本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。 # 使用 Amazon EMR Serverless 連線至 DynamoDB 在本教學課程中，您將資料子集從[美國地理名稱委員會](https://www.usgs.gov/us-board-on-geographic-names)上傳至 Amazon S3 儲存貯體，然後使用 Amazon EMR Serverless 上的 Hive 或 Spark 將資料複製到 Amazon DynamoDB 資料表進行查詢。 ## 步驟 1：將資料上傳至 Amazon S3 儲存貯體 若要建立 Amazon S3 儲存貯體，請遵循《*Amazon Simple Storage Service 主控台使用者指南*》中[建立儲存貯體](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/create-bucket.html)的指示。`{{amzn-s3-demo-bucket}}` 將 的參考取代為您新建立的儲存貯體名稱。現在，您的 EMR Serverless 應用程式已準備好執行任務。 1. `features.zip` 使用下列命令下載範例資料封存。 ``` wget https://docs.aws.amazon.com/amazondynamodb/latest/developerguide/samples/features.zip ``` 1. 從封存中解壓縮`features.txt`檔案，並存取檔案中的前幾行： ``` unzip features.zip head features.txt ``` 結果應如下所示。 ``` 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 ``` 這裡每一行的欄位都指出唯一識別符、名稱、自然特徵類型、狀態、緯度、經度和高度，以英呎為單位。 1. 將您的資料上傳至 Amazon S3 ``` aws s3 cp features.txt s3://{{amzn-s3-demo-bucket}}/features/ ``` ## 步驟 2：建立 Hive 資料表 使用 Apache Spark 或 Hive 建立新的 Hive 資料表，其中包含 Amazon S3 中上傳的資料。 ------ #### [ Spark ] 若要使用 Spark 建立 Hive 資料表，請執行下列命令。 ``` 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';") ``` 您現在有一個已填入的 Hive 資料表，其中包含來自 `features.txt` 檔案的資料。若要驗證您的資料是否在資料表中，請執行 Spark SQL 查詢，如下列範例所示。 ``` sparkSession.sql( "SELECT state_alpha, COUNT(*) FROM {{hive_features}} GROUP BY state_alpha;") ``` ------ #### [ Hive ] 若要使用 Hive 建立 Hive 資料表，請執行下列命令。 ``` 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'; ``` 您現在有一個 Hive 資料表，其中包含來自 `features.txt` 檔案的資料。若要驗證您的資料是否在資料表中，請執行 HiveQL 查詢，如下列範例所示。 ``` SELECT state_alpha, COUNT(*) FROM {{hive_features}} GROUP BY state_alpha; ``` ------ ## 步驟 3：將資料複製到 DynamoDB 使用 Spark 或 Hive 將資料複製到新的 DynamoDB 資料表。 ------ #### [ Spark ] 若要將您在上一個步驟中建立的 Hive 資料表中的資料複製到 DynamoDB，請遵循[將資料複製到 DynamoDB](https://docs.aws.amazon.com/amazondynamodb/latest/developerguide/EMRforDynamoDB.Tutorial.CopyDataToDDB.html) **中的步驟 1-3**。這會建立新的 DynamoDB 資料表，稱為 `Features`。然後，您可以直接從文字檔案讀取資料，並將其複製到 DynamoDB 資料表，如下列範例所示。 ``` 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 ] 若要將您在上一個步驟中建立的 Hive 資料表中的資料複製到 DynamoDB，請遵循[將資料複製到 DynamoDB](https://docs.aws.amazon.com/amazondynamodb/latest/developerguide/EMRforDynamoDB.Tutorial.CopyDataToDDB.html) 中的指示。 ------ ## 步驟 4：從 DynamoDB 查詢資料 使用 Spark 或 Hive 查詢 DynamoDB 資料表。 ------ #### [ Spark ] 若要從您在上一個步驟中建立的 DynamoDB 資料表查詢資料，請使用 Spark SQL 或 Spark MapReduce API。 **Example – 使用 Spark SQL 查詢 DynamoDB 資料表** 下列 Spark SQL 查詢會依字母順序傳回所有功能類型的清單。 ``` val dataFrame = sparkSession.sql("SELECT DISTINCT feature_class \ FROM ddb_features \ ORDER BY feature_class;") ``` 下列 Spark SQL 查詢會傳回以字母 *M* 開頭的所有湖的清單。 ``` 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;") ``` 下列 Spark SQL 查詢會傳回所有狀態的清單，其中包含至少三個高於一英里的功能。 ``` 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 – 使用 Spark MapReduce API 查詢 DynamoDB 資料表** 下列 MapReduce 查詢會依字母順序傳回所有功能類型的清單。 ``` 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") ``` 下列 MapReduce 查詢會傳回以字母 *M* 開頭的所有湖的清單。 ``` 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") ``` 下列 MapReduce 查詢會傳回所有狀態的清單，其中包含至少三個高於一英里的功能。 ``` 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 ] 若要從您在上一個步驟中建立的 DynamoDB 資料表查詢資料，請遵循 [ DynamoDB 資料表中查詢資料](https://docs.aws.amazon.com/amazondynamodb/latest/developerguide/EMRforDynamoDB.Tutorial.QueryDataInDynamoDB.html)中的指示。 ------