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.
# Como se conectar ao DynamoDB com o Amazon EMR Sem Servidor
Neste tutorial, você faz upload de um subconjunto de dados do [United States Board on Geographic Names](https://www.usgs.gov/us-board-on-geographic-names) para um bucket do Amazon S3 e, em seguida, usa o Hive ou o Spark no Amazon EMR Sem Servidor para copiar os dados em uma tabela do Amazon DynamoDB para consulta.
## Etapa 1: upload dos dados em um bucket do Amazon S3
Para criar um bucket do Amazon S3, siga as instruções em [Criação de um bucket](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/create-bucket.html) no *Guia do usuário do console do Amazon Simple Storage Service*. Substitua as referências a `amzn-s3-demo-bucket` pelo nome do bucket recém-criado. Agora, a aplicação do EMR Sem Servidor está pronta para executar trabalhos.
1. Faça download do arquivo de exemplo de dados `features.zip` com o comando a seguir.
```
wget https://docs.aws.amazon.com/amazondynamodb/latest/developerguide/samples/features.zip
```
1. Extraia o arquivo `features.txt` do arquivamento e acessar as primeiras linhas do arquivo:
```
unzip features.zip
head features.txt
```
O resultado deve ser semelhante ao mostrado a seguir.
```
1535908|Big Run|Stream|WV|38.6370428|-80.8595469|794
875609|Constable Hook|Cape|NJ|40.657881|-74.0990309|7
1217998|Gooseberry Island|Island|RI|41.4534361|-71.3253284|10
26603|Boone Moore Spring|Spring|AZ|34.0895692|-111.410065|3681
1506738|Missouri Flat|Flat|WA|46.7634987|-117.0346113|2605
1181348|Minnow Run|Stream|PA|40.0820178|-79.3800349|1558
1288759|Hunting Creek|Stream|TN|36.343969|-83.8029682|1024
533060|Big Charles Bayou|Bay|LA|29.6046517|-91.9828654|0
829689|Greenwood Creek|Stream|NE|41.596086|-103.0499296|3671
541692|Button Willow Island|Island|LA|31.9579389|-93.0648847|98
```
Os campos em cada linha aqui indicam um identificador exclusivo, nome, tipo de característica natural, estado, latitude em graus, longitude em graus e altura em pés.
1. Upload de dados no Amazon S3
```
aws s3 cp features.txt s3://amzn-s3-demo-bucket/features/
```
## Etapa 2: criar uma tabela do Hive
Use o Apache Spark ou o Hive para criar uma tabela do Hive que contenha os dados carregados no Amazon S3.
------
#### [ Spark ]
Para criar uma tabela do Hive com o Spark, execute o comando a seguir.
```
import org.apache.spark.sql.SparkSession
val sparkSession = SparkSession.builder().enableHiveSupport().getOrCreate()
sparkSession.sql("CREATE TABLE hive_features \
(feature_id BIGINT, \
feature_name STRING, \
feature_class STRING, \
state_alpha STRING, \
prim_lat_dec DOUBLE, \
prim_long_dec DOUBLE, \
elev_in_ft BIGINT) \
ROW FORMAT DELIMITED \
FIELDS TERMINATED BY '|' \
LINES TERMINATED BY '\n' \
LOCATION 's3://amzn-s3-demo-bucket/features';")
```
Agora você tem uma tabela do Hive preenchida com os dados do arquivo `features.txt`. Para verificar se seus dados estão na tabela, execute uma consulta do Spark SQL conforme mostrado no exemplo a seguir.
```
sparkSession.sql(
"SELECT state_alpha, COUNT(*) FROM hive_features GROUP BY state_alpha;")
```
------
#### [ Hive ]
Para criar uma tabela do Hive com o Hive, execute o comando a seguir.
```
CREATE TABLE hive_features
(feature_id BIGINT,
feature_name STRING ,
feature_class STRING ,
state_alpha STRING,
prim_lat_dec DOUBLE ,
prim_long_dec DOUBLE ,
elev_in_ft BIGINT)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '|'
LINES TERMINATED BY '\n'
LOCATION 's3://amzn-s3-demo-bucket/features';
```
Agora você tem uma tabela do Hive que contém dados do arquivo `features.txt`. Para verificar se seus dados estão na tabela, execute uma consulta do HiveQL, conforme mostrado no exemplo a seguir.
```
SELECT state_alpha, COUNT(*) FROM hive_features GROUP BY state_alpha;
```
------
## Etapa 3: copiar dados para o DynamoDB
Use o Spark ou o Hive para copiar dados para uma nova tabela do DynamoDB.
------
#### [ Spark ]
Para copiar dados da tabela do Hive criada na etapa anterior para o DynamoDB, siga as **etapas de 1 a 3** em [Copiar dados para o DynamoDB](https://docs.aws.amazon.com/amazondynamodb/latest/developerguide/EMRforDynamoDB.Tutorial.CopyDataToDDB.html). Isso cria uma tabela do DynamoDB chamada `Features`. Em seguida, você pode ler os dados diretamente do arquivo de texto e copiá-los para a tabela do DynamoDB, conforme mostra o exemplo a seguir.
```
import com.amazonaws.services.dynamodbv2.model.AttributeValue
import org.apache.hadoop.dynamodb.DynamoDBItemWritable
import org.apache.hadoop.dynamodb.read.DynamoDBInputFormat
import org.apache.hadoop.io.Text
import org.apache.hadoop.mapred.JobConf
import org.apache.spark.SparkContext
import scala.collection.JavaConverters._
object EmrServerlessDynamoDbTest {
def main(args: Array[String]): Unit = {
jobConf.set("dynamodb.input.tableName", "Features")
jobConf.set("dynamodb.output.tableName", "Features")
jobConf.set("dynamodb.region", "region")
jobConf.set("mapred.output.format.class", "org.apache.hadoop.dynamodb.write.DynamoDBOutputFormat")
jobConf.set("mapred.input.format.class", "org.apache.hadoop.dynamodb.read.DynamoDBInputFormat")
val rdd = sc.textFile("s3://amzn-s3-demo-bucket/ddb-connector/")
.map(row => {
val line = row.split("\\|")
val item = new DynamoDBItemWritable()
val elevInFt = if (line.length > 6) {
new AttributeValue().withN(line(6))
} else {
new AttributeValue().withNULL(true)
}
item.setItem(Map(
"feature_id" -> new AttributeValue().withN(line(0)),
"feature_name" -> new AttributeValue(line(1)),
"feature_class" -> new AttributeValue(line(2)),
"state_alpha" -> new AttributeValue(line(3)),
"prim_lat_dec" -> new AttributeValue().withN(line(4)),
"prim_long_dec" -> new AttributeValue().withN(line(5)),
"elev_in_ft" -> elevInFt)
.asJava)
(new Text(""), item)
})
rdd.saveAsHadoopDataset(jobConf)
}
}
```
------
#### [ Hive ]
Para copiar dados da tabela do Hive criados na etapa anterior para o DynamoDB, siga as instruções em [Copiar dados para o DynamoDB](https://docs.aws.amazon.com/amazondynamodb/latest/developerguide/EMRforDynamoDB.Tutorial.CopyDataToDDB.html).
------
## Etapa 4: consultar dados do DynamoDB
Use o Spark ou o Hive para consultar sua tabela do DynamoDB.
------
#### [ Spark ]
Para consultar dados da tabela do DynamoDB que você criou na etapa anterior, use o Spark SQL ou a API Spark. MapReduce
**Example — Consulte sua tabela do DynamoDB com o Spark SQL**
A consulta do Spark SQL a seguir retorna uma lista de todos os tipos de recursos em ordem alfabética.
```
val dataFrame = sparkSession.sql("SELECT DISTINCT feature_class \
FROM ddb_features \
ORDER BY feature_class;")
```
A consulta do Spark SQL a seguir retorna uma lista de todos os lakes que começam com a letra *M*.
```
val dataFrame = sparkSession.sql("SELECT feature_name, state_alpha \
FROM ddb_features \
WHERE feature_class = 'Lake' \
AND feature_name LIKE 'M%' \
ORDER BY feature_name;")
```
A consulta do Spark SQL a seguir retorna uma lista de todos os estados com pelo menos três recursos que ultrapassam uma milha.
```
val dataFrame = sparkSession.dql("SELECT state_alpha, feature_class, COUNT(*) \
FROM ddb_features \
WHERE elev_in_ft > 5280 \
GROUP by state_alpha, feature_class \
HAVING COUNT(*) >= 3 \
ORDER BY state_alpha, feature_class;")
```
**Example — Consulte sua tabela do DynamoDB com a API Spark MapReduce**
A MapReduce consulta a seguir retorna uma lista de todos os tipos de recursos em ordem alfabética.
```
val df = sc.hadoopRDD(jobConf, classOf[DynamoDBInputFormat], classOf[Text], classOf[DynamoDBItemWritable])
.map(pair => (pair._1, pair._2.getItem))
.map(pair => pair._2.get("feature_class").getS)
.distinct()
.sortBy(value => value)
.toDF("feature_class")
```
A MapReduce consulta a seguir retorna uma lista de todos os lagos que começam com a letra *M.*
```
val df = sc.hadoopRDD(jobConf, classOf[DynamoDBInputFormat], classOf[Text], classOf[DynamoDBItemWritable])
.map(pair => (pair._1, pair._2.getItem))
.filter(pair => "Lake".equals(pair._2.get("feature_class").getS))
.filter(pair => pair._2.get("feature_name").getS.startsWith("M"))
.map(pair => (pair._2.get("feature_name").getS, pair._2.get("state_alpha").getS))
.sortBy(_._1)
.toDF("feature_name", "state_alpha")
```
A MapReduce consulta a seguir retorna uma lista de todos os estados com pelo menos três características com mais de uma milha.
```
val df = sc.hadoopRDD(jobConf, classOf[DynamoDBInputFormat], classOf[Text], classOf[DynamoDBItemWritable])
.map(pair => pair._2.getItem)
.filter(pair => pair.get("elev_in_ft").getN != null)
.filter(pair => Integer.parseInt(pair.get("elev_in_ft").getN) > 5280)
.groupBy(pair => (pair.get("state_alpha").getS, pair.get("feature_class").getS))
.filter(pair => pair._2.size >= 3)
.map(pair => (pair._1._1, pair._1._2, pair._2.size))
.sortBy(pair => (pair._1, pair._2))
.toDF("state_alpha", "feature_class", "count")
```
------
#### [ Hive ]
Para consultar dados da tabela do DynamoDB criada na etapa anterior, siga as instruções em [Query the data in the DynamoDB table](https://docs.aws.amazon.com/amazondynamodb/latest/developerguide/EMRforDynamoDB.Tutorial.QueryDataInDynamoDB.html).
------