을 제공하기 위해 추가 인덱싱이 SPICE에 필요하기 때문에 더 많은 공간이 필요합니다. ``` Logical dataset size in bytes = (Number of Numeric cells * (12 bytes per cell)) + (Number of Date cells * (12 bytes per cell)) + SUM ((24 bytes + UTF-8 encoded length) per Text cell) ``` 위 공식은 SPICE에서 단일 데이터 세트의 크기를 추정하는 데만 사용해야 합니다. SPICE 용량 사용량은 특정 리전의 계정에 있는 모든 데이터 세트의 총 크기입니다. Quick Sight는이 공식을 사용하여 Quick Sight 계정에서 사용 중인 총 SPICE 용량을 추정하는 것을 권장하지 않습니다. # SPICE 데이터 새로 고침 ## 데이터 세트 새로 고침 데이터 탭에서 Amazon S3 또는 데이터베이스 데이터 소스를 기반으로 **데이터** [SPICE](spice.md) 세트를 새로 고치려면 다음 절차를 사용합니다. 데이터베이스에 스키마 변경이 있는 경우 Quick Sight는 데이터베이스를 자동으로 감지할 수 없으므로 수집에 실패합니다. 데이터 세트를 편집하고 저장하여 스키마를 업데이트하고 수집 실패를 방지합니다. **SPICE 데이터 탭에서 데이터를 새로 고치려면** 1. 왼쪽 탐색 메뉴에서 **데이터를** 선택합니다. **데이터 세트** 탭에서 데이터 세트를 선택하여 엽니다. 1. 열리는 데이터 세트 세부 정보 페이지에서 **새로 고침** 탭을 선택한 다음 **지금 새로 고침**을 선택합니다. 1. 새로 고침 유형은 **전체 새로 고침**으로 유지합니다. 1. Amazon S3 데이터 세트를 새로 고치려면 다음의 **S3 매니페스트** 옵션 중 하나를 선택합니다. + Amazon Quick Sight에 마지막으로 제공한 것과 동일한 매니페스트 파일을 사용하려면 **기존 매니페스트**를 선택합니다. 마지막으로 제공한 파일 위치 또는 URL에서 매니페스트 파일을 변경한 경우, 반환된 데이터에 해당 변경 사항이 반영됩니다. + 로컬 네트워크에서 새 매니페스트 파일을 업로드하여 지정하려면 [**Upload Manifest**]를 선택한 다음 [**Upload manifest file**]을 선택합니다. [**Open**]에서 파일을 선택하고 [**Open**]을 선택합니다. + URL을 제공하여 새 매니페스트 파일을 지정하려면 **Input manifest URL(매니페스트 URL 입력)**에 매니페스트의 URL을 입력합니다. 매니페스트 파일의 컨텍스트 메뉴를 열고(마우스 오른쪽 버튼 클릭) **속성**을 선택한 다음 **링크** 상자를 보면 Amazon S3 콘솔에서 매니페스트 파일 URL을 찾을 수 있습니다. 1. [**Refresh**]를 선택합니다. 1. Amazon S3 데이터 세트를 새로 고치려면 **확인**에 이어 **확인**을 다시 선택합니다. 데이터베이스 데이터 세트를 새로 고치려면 **확인**을 선택합니다. ## 데이터 세트를 점진적으로 새로 고침 | | | --- | |  적용 대상: Enterprise Edition  | Amazon Redshift, Amazon Athena, PostgreSQL 또는 Snowflake와 같은 SQL 기반 데이터 원본의 경우 룩백 윈도우 내에 데이터를 점진적으로 새로 고칠 수 있습니다. 증분 새로 고침은 지정된 룩백 윈도우 내에서 데이터 세트에 의해 정의된 데이터만 쿼리합니다. 해당 기간 내 데이터 세트에 대한 모든 삽입, 삭제, 수정 내용을 원본에서 데이터 세트로 전송합니다. 해당 기간 내에 현재 SPICE에 있는 데이터가 삭제되고 업데이트로 대체됩니다. 증분 새로 고침을 사용하면 새로 고칠 때마다 쿼리되고 전송되는 데이터가 줄어듭니다. 예를 들어 1월 1일부터 6월 30일까지의 데이터가 포함된 레코드 180,000개의 데이터 세트가 있다고 가정해 보겠습니다. 7월 1일에 룩백 윈도우를 7일로 설정하여 데이터에서 대해 증분 새로 고침을 실행합니다. Quick Sight는 7,000개의 레코드인 6월 24일(7일 전) 이후 모든 데이터를 요청하는 데이터베이스를 쿼리합니다. 그러면 Quick Sight는 6월 24일 이후SPICE부터 현재에 있는 데이터를 삭제하고 새로 쿼리된 데이터를 추가합니다. 다음 날(7월 2일) Quick Sight는 동일한 작업을 수행하지만 6월 25일(7,000개의 레코드 다시)의 쿼리를 수행한 다음 동일한 날짜의 기존 데이터 세트에서 삭제합니다. 매일 180,000개의 레코드를 수집할 필요 없이 7,000개의 레코드만 수집하면 됩니다. 다음 절차에 따라 [SPICE](spice.md) 데이터 세트 탭에서 SQL 데이터 소스를 기반으로 **데이터 세트를 점진적으로 새로 고**칩니다. **SQL 기반 SPICE 데이터 세트를 점진적으로 새로 고치려면** 1. 왼쪽 탐색 메뉴에서 **데이터를** 선택합니다. **데이터 세트** 탭에서 데이터 세트를 선택하여 엽니다. 1. 열리는 데이터 세트 세부 정보 페이지에서 **새로 고침** 탭을 선택한 다음 **지금 새로 고침**을 선택합니다. 1. **새로 고침 유형**에서 **증분 새로 고침**을 선택합니다. 1. 데이터 세트에 대한 첫 증분 새로 고침인 경우 **구성**을 선택합니다. 1. **증분 새로 고침 구성** 페이지에서 다음 작업을 수행합니다. 1. **날짜 열**에서 룩백 윈도우를 기준으로 사용할 날짜 열을 선택합니다. 1. **창 크기**에서 **크기**에 숫자를 입력한 다음 변경 내용을 되돌아보고 싶은 시간을 선택합니다. 지금부터 지정된 수의 시간, 일 또는 주 이내에 발생한 데이터의 변경 내용 새로 고침을 선택할 수 있습니다. 예를 들어, 현재 날짜로부터 2주 이내에 발생한 데이터에 대한 변경 내용을 새로 고치도록 선택할 수 있습니다. 1. **제출**을 선택합니다. ## 데이터 준비 중 데이터 세트 새로 고침 데이터 준비 중 Amazon S3 또는 데이터베이스 데이터 원본에 기반한 [SPICE](spice.md) 데이터 세트를 새로 고침 하려면 다음 절차에 따르세요. **데이터 준비 중 SPICE 데이터를 새로 고치려면** 1. 왼쪽 탐색 메뉴에서 **데이터를** 선택합니다. **데이터 세트** 탭에서 데이터 세트를 선택한 다음 **데이터 세트 편집**을 선택합니다. 1. 데이터 세트 화면에서 **지금 새로 고침**을 선택합니다. 1. 새로 고침 유형을 **전체 새로 고침**으로 설정한 상태로 유지합니다. 1. (선택 사항) Amazon S3 데이터 세트를 새로 고치려면 다음의 **S3 매니페스트** 옵션 중 하나를 선택합니다. + Amazon Quick Sight에 마지막으로 제공한 것과 동일한 매니페스트 파일을 사용하려면 **기존 매니페스트**를 선택합니다. 마지막으로 제공한 파일 위치 또는 URL에서 매니페스트 파일을 변경한 경우, 반환된 데이터에 해당 변경 사항이 반영됩니다. + 로컬 네트워크에서 새 매니페스트 파일을 업로드하여 지정하려면 [**Upload Manifest**]를 선택한 다음 [**Upload manifest file**]을 선택합니다. [**Open**]에서 파일을 선택하고 [**Open**]을 선택합니다. + URL을 제공하여 새 매니페스트 파일을 지정하려면 **Input manifest URL(매니페스트 URL 입력)**에 매니페스트의 URL을 입력합니다. 매니페스트 파일의 컨텍스트 메뉴를 열고(마우스 오른쪽 버튼 클릭) **속성**을 선택한 다음 **링크** 상자를 보면 Amazon S3 콘솔에서 매니페스트 파일 URL을 찾을 수 있습니다. 1. [**Refresh**]를 선택합니다. 1. Amazon S3 데이터 세트를 새로 고치려면 **확인**에 이어 **확인**을 다시 선택합니다. 데이터베이스 데이터 세트를 새로 고치려면 **확인**을 선택합니다. ## 일정에서 데이터 세트 새로 고침 데이터 새로 고침을 예약하려면 다음 절차에 따르십시오. 데이터 세트가 직접 쿼리를 기반으로 하고 [SPICE](spice.md)에 저장되지 않은 경우 데이터 세트를 열어 데이터를 새로 고칠 수 있습니다. 분석 또는 대시보드에서 페이지를 새로 고쳐 데이터를 새로 고칠 수도 있습니다. **일정에서 [SPICE](spice.md) 데이터를 새로 고치려면** 1. 왼쪽 탐색 메뉴에서 **데이터를** 선택합니다. **데이터 세트** 탭에서 데이터 세트를 선택하여 엽니다. 1. 열리는 데이터 세트 세부 정보 페이지에서 **새로 고침** 탭을 선택한 다음 **새 일정 추가**를 선택합니다. 1. **새로 고침 일정 생성** 화면에서 일정 설정을 선택합니다. 1. **표준 시간대**에서 데이터 새로 고침에 적용되는 표준 시간대를 선택합니다. 1. **시작 시간**에서 새로 고침을 시작할 날짜를 선택합니다. HH:MM 및 24시간 형식(예: 13:30)을 사용합니다. 1. **빈도**에서 다음 중 하나를 선택합니다. + 스탠다드나 엔터프라이즈 버전의 경우 **매일**, **매주**, **매월**을 선택할 수 있습니다. + **매일**: 매일 반복합니다. + **매주**: 매주 같은 요일에 반복합니다. + [**Monthly**]: 매월 같은 날짜에 반복. 매월 29일, 30일 또는 31일에 데이터를 새로 고치려면, 목록에서 [**Last day of month**]를 선택합니다. + 엔터프라이즈 버전의 경우에만 **시간 기준**을 선택할 수 있습니다. 선택한 시간부터 매 시간 데이터 세트를 새로 고치는 설정입니다. 1시 5분을 시작 시간으로 설정하면 매 시간 5분에 데이터를 새로 고칩니다. 시간별 새로 고침을 사용하는 경우 추가적인 새로 고침 일정을 사용할 수 없습니다. 시간별 일정을 만들려면 해당 데이터 세트의 다른 기존 일정을 모두 제거합니다. 또한 일별, 주별 또는 월별 일정을 생성하기 전에 기존의 시간별 일정을 모두 제거합니다. 1. **저장**을 선택합니다. 예약된 데이터세트 수집은 예약된 날짜 및 시간으로부터 10분 이내에 이루어집니다. 빠른 콘솔을 사용하여 각 데이터 세트에 대해 5개의 일정을 생성할 수 있습니다. 일정을 5개 생성하면 **생성** 버튼이 비활성화됩니다. ## 일정에서 데이터 세트를 점진적으로 새로 고침 | | | --- | |  적용 대상: Enterprise Edition  | Amazon Redshift, Athena, PostgreSQL 또는 Snowflake와 같은 SQL 기반 데이터 원본의 경우 증분 새로 고침을 예약할 수 있습니다. 데이터 [SPICE](spice.md) 세트 탭에서 SQL 데이터 소스를 기반으로 **데이터 세트를** 점진적으로 새로 고치려면 다음 절차를 사용합니다. **SQL 기반 SPICE 데이터 세트의 증분 새로 고침 일정을 설정하려면** 1. 왼쪽 탐색 메뉴에서 **데이터를** 선택합니다. **데이터 세트** 탭에서 데이터 세트를 선택하여 엽니다. 1. 열리는 데이터 세트 세부 정보 페이지에서 **새로 고침** 탭을 선택한 다음 **새 일정 추가**를 선택합니다. 1. **일정 생성** 페이지에서 **새로 고침 유형**으로 **증분 새로 고침**을 선택합니다. 1. 이 데이터 세트에 대한 첫 증분 새로 고침인 경우 **구성**을 선택하고 다음을 수행하세요. 1. **날짜 열**에서 룩백 윈도우를 기준으로 사용할 날짜 열을 선택합니다. 1. **창 크기**에서 **크기**에 숫자를 입력한 다음 변경 내용을 되돌아보고 싶은 시간을 선택합니다. 지금부터 지정된 수의 시간, 일 또는 주 이내에 발생한 데이터의 변경 내용 새로 고침을 선택할 수 있습니다. 예를 들어, 현재 날짜로부터 2주 이내에 발생한 데이터에 대한 변경 내용을 새로 고치도록 선택할 수 있습니다. 1. **제출**을 선택합니다. 1. **표준 시간대**에서 데이터 새로 고침에 적용되는 표준 시간대를 선택합니다. 1. **반복**에서 다음 중 하나를 선택합니다. + **15분마다**, **30분마다**, **시간별**, **일별**, **주별** 또는 **월별**을 선택할 수 있습니다. + **15분마다**: 선택한 시간부터 시작하여 15분마다 반복합니다. 따라서 1:05을 시작 시간으로 선택하면 데이터를 1:20에 새로 고침 하고 1:35에 다시 새로 고침 합니다. + **30분마다**: 선택한 시간부터 시작하여 30분마다 반복합니다. 따라서 1:05을 시작 시간으로 선택하면 데이터를 1:35에 새로 고침 하고 2:05에 다시 새로 고침 합니다. + **시간별**: 선택한 시간부터 시작하여 1시간마다 반복합니다. 1시 5분을 시작 시간으로 설정하면 매 시간 5분에 데이터를 새로 고칩니다. + **매일**: 매일 반복합니다. + **매주**: 매주 같은 요일에 반복합니다. + [**Monthly**]: 매월 같은 날짜에 반복. 매월 29일, 30일 또는 31일에 데이터를 새로 고치려면, 목록에서 [**Last day of month**]를 선택합니다. + 15분, 30분, 시간별 새로 고침을 사용하는 경우 추가적인 새로 고침 일정을 사용할 수 없습니다. 15분, 30분 또는 시간마다 새로 고침 일정을 만들려면 해당 데이터 세트의 다른 기존 일정을 모두 제거합니다. 또한 일별, 주별 또는 월별 일정을 생성하기 전에 기존의 분 또는 시간별 일정을 모두 제거합니다. 1. **시작**에서 새로 고침을 시작할 날짜를 선택합니다. 1. **시간**에서 새로 고침이 시작되어야 하는 시간을 지정합니다. HH:MM 및 24시간 형식(예: 13:30)을 사용합니다. 예약된 데이터세트 수집은 예약된 날짜 및 시간으로부터 10분 이내에 이루어집니다. 경우에 따라 증분 새로 고침 데이터 세트에 문제가 발생하여 데이터 세트를 롤백하고 싶어질 수 있습니다. 또는 더 이상 데이터 세트를 점진적으로 새로 고침 하고 싶지 않을 수도 있습니다. 그럴 경우 예약된 새로 고침을 삭제할 수 있습니다. 이렇게 하려면 **데이터 세트** 페이지에서 데이터 세트를 선택하고 **새로 고침 예약**을 선택한 다음 예약된 새로 고침 오른쪽에 있는 x 아이콘을 선택합니다. 증분 새로 고침 구성을 삭제하면 전체 새로 고침이 시작됩니다. 이 전체 새로 고침의 일부로 증분 새로 고침을 위해 준비된 모든 구성이 제거됩니다. # 분석에 SPICE 데이터 사용 저장된 데이터로 분석을 생성하는 경우, **필드 목록** 창 상단의 데이터 세트 목록 옆에 데이터 가져오기 표시기가 나타납니다. 분석을 처음 열고 데이터 세트를 가져오면 스피너 아이콘이 나타납니다. SPICE 가져오기가 완료되면 이 표시기에 성공적으로 가져온 행의 백분율이 표시됩니다. 이와 함께 시각적 객체 창 상단에는 가져온 행 수와 건너뛴 행 수를 알리는 메시지가 나타납니다. 건너뛴 행이 있는 경우, 이 메시지 표시줄에서 [**View summary**]를 선택하여 해당 행을 가져오지 못한 이유를 자세히 알아볼 수 있습니다. 데이터 세트를 편집하여 행이 건너뛰게 된 문제를 해결하려면 **데이터 세트 편집**을 선택합니다. 행 건너뛰기의 일반적인 원인은 [건너뛴 행 오류 문제 해결](troubleshooting-skipped-rows.md) 단원을 참조하십시오. 가져오기를 전부 실패하는 경우, 데이터 가져오기 표시기가 느낌표 아이콘으로 바뀌고 [**Import failed**] 메시지가 나타납니다. # SPICE 수집 기록 보기 SPICE 데이터 세트의 수집 기록을 보고 최근 수집이 시작된 시간과 해당 상태 등을 확인할 수 있습니다. SPICE 수집 기록 페이지에는 다음 정보가 포함됩니다. + 수집이 시작된 날짜 및 시간(UTC) + 수집 상태 + 수집에 소요된 시간 + 데이터 세트에서 집계된 행 수입니다. + 새로 고침 중 수집된 행 수입니다. + 행을 건너뛰고 행을 성공적으로 수집(가져오기) 했습니다. + 새로 고침에 대한 작업 유형(예약됨, 전체 새로 고침 등) 데이터 세트의 SPICE 수집 기록을 보려면 다음 절차를 따르세요. **데이터 세트의 SPICE 수집 기록을 보려면** 1. 홈페이지에서 왼쪽의 **데이터를** 선택합니다. 1. **데이터 세트** 탭에서 검사할 데이터 세트를 선택합니다. 1. 열리는 데이터 세트 세부 정보 페이지에서 **새로 고침** 탭을 선택합니다. SPICE 수집 기록이 하단에 표시됩니다. 1. (선택 사항) 최근 1시간부터 지난 90일까지 항목을 필터링할 시간 프레임을 선택합니다. 1. (선택 사항) 특정 작업 상태(예: **실행 중** 또는 **완료됨**)를 선택하여 항목을 필터링합니다. 그렇지 않으면 **모두**를 선택하여 모든 항목을 볼 수 있습니다. # 건너뛴 행 오류 문제 해결 데이터를 가져올 때 Amazon Quick Sight는 데이터의 일부를 미리 봅니다. 어떤 이유로든 행을 해석할 수 없는 경우 Quick Sight는 행을 건너뜁니다. 경우에 따라 가져오기가 실패합니다. 이 경우 Quick Sight는 실패를 설명하는 오류 메시지를 반환합니다. 다행히도 잘못될 수 있는 일의 수는 제한되어 있습니다. 다음과 같은 예를 알아두면 일부 문제를 피할 수 있습니다. + 필드의 데이터 형식과 필드 데이터 간의 불일치가 없는지 확인합니다(예: 간혹 데이터 형식이 숫자인 필드에 텍스트 데이터가 들어 있는 경우). 다음은 테이블 내용을 스캔할 때 감지하기 어려운 몇 가지 예입니다. + `''` - 빈 문자열을 사용하여 누락된 값을 표시합니다. + `'NULL'` - 단어 ‘null’을 사용하여 누락된 값을 표시합니다. + `$1000` - 통화 값에 달러 기호를 포함하면 해당 값이 문자열로 바뀝니다. + `'O'Brien'` - 구두점을 사용하여 문자열 자체에 동일한 구두점이 포함된 문자열을 표시합니다. 하지만 이런 유형의 오류는 항상 찾기가 쉽지 않습니다. 특히 데이터가 많거나 데이터를 직접 입력한 경우에는 더욱 그렇습니다. 예를 들어, 일부 고객 서비스 또는 영업 애플리케이션에서는 고객이 구두로 제공한 정보를 입력해야 합니다. 원래 데이터를 입력한 사람이 데이터를 잘못된 필드에 입력했을 수 있습니다. 문자나 숫자를 추가했거나 추가하는 것을 잊어버렸을 수 있습니다. 예를 들어 날짜를 ‘0/10/12020’으로 입력하거나 연령을 나타내는 필드에 다른 사람의 성별을 입력할 수 있습니다. + 가져온 파일이 헤더가 있든 없든 올바르게 처리되었는지 확인합니다. 헤더 행이 있는 경우 **헤더 포함** 업로드 옵션을 선택했는지 확인합니다. + 데이터가 [데이터 소스 할당량](data-source-limits.md)를 하나 이상 초과하지 않는지 확인합니다. + 데이터가 [지원되는 데이터 형식 및 값](supported-data-types-and-values.md)와 호환되는지 확인합니다. + 계산된 필드가 계산된 필드에 있는 함수에 의해 호환되지 않거나 제외되지 않도록 계산에 사용할 수 있는 데이터를 포함했는지 확인합니다. 예를 들어 데이터 세트에를 사용하는 계산된 필드가 있는 경우 [parseDate](parseDate-function.md)Quick Sight는 해당 필드에 유효한 날짜가 포함되지 않은 행을 건너뜁니다. Quick Sight는 SPICE 엔진이 데이터 수집을 시도할 때 발생하는 오류의 세부 목록을 제공합니다. 저장된 데이터 세트에서 건너뛴 행을 보고하면 오류를 확인하여 문제를 해결하기 위한 조치를 취할 수 있습니다. **SPICE 수집(데이터 가져오기) 중에 건너뛰었던 행의 오류를 보려면** 1. 왼쪽에서 **데이터를** 선택합니다. **데이터 세트** 탭에서 문제가 있는 데이터 세트를 선택하여 엽니다. 1. 열리는 데이터 세트 세부 정보 페이지에서 **새로 고침** 탭을 선택합니다. SPICE 수집 기록이 하단에 표시됩니다. 1. 오류가 발생한 수집의 경우 **오류 요약 보기**를 선택합니다. 이 링크는 **상태** 열 아래에 있습니다. 1. 열리는 **파일 가져오기 로그**를 살펴보세요. 다음과 같은 섹션이 표시됩니다. + **요약** - 가져오기에서 총 행 수 중 생략된 행 수에 대한 백분율 점수를 제공합니다. 예를 들어 총 1,728개 중 864개 행을 건너뛰면 점수는 50.00% 입니다. + **건너뛴 행** - 건너뛴 행과 유사한 각 행 세트에 대한 행 수, 필드 이름 및 오류 메시지를 제공합니다. + **문제 해결** - 오류 정보가 포함된 파일을 다운로드할 수 있는 링크를 제공합니다. 1. **문제 해결**에서 **오류 행 파일 다운로드**를 선택합니다. 오류 파일에는 각 오류에 대한 행이 있습니다. 파일 이름이 `error-report_123_fe8.csv`로 지정되며, 여기서 `123_fe8`은 고유한 식별 문자열로 바뀝니다. 파일에는 다음 열이 포함되어 있습니다. + **ERROR\$1TYPE** - 이 행을 가져올 때 발생한 오류의 유형 또는 오류 코드입니다. 이 오류는 이 절차 다음에 나오는 [SPICE 수집 오류 코드](errors-spice-ingestion.md) 섹션에서 찾아볼 수 있습니다. + **COLUMN\$1NAME** - 오류를 일으킨 데이터의 열 이름입니다. + 가져온 행의 모든 열 - 나머지 열은 전체 데이터 행을 복제합니다. 행에 오류가 두 개 이상 있는 경우 이 파일에 오류가 여러 번 나타날 수 있습니다. 1. **데이터 세트 편집**을 선택하여 데이터 세트를 변경합니다. 데이터 필터링, 필드 생략, 데이터 유형 변경, 기존 계산된 필드 조정, 데이터를 검증하는 계산된 필드 추가를 할 수 있습니다. 1. 오류 코드로 표시된 내용을 변경한 후에는 데이터를 다시 가져옵니다. 로그에 SPICE 수집 오류가 더 많이 나타나는 경우 이 절차를 다시 수행하여 남아 있는 오류를 모두 수정하세요. **작은 정보** 데이터 세트 편집기를 사용하여 적절한 시간 내에 데이터 문제를 해결할 수 없는 경우 데이터를 소유한 관리자 또는 개발자에게 문의하세요. 장기적으로는 분석을 위해 데이터를 준비하는 동안 예외 처리를 추가하는 것보다 원본에 가까운 곳에서 데이터를 정리하는 것이 더 비용 효율적입니다. 데이터를 원본에서 수정하면 여러 사람이 서로 다른 방식으로 오류를 수정하여 나중에 보고 결과가 달라지는 상황을 피할 수 있습니다. **건너뛴 행의 문제 해결을 연습하려면** 1. [samples/csv-files-for-troubleshooting-skipped-rows.zip](samples/csv-files-for-troubleshooting-skipped-rows.zip)를 다운로드합니다. 1. 샘플 .csv 파일을 Quick Sight에 업로드하는 데 사용할 수 있는 폴더에 파일을 추출합니다. zip 파일에는 다음의 두 텍스트 파일이 포함되어 있습니다. + `sample dataset - data ingestion error.csv` - 행을 건너뛰는 원인이 되는 문제가 포함된 샘플 .csv 파일입니다. 파일을 직접 가져와서 오류 프로세스의 작동 방식을 확인할 수 있습니다. + `sample data ingestion error file` - 샘플 SPICE .csv 파일을 Quick Sight로 가져오는 동안 수집 중에 생성된 샘플 오류 파일입니다. 1. 다음 단계에 따라 데이터를 가져옵니다. 1. **데이터**, **데이터 세트** 탭, **신규**, **데이터 세트를** 선택합니다. 1. [**Upload a file**]을 선택합니다. 1. `sample dataset - data ingestion error.csv`으로 이름이 지정된 파일을 찾아 선택합니다. 1. **파일 업로드**, **설정 편집 및 데이터 준비**를 선택합니다. 1. **저장**을 선택하여 종료합니다. 1. 정보를 확인할 데이터 세트를 선택한 다음 **오류 요약 보기**를 선택합니다. 문제 해결에 도움이 되는 오류 및 데이터를 검토하세요. # SPICE 수집 오류 코드 다음 오류 코드 및 설명 목록을 참조하여 SPICE의 데이터 수집 관련 문제를 이해하고 해결할 수 있습니다. ## 건너뛴 행의 오류 코드 다음 오류 코드 및 설명 목록을 참조하여 건너뛴 행과 관련 문제를 이해하고 해결할 수 있습니다. ****ARITHMETIC\$1EXCEPTION**** - 값을 처리하는 동안 산술 예외가 발생했습니다. ****ENCODING\$1EXCEPTION**** - 데이터를 SPICE로 변환하고 인코딩하는 동안 알 수 없는 예외가 발생했습니다. ****OPENSEARCH\$1CURSOR\$1NOT\$1ENABLED**** - OpenSearch 도메인에는 SQL 커서가 활성화되어 있지 않습니다(`"opendistro.sql.cursor.enabled" : "true"`). 자세한 내용은 [Amazon OpenSearch Service에 대한 연결 승인](opensearch.md) 단원을 참조하십시오. ****INCORRECT\$1FIELD\$1COUNT**** - 하나 이상의 행에 필드가 너무 많습니다. 각 행의 필드 수가 스키마로 정의된 필드 수와 일치하는지 확인하세요. ****INCORRECT\$1SAGEMAKER\$1OUTPUT\$1FIELD\$1COUNT**** - SageMaker AI 출력에 예상치 못한 수의 필드가 있습니다. ****INDEX\$1OUT\$1OF\$1BOUNDS**** - 시스템에서 처리 중인 배열 또는 목록에 유효하지 않은 인덱스을 요청했습니다. ****MALFORMED\$1DATE**** - 필드의 값을 유효한 날짜로 변환할 수 없습니다. 예를 들어, `"sale date"` 또는 `"month-1"`과 같은 값이 포함된 필드를 변환하려고 하면 잘못된 날짜 오류가 발생합니다. 이 오류를 수정하려면 데이터 원본에서 날짜가 아닌 값을 제거합니다. 데이터에 열 헤더가 혼합된 파일을 가져오지 않는지 확인하세요. 문자열에 변환되지 않는 날짜 또는 시간이 포함된 경우 [지원되지 않는 날짜 또는 사용자 지정 날짜 사용](using-unsupported-dates.md) 섹션을 참조하세요. ****MISSING\$1SAGEMAKER\$1OUTPUT\$1FIELD**** - SageMaker AI 출력에 있는 필드가 예기치 않게 비어 있습니다. ****NUMBER\$1BITWIDTH\$1TOO\$1LARGE**** - 숫자 값이 SPICE에서 지원하는 길이를 초과합니다. 예를 들어, 숫자 값이 `bigint` 데이터 유형의 길이인 19자리 이상일 수 있습니다. 수학 값이 아닌 긴 숫자 시퀀스의 경우 `string` 데이터 유형을 사용하세요. ****NUMBER\$1PARSE\$1FAILURE**** - 숫자 필드의 값은 숫자가 아닙니다. 예를 들어, 데이터 유형이 `int`인 필드는 문자열이나 부동 소수점을 포함합니다. ****SAGEMAKER\$1OUTPUT\$1COLUMN\$1TYPE\$1MISMATCH**** - SageMaker AI 스키마에 정의된 데이터 유형이 SageMaker AI에서 받은 데이터 유형과 일치하지 않습니다. ****STRING\$1TRUNCATION**** - 문자열이 SPICE에서 잘립니다. 문자열 길이가 SPICE 할당량을 초과하면 문자열이 잘립니다. SPICE에 대한 자세한 정보는 [SPICE로 데이터 가져오기](spice.md) 섹션을 참조하세요. 할당량에 대한 자세한 내용은 [Service Quotas](https://docs.aws.amazon.com/servicequotas/latest/userguide/intro.html) 섹션을 참조하세요. ****UNDEFINED**** - 데이터를 수집하는 동안 알 수 없는 오류가 발생했습니다. ****UNSUPPORTED\$1DATE\$1VALUE**** - 날짜 필드에 지원되는 형식이지만 지원되는 날짜 범위에 속하지 않는 날짜가 포함됩니다(예: ‘12/31/1399’ 또는 ‘01/01/10000’). 자세한 내용은 [지원되지 않는 날짜 또는 사용자 지정 날짜 사용](using-unsupported-dates.md) 단원을 참조하십시오. ## 데이터 가져오기 중 오류 코드 실패한 가져오기 및 데이터 새로 고침 작업의 경우 Quick Sight는 실패 원인을 나타내는 오류 코드를 제공합니다. 다음 오류 코드 및 설명 목록을 참조하여 SPICE의 데이터 수집 관련 문제를 이해하고 해결할 수 있습니다. ****ACCOUNT\$1CAPACITY\$1LIMIT\$1EXCEEDED**** - 이 데이터는 현재 SPICE 용량을 초과합니다. SPICE 용량을 더 구입하거나 기존 SPICE 데이터를 정리한 다음 이 수집을 다시 시도하세요. ****CONNECTION\$1FAILURE**** – Amazon Quick Sight가 데이터 소스에 연결할 수 없습니다. 데이터 원본 연결 설정을 확인하고 다시 시도하십시오. ****CUSTOMER\$1ERROR**** - 데이터를 구문 분석하는 동안 문제가 발생했습니다. 이 문제가 지속되면 Amazon Quick Sight 기술 지원에 문의하세요. ****DATA\$1SET\$1DELETED**** - 데이터 원본 또는 데이터 세트가 수집 중에 삭제되었거나 사용할 수 없게 되었습니다. ****DATA\$1SET\$1SIZE\$1LIMIT\$1EXCEEDED**** - 이 데이터 세트가 허용 가능한 최대 SPICE 데이터 세트 크기를 초과했습니다. 필터를 사용하여 데이터 세트 크기를 줄이고 다시 시도하세요. SPICE 할당량에 대한 자세한 내용은 [데이터 소스 할당량](data-source-limits.md) 섹션을 참조하세요. ****DATA\$1SOURCE\$1AUTH\$1FAILED**** - 데이터 원본 인증에 실패했습니다. 자격 증명을 확인하고 **데이터 원본 편집** 옵션을 사용하여 만료된 자격 증명을 교체하세요. ****DATA\$1SOURCE\$1CONNECTION\$1FAILED**** - 데이터 원본 연결에 실패했습니다. URL을 확인하고 다시 시도하십시오. 이 오류가 계속되면 데이터 원본 관리자에게 도움을 요청하십시오. ****DATA\$1SOURCE\$1NOT\$1FOUND**** - 데이터 원본을 찾을 수 없습니다. Amazon Quick Sight 데이터 소스를 확인합니다. ****DATA\$1TOLERANCE\$1EXCEPTION**** - 잘못된 행이 너무 많습니다. Amazon Quick Sight는 건너뛰고 계속 수집할 수 있는 행의 할당량에 도달했습니다. 데이터를 확인하고 다시 시도하십시오. ****FAILURE\$1TO\$1ASSUME\$1ROLE**** – Amazon Quick Sight가 올바른 AWS Identity and Access Management (IAM) 역할을 수임할 수 없습니다. IAM 콘솔에서 `Amazon Quick Sight-service-role`에 대한 정책을 확인하십시오. ****FAILURE\$1TO\$1PROCESS\$1JSON\$1FILE**** – Amazon Quick Sight가 매니페스트 파일을 유효한 JSON으로 구문 분석할 수 없습니다. ****IAM\$1ROLE\$1NOT\$1AVAILABLE**** – Amazon Quick Sight에는 데이터 소스에 액세스할 수 있는 권한이 없습니다. 리소스에 대한 AWS Amazon Quick Sight 권한을 관리하려면 관리자로서 **Amazon Quick Sight 관리** 옵션 아래의 **보안 및 권한** 페이지로 이동합니다. ****INGESTION\$1CANCELED**** - 사용자가 수집을 취소했습니다. ****INGESTION\$1SUPERSEDED**** - 이 수집은 다른 워크플로로 대체되었습니다. 다른 수집이 아직 진행 중인 동안 새 수집이 생성될 때 수행됩니다. 각 수동 편집은 새 수집을 생성하고 이때 이전 수집을 종료하고 대체하므로 짧은 기간에 데이터세트를 여러 번 수동으로 편집하지 마세요. ****INTERNAL\$1SERVICE\$1ERROR**** - 내부 서비스 오류가 발생했습니다. ****INVALID\$1DATA\$1SOURCE\$1CONFIG**** - 연결 설정에 잘못된 값이 나타납니다. 연결 세부 정보를 확인하고 다시 시도하십시오. ****INVALID\$1DATAPREP\$1SYNTAX**** - 계산된 필드 표현식에 잘못된 구문이 포함되어 있습니다. 구문을 수정하고 다시 시도하십시오. ****INVALID\$1DATE\$1FORMAT**** - 잘못된 날짜 형식이 나타납니다. ****IOT\$1DATA\$1SET\$1FILE\$1EMPTY**** – AWS IoT 분석 데이터를 찾을 수 없습니다. 계정을 확인하고 다시 시도하십시오. ****IOT\$1FILE\$1NOT\$1FOUND**** - 표시된 AWS IoT 분석 파일을 찾을 수 없습니다. 계정을 확인하고 다시 시도하십시오. ****OAUTH\$1TOKEN\$1FAILURE**** - 데이터 원본에 대한 자격 증명이 만료되었습니다. 자격 증명을 갱신하고 이 수집을 다시 시도하십시오. ****PASSWORD\$1AUTHENTICATION\$1FAILURE**** - 데이터 원본의 잘못된 자격 증명이 나타납니다. 데이터 원본 자격 증명을 업데이트하고 이 수집을 다시 시도하십시오. ****PERMISSION\$1DENIED**** - 요청한 리소스에 대한 액세스가 데이터 원본에 의해 거부되었습니다. 데이터베이스 관리자에게 권한을 요청하거나 재시도 전에 Amazon Quick Sight에 적절한 권한이 부여되었는지 확인합니다. ****QUERY\$1TIMEOUT**** - 데이터 원본에 대한 쿼리가 응답 대기 시간을 초과했습니다. 데이터 원본 로그를 확인하고 다시 시도하십시오. ****ROW\$1SIZE\$1LIMIT\$1EXCEEDED**** - 행 크기 할당량이 최대값을 초과했습니다. ****S3\$1FILE\$1INACCESSIBLE**** - S3 버킷에 연결할 수 없습니다. S3 버킷에 연결하기 전에 Amazon Quick Sight 및 사용자에게 필요한 권한을 부여해야 합니다. ****S3\$1MANIFEST\$1ERROR**** - S3 데이터에 연결할 수 없습니다. S3 매니페스트 파일이 유효한지 확인합니다. 또한 S3 데이터에 대한 액세스를 확인합니다. Amazon Quick Sight와 Amazon Quick Sight 사용자 모두 S3 데이터에 연결할 수 있는 권한이 필요합니다. ****S3\$1UPLOADED\$1FILE\$1DELETED**** - 수집을 위한 파일이 삭제되었습니다(수집 사이). S3 버킷을 확인하고 다시 시도하십시오. ****SOURCE\$1API\$1LIMIT\$1EXCEEDED\$1FAILURE**** - 이 수집이 이 데이터 원본의 API 할당량을 초과합니다. 데이터 원본 관리자에게 도움을 요청하십시오. ****SOURCE\$1RESOURCE\$1LIMIT\$1EXCEEDED**** - SQL 쿼리가 데이터 원본의 리소스 할당량을 초과합니다. 관련된 리소스의 예로는 동시 쿼리 할당량, 연결 할당량 및 물리적 서버 리소스 등이 있습니다. 데이터 원본 관리자에게 도움을 요청하십시오. ****SPICE\$1TABLE\$1NOT\$1FOUND**** - Amazon Quick Sight 데이터 소스 또는 데이터 세트가 수집 중에 삭제되었거나 사용할 수 없게 되었습니다. Amazon Quick Sight에서 데이터 세트를 확인하고 다시 시도하세요. 자세한 내용은 [건너뛴 행 오류 문제 해결](troubleshooting-skipped-rows.md) 단원을 참조하십시오. ****SQL\$1EXCEPTION**** - 일반 SQL 오류가 발생했습니다. 이 오류는 쿼리 시간 초과, 리소스 제약 조건, 쿼리 전 또는 도중에 예기치 않은 DDL(데이터 정의 언어) 변경 및 기타 데이터베이스 오류로 인해 발생할 수 있습니다. 데이터베이스 설정 및 쿼리를 확인하고 다시 시도하십시오. ****SQL\$1INVALID\$1PARAMETER\$1VALUE**** - 잘못된 SQL 파라미터가 나타났습니다. SQL을 확인하고 다시 시도하십시오. ****SQL\$1NUMERIC\$1OVERFLOW**** – Amazon Quick Sight에서 out-of-range 숫자 예외가 발생했습니다. 오버플로우에 대한 관련 값과 계산된 열을 확인하고 다시 시도하십시오. ****SQL\$1SCHEMA\$1MISMATCH\$1ERROR**** – 데이터 소스 스키마가 Amazon Quick Sight 데이터 세트와 일치하지 않습니다. Amazon Quick Sight 데이터 세트 정의를 업데이트합니다. ****SQL\$1TABLE\$1NOT\$1FOUND**** – Amazon Quick Sight가 데이터 소스에서 테이블을 찾을 수 없습니다. 데이터 세트 또는 사용자 지정 SQL에 지정된 테이블을 확인하고 다시 시도하세요. ****SSL\$1CERTIFICATE\$1VALIDATION\$1FAILURE**** – Amazon Quick Sight는 데이터베이스 서버에서 SSL(Secure Sockets Layer) 인증서를 검증할 수 없습니다. 데이터베이스 관리자와 함께 해당 서버의 SSL 상태를 확인하고 다시 시도하십시오. ****UNRESOLVABLE\$1HOST**** – Amazon Quick Sight가 데이터 소스의 호스트 이름을 확인할 수 없습니다. 데이터 원본의 호스트 이름을 확인하고 다시 시도하십시오. ****UNROUTABLE\$1HOST**** - Amazon Quick Sight는 프라이빗 네트워크 내에 있기 때문에 데이터 소스에 연결할 수 없습니다. Enterprise Edition에서 프라이빗 VPC 연결이 올바르게 구성되었는지 확인하거나 Amazon Quick Sight IP 주소 범위를 허용하여 Standard Edition에 대한 연결을 허용합니다. # 데이터 세트의 파일 업데이트 최신 버전의 파일을 가져오기 위해 데이터 세트에서 파일을 업데이트할 수 있습니다. 다음 유형의 파일을 업데이트할 수 있습니다. + 쉼표로 구분된(CSV) 텍스트 파일 및 탭으로 구분된(TSV) 텍스트 파일 + 확장 및 일반 로그 형식 파일(ELF 및 CLF) + 플랫 또는 반정형 데이터 파일(JSON) + Microsoft Excel(XLSX) 파일 파일을 업데이트하기 전에 새 파일에 현재 데이터 세트에 있는 원본 파일과 동일한 순서로 동일한 필드가 있는지 확인하세요. 두 파일 간에 필드(열) 불일치가 있는 경우 오류가 발생하며 다시 업데이트를 시도하기 전에 불일치를 수정해야 합니다. 새 파일을 원본과 일치하도록 편집하여 이 작업을 수행할 수 있습니다. 새 필드를 추가하려면 파일에 있는 원래 필드 뒤에 추가할 수 있습니다. 예를 들어, Microsoft Excel 스프레드시트에서는 원본 필드 오른쪽에 새 필드를 추가할 수 있습니다. **데이터 세트의 파일을 업데이트하려면** 1. Quick Sight에서 왼쪽의 **데이터를** 선택합니다. 1. **데이터 세트** 탭에서 업데이트하려는 데이터 세트를 선택한 다음 **데이터 세트 편집**을 선택합니다. 1. 데이터 준비 페이지가 열리면 업데이트할 파일의 드롭다운 목록을 선택하고 **파일 업데이트**를 선택합니다. 1. 열리는 **파일 업데이트** 페이지에서 **파일 업로드**를 선택한 다음 파일을 탐색합니다. Quick Sight는 파일을 스캔합니다. 1. 파일이 Microsoft Excel 파일인 경우 열리는 **시트 선택** 페이지에서 원하는 시트를 선택한 다음 **선택**을 선택합니다. 1. 다음 페이지에서 **파일 업데이트 확인**을 선택합니다. 일부 시트 열의 미리 보기가 참조용으로 표시됩니다. 파일이 성공적으로 업데이트되었다는 메시지가 오른쪽 상단에 나타나고 테이블 미리보기가 업데이트되어 새 파일 데이터가 표시됩니다.