As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Regra de análise de tabela de mapeamento de ID

Em AWS Clean Rooms, uma regra de análise de tabela de mapeamento de ID não é uma regra de análise independente. Esse tipo de regra de análise é gerenciado AWS Clean Rooms e usado para unir dados de identidade diferentes para facilitar a consulta. Ele é adicionado automaticamente às tabelas de mapeamento de ID e não pode ser editado. Ele herda os comportamentos das outras regras de análise na colaboração — desde que essas regras de análise sejam homogêneas.

A regra de análise da tabela de mapeamento de ID reforça a segurança em uma tabela de mapeamento de ID. Isso impede que um membro da colaboração selecione ou inspecione diretamente a população sem sobreposição entre os conjuntos de dados dos dois membros usando a tabela de mapeamento de ID. A regra de análise da tabela de mapeamento de ID é usada para proteger os dados confidenciais na tabela de mapeamento de ID quando usada implicitamente em consultas com outras regras de análise.

Com a regra de análise da tabela de mapeamento de ID, AWS Clean Rooms impõe uma sobreposição em ambos os lados da tabela de mapeamento de ID em formato expandido. SQL Isso permite que você execute as seguintes tarefas:

A estrutura e a sintaxe de consulta suportadas estão definidas em. Estrutura e sintaxe da consulta da tabela de mapeamento de ID

Os parâmetros da regra de análise, definidos emControles de consulta de regras de análise de tabelas de mapeamento de ID, incluem controles de consulta e controles de resultados de consulta. Seus controles de consulta incluem a capacidade de exigir a sobreposição da tabela de mapeamento de ID nas JOIN instruções (ou seja,requireOverlap).

Estrutura e sintaxe da consulta da tabela de mapeamento de ID

As consultas em tabelas que têm uma regra de análise de tabela de mapeamento de ID devem seguir a sintaxe a seguir.

--select_list_expression
SELECT 
provider.data_col, consumer.data_col 

--table_expression
FROM provider

JOIN idMappingTable idmt ON provider.id = idmt.sourceId

JOIN consumer ON consumer.id = idmt.targetId

                        

Tabelas de colaboração

As tabelas a seguir representam tabelas configuradas que existem em uma AWS Clean Rooms colaboração. A coluna id nas tabelas cr_drivers_license e cr_insurance representa uma coluna que corresponde à tabela de mapeamento de ID.

cr_drivers_license

cr_insurance

Tabela de mapeamento de ID

A tabela a seguir representa uma tabela de mapeamento de ID existente que corresponde às tabelas cr_drivers_license e cr_insurance. Nem todas as entradas serão válidas IDs para ambas as tabelas de colaboração.

A regra de análise da tabela de mapeamento de ID só permite que as consultas sejam executadas no conjunto de dados sobrepostos, que teria a seguinte aparência:

Consultas de exemplo

Os exemplos a seguir mostram locais válidos para as junções da tabela de mapeamento de ID:

-- Single ID mapping table
SELECT
    [ select_items ]
FROM
    cr_drivers_license cr_dl
    [ INNER | LEFT | RIGHT ] JOIN cr_identity_mapping_table idmt ON idmt.cr_drivers_license_id = cr_dl.id
    [ INNER | LEFT | RIGHT ] JOIN cr_insurance cr_in             ON idmt.cr_insurance_id       = cr_in.id
;

-- Single ID mapping table (Subquery)
SELECT
    [ select_items ]
FROM (
    SELECT
        [ select_items ]
    FROM
        cr_drivers_license cr_dl
        [ INNER | LEFT | RIGHT ] JOIN cr_identity_mapping_table idmt ON idmt.cr_drivers_license_id = cr_dl.id
        [ INNER | LEFT | RIGHT ] JOIN cr_insurance cr_in             ON idmt.cr_insurance_id       = cr_in.id
)
;

-- Single ID mapping table (CTE)
WITH
    matched_ids AS (
        SELECT
            [ select_items ]
        FROM
            cr_drivers_license cr_dl
            [ INNER | LEFT | RIGHT ] JOIN cr_identity_mapping_table idmt ON idmt.cr_drivers_license_id = cr_dl.id
            [ INNER | LEFT | RIGHT ] JOIN cr_insurance cr_in             ON idmt.cr_insurance_id       = cr_in.id
    )
SELECT
    [ select_items ]
FROM
    matched_ids
;

Considerações

Para a estrutura e a sintaxe da consulta da tabela de mapeamento de ID, esteja ciente do seguinte:

Controles de consulta de regras de análise de tabelas de mapeamento de ID

Com os controles de consulta da tabela de mapeamento de ID, AWS Clean Rooms controla como as colunas em sua tabela são usadas para consultar a tabela. Por exemplo, ele controla quais colunas são usadas para unir e quais colunas precisam de sobreposição. A regra de análise da tabela de mapeamento de ID também inclui uma funcionalidade que permite que você permita que o sourceIDtargetID, o, ou ambos, sejam projetados sem exigir umJOIN.

A tabela a seguir explica cada controle.

Estrutura predefinida da regra de análise de tabela de mapeamento de ID

A estrutura predefinida para uma regra de análise de tabela de mapeamento de ID vem com proteções padrão que são aplicadas ao e. sourceID targetID Isso significa que a coluna com proteções aplicadas deve ser usada em consultas.

Você pode configurar a regra de análise da tabela de mapeamento de ID das seguintes formas:

O exemplo a seguir mostra uma estrutura predefinida para uma regra de análise de tabela de mapeamento de ID com as proteções padrão aplicadas ao e. sourceID targetID Neste exemplo, a regra de análise da tabela de mapeamento de ID só permite um INNER JOIN na sourceID coluna e na targetID coluna.

{
  "joinColumns": [
    "source_id",
    "target_id"
  ],
  "queryConstraints": [
    {
      "requireOverlap": {
        "columns": [
          "source_id",
          "target_id"
        ]
      }
    }
  ],
  "dimensionColumns": [] // columns that can be used in SELECT and JOIN
}

O exemplo a seguir mostra uma estrutura predefinida para uma regra de análise de tabela de mapeamento de ID com proteções aplicadas ao. targetID Neste exemplo, a regra de análise da tabela de mapeamento de ID permite somente um INNER JOIN na sourceID coluna.

{
  "joinColumns": [
    "source_id",
    "target_id"
  ],
  "queryConstraints": [
    {
      "requireOverlap": {
        "columns": [
          "target_id"
        ]
      }
    }
  ],
  "dimensionColumns": [
    "source_id"
  ]
}

O exemplo a seguir mostra uma estrutura predefinida para uma regra de análise de tabela de mapeamento de ID com proteções aplicadas ao. sourceID Neste exemplo, a regra de análise da tabela de mapeamento de ID permite somente um INNER JOIN na targetID coluna.

{
  "joinColumns": [
    "source_id",
    "target_id"
  ],
  "queryConstraints": [
    {
      "requireOverlap": {
        "columns": [
          "source_id"
        ]
      }
    }
  ],
  "dimensionColumns": [
    "target_id"
  ]
}

O exemplo a seguir mostra uma estrutura predefinida para uma regra de análise de tabela de mapeamento de ID sem proteções aplicadas ao ou. sourceID targetID Neste exemplo, a regra de análise da tabela de mapeamento de ID permite um INNER JOIN na sourceID coluna e na targetID coluna.

{
  "joinColumns": [
    "source_id",
    "target_id"
  ],
  "queryConstraints": [
    {
      "requireOverlap": {
        "columns": []
      }
    }
  ],
  "dimensionColumns": [
    "source_id",
    "target_id"
  ]
}

Regra de análise de tabela de mapeamento de ID — exemplo

Em vez de escrever uma longa declaração em cascata que faça referência às Informações de Identificação Pessoal (PII), por exemplo, as empresas podem usar a regra de análise da tabela de mapeamento de ID para usar a transcodificação multipartidária. LiveRamp O exemplo a seguir demonstra como você pode colaborar AWS Clean Rooms usando a regra de análise da tabela de mapeamento de ID.

A empresa A é um anunciante que tem dados de clientes e vendas, que serão usados como fonte. A empresa A também realiza a transcodificação em nome das partes na colaboração e traz as LiveRamp credenciais.

A empresa B é uma editora que tem dados de eventos, que serão usados como alvo.

Para criar uma colaboração que permita a análise da tabela de mapeamento de ID em colaboração, as empresas fazem o seguinte: