Amazon Athena Vertica 连接器
Vertica 是一个列存数据库平台,可以部署在云中或在支持 EB 级数据仓库的本地部署。您可以在联合查询中使用 Amazon Athena Vertica 连接器来查询来自 Athena 的 Vertica 数据来源。例如,您可以通过 Vertica 上的数据仓库和 Amazon S3 中的数据湖运行分析查询。
此连接器不使用 Glue 连接将配置属性集中保存到 Glue 中。连接配置通过 Lambda 完成。
先决条件
可以使用 Athena 控制台或 AWS Serverless Application Repository 将该连接器部署到您的 AWS 账户。有关更多信息,请参阅创建数据来源连接或使用 AWS Serverless Application Repository 部署数据来源连接器。
使用此连接器前,请先设置 VPC 和安全组。有关更多信息,请参阅 为数据来源连接器或 AWS Glue 连接创建 VPC。
限制
-
由于 Athena Vertica 连接器从 Amazon S3 读取导出的 Parquet 文件,因此连接器的性能可能很慢。查询大型表时,我们建议您使用创建表为(选择...)查询和 SQL 谓词。
-
目前,由于 Athena 联合查询中存在一个已知问题,连接器会让 Vertica 将查询表的所有列导出到 Amazon S3,但在 Athena 控制台的结果中只能看到被查询的列。
-
不支持写入 DDL 操作。
-
任何相关的 Lambda 限制。有关更多信息,请参阅《AWS Lambda 开发人员指南》中的 Lambda 配额。
工作流
以下图表显示了使用 Vertica 连接器运行查询的工作流程。

-
针对 Vertica 中的一个或多个表发出 SQL 查询。
-
连接器解析 SQL 查询,以通过 JDBC 连接将相关部分发送到 Vertica。
-
连接字符串使用存储在 AWS Secrets Manager 中的用户名和密码,以获得 Vertica 的访问权限。
-
连接器使用 Vertica
EXPORT
命令包装 SQL 查询,如以下示例所示。EXPORT TO PARQUET (directory = 's3://amzn-s3-demo-bucket/
folder_name
, Compression='Snappy', fileSizeMB=64) OVER() as SELECT PATH_ID, ... SOURCE_ITEMIZED, SOURCE_OVERRIDE FROM DELETED_OBJECT_SCHEMA.FORM_USAGE_DATA WHERE PATH_ID <= 5; -
Vertica 处理 SQL 查询并将结果集发送到 Amazon S3 存储桶。为了提高吞吐量,Vertica 使用
EXPORT
选项并行处理多个 Parquet 文件的写入操作。 -
Athena 扫描 Amazon S3 存储桶,以确定要为结果集读取的文件数。
-
Athena 对 Lambda 函数进行多次调用,并使用 Apache
ArrowReader
从结果数据集中读取 Parquet 文件。多次调用使 Athena 能够并行读取 Amazon S3 文件,实现高达每秒 100GB 的吞吐量。 -
Athena 使用数据湖扫描的数据处理从 Vertica 返回的数据并返回结果。
术语
以下术语与 Vertica 连接器有关。
-
数据库实例 — 部署在 Amazon EC2 上的 Vertica 数据库的任何实例。
-
处理程序 — 访问您数据库实例的 Lambda 处理程序。处理程序可以用于元数据或数据记录。
-
元数据处理程序 — 从您的数据库实例中检索元数据的 Lambda 处理程序。
-
记录处理程序 — 从您的数据库实例中检索数据记录的 Lambda 处理程序。
-
复合处理程序 — 从您的数据库实例中检索元数据和数据记录的 Lambda 处理程序。
-
属性或参数 — 处理程序用来提取数据库信息的数据库属性。您可以将这些属性配置为 Lambda 环境变量。
-
连接字符串 — 用于建立数据库实例连接的文本字符串。
-
目录 — 向 Athena 注册的非 AWS Glue 目录,是
connection_string
属性的必要前缀。
参数
Amazon Athena Vertica 连接器通过 Lambda 环境变量显示了配置选项。您可以使用以下 Lambda 环境变量来配置连接器。
-
AthenaCatalogName — Lambda 函数名称
-
ExportBucket — 将 Vertica 查询结果导出到的 Amazon S3 存储桶。
-
SpillBucket — 此函数可以溢出数据的 Amazon S3 存储桶的名称。
-
SpillPrefix — 此函数可以溢出数据的
SpillBucket
位置的前缀。 -
SecurityGroupIds — 与应该应用于 Lambda 函数的安全组对应的一个或多个 ID(例如
sg1
、sg2
或sg3
)。 -
SubnetIds — 与 Lambda 函数可用于访问您数据来源的子网对应的一个或多个子网 ID(例如
subnet1
或subnet2
)。 -
SecretNameOrPrefix — 此函数有权访问的 Secrets Manager 中一组密钥的名称或前缀(例如
vertica-*
) -
VerticaConnectionString — 如果未定义特定于目录的连接,则默认使用的 Vertica 连接详细信息。该字符串可以选择使用 AWS Secrets Manager 语法(例如
${secret_name}
)。 -
VPC ID — 要附加到 Lambda 函数的 VPC ID。
连接字符串
使用以下格式的 JDBC 连接字符串连接到数据库实例。
vertica://jdbc:vertica://
host_name
:port
/database
?user=vertica-username
&password=vertica-password
使用单个连接处理程序
您可以使用以下单个连接元数据和记录处理程序连接到单个 Vertica 实例。
处理程序类型 | 类 |
---|---|
复合处理程序 | VerticaCompositeHandler |
元数据处理程序 | VerticaMetadataHandler |
记录处理程序 | VerticaRecordHandler |
单个连接处理程序参数
参数 | 描述 |
---|---|
default |
必需。默认连接字符串。 |
单个连接处理程序支持一个数据库实例,并且必须提供 default
连接字符串参数。将忽略所有其他连接字符串。
提供凭证
要在 JDBC 连接字符串中为数据库提供用户名和密码,可以使用连接字符串属性或 AWS Secrets Manager。
-
连接字符串 — 可以将用户名和密码指定为 JDBC 连接字符串中的属性。
重要
作为安全最佳实践,请勿在您的环境变量或连接字符串中使用硬编码凭证。有关将硬编码密钥移至 AWS Secrets Manager 的信息,请参阅《AWS Secrets Manager 用户指南》中的将硬编码密钥移至 AWS Secrets Manager。
-
AWS Secrets Manager - 要将 Athena 联合查询功能与 AWS Secrets Manager 配合使用,连接到您的 Lambda 函数的 VPC 应该拥有互联网访问权限
或者 VPC 端点,以连接到 Secrets Manager。 您可以将 AWS Secrets Manager 中的密钥名称放入您的 JDBC 连接字符串中。连接器将该密钥名称替换为来自 Secrets Manager 的
username
和password
值。对于 Amazon RDS 数据库实例,将紧密集成这种支持。如果您使用 Amazon RDS,我们强烈建议您使用 AWS Secrets Manager 和凭证轮换。如果您的数据库不使用 Amazon RDS,请按以下格式将凭证存储为 JSON:
{"username": "${username}", "password": "${password}"}
带有密钥名称的示例连接字符串
以下字符串带有密钥名称 ${vertica-username
} 和 ${vertica-password}
。
vertica://jdbc:vertica://
host_name
:port
/database
?user=${vertica-username}&password=${vertica-password}
该连接器使用该密钥名称来检索密钥,并提供用户名和密码,如以下示例所示。
vertica://jdbc:vertica://
host_name
:port
/database
?user=sample-user&password=sample-password
目前,Vertica 连接器可以识别 vertica-username
和 vertica-password
JDBC 属性。
溢出参数
Lambda 开发工具包可以将数据溢出到 Amazon S3。由同一 Lambda 函数访问的所有数据库实例都会溢出到同一位置。
参数 | 描述 |
---|---|
spill_bucket |
必需。溢出桶名称。 |
spill_prefix |
必需。溢出桶密钥前缀。 |
spill_put_request_headers |
(可选)用于溢出的 Amazon S3 putObject 请求的请求标头和值的 JSON 编码映射(例如,{"x-amz-server-side-encryption" :
"AES256"} )。有关其他可能的标头,请参阅《Amazon Simple Storage Service API 参考》中的 PutObject。 |
数据类型支持
下表显示了 Vertica 连接器支持的数据类型。
布尔值 |
---|
BigInt |
短型 |
整数 |
长整型 |
浮点型 |
Double |
Date |
Varchar |
字节 |
BigDecimal |
作为 Varchar 的时间戳 |
性能
Lambda 函数执行投影下推,以减少查询扫描的数据。LIMIT
子句会减少扫描的数据量,但如果未提供谓词,则预期要使用包含 LIMIT
子句的 SELECT
查询,来扫描至少 16 MB 的数据。Vertica 连接器能够灵活地应对并发造成的节流。
传递查询
Vertica 连接器支持传递查询。传递查询使用表函数将完整查询下推到数据来源来执行查询。
要在 Vertica 中执行传递查询,可以使用以下语法:
SELECT * FROM TABLE( system.query( query => '
query string
' ))
以下示例查询将查询下推到 Vertica 中的数据来源。该查询选择了 customer
表中的所有列,将结果限制为 10。
SELECT * FROM TABLE( system.query( query => 'SELECT * FROM customer LIMIT 10' ))
许可证信息
使用此连接器,即表示您确认包含第三方组件(这些组件的列表可在此连接器的 pom.xml
其他资源
有关最新 JDBC 驱动程序版本信息,请参见 GitHub.com 上适用于 Vertica 连接器的 pom.xml
有关此连接器的更多信息,请参阅 GitHub.com 上的相应站点