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 在 DynamoDB 中匯出、匯入、查詢和聯結資料表 EMR
注意
Amazon EMR-DynamoDB 連接器是在 上開源 GitHub。如需詳細資訊，請參閱 https://github.com/awslabs/emr-dynamodb-connector
DynamoDB 是完全受管的無SQL資料庫服務，可提供快速且可預測的效能，並具有無縫的可擴展性。開發人員可建立資料庫資料表，不受限制地增加請求流量或儲存空間。DynamoDB 會自動將資料表的資料與傳輸流分散到足夠數量的伺服器上，以因應客戶所指定的請求處理容量和儲存的資料量，同時保持快速、一致的效能。使用 Amazon EMR和 Hive，您可以快速有效地處理大量資料，例如存放在 DynamoDB 中的資料。如需有關 DynamoDB 的詳細資訊，請參閱 Amazon DynamoDB 開發人員指南。
Apache Hive 是軟體層，您可以使用簡化SQL的類似查詢語言 HiveQL 來查詢映射，從而減少叢集。其是在 Hadoop 架構上執行。如需有關 Hive 與 HiveQL 的詳細資訊，請參閱 HiveQL 語言手冊
您可以使用 Amazon EMR搭配自訂的 Hive 版本，其中包含與 DynamoDB 的連線，以對儲存在 DynamoDB 中的資料執行操作：
-
將 DynamoDB 資料載入 Hadoop 分散式檔案系統 （HDFS），並將其用作 Amazon EMR叢集的輸入。
-
使用SQL類似 的陳述式 （HiveQL） 查詢即時 DynamoDB 資料。
-
聯結儲存在 DynamoDB 內的資料並將之匯出，或對已聯結的資料進行查詢。
-
將儲存在 DynamoDB 中的資料匯出至 Amazon S3。
-
將儲存在 Amazon S3 中的資料匯入至 DynamoDB。
注意
Amazon EMR-DynamoDB Connector 不支援設定為使用 Kerberos 身分驗證 的叢集。
若要執行下列每個任務，您將啟動 Amazon EMR叢集、在 DynamoDB 中指定資料的位置，並發出 Hive 命令來操作 DynamoDB 中的資料。
啟動 Amazon EMR叢集的方法有多種：您可以使用 Amazon EMR主控台、命令列介面 （CLI），或使用 AWS SDK或 Amazon EMR 來設定叢集API。您也可以選擇要以互動方式執行 Hive 叢集，或是以指令碼執行。在本節中，我們將示範如何從 Amazon EMR主控台和 啟動互動式 Hive 叢集CLI。
以互動方式使用 Hive 相當適合用於查詢效能的測試和應用程式的微調工作。建立一組將定期執行的 Hive 命令之後，請考慮建立 Amazon EMR可以為您執行的 Hive 指令碼。
警告
DynamoDB 資料表上的 Amazon EMR讀取或寫入操作會根據您已建立的佈建輸送量計數，可能會增加佈建輸送量例外的頻率。對於大型請求，Amazon 會使用指數退避EMR實作重試，以管理 DynamoDB 資料表上的請求負載。與其他流量同時執行 Amazon EMR任務可能會導致您超過配置的佈建輸送量層級。您可以在 Amazon 中檢查ThrottleRequests指標來監控此狀況 CloudWatch。如果請求負載過高，您可以重新啟動叢集，並將 讀取百分比設定或 設定為寫入百分比設定較低的值，以限制 Amazon EMR操作。如需有關 DynamoDB 輸送量設定的資訊，請參閱佈建輸送量。
如果資料表設定為隨需模式，您應先將資料表變更回佈建模式，然後再執行匯出或匯入操作。管道需要輸送量比率，才能計算要從 D 使用的資源ynamoDBtable。隨需模式會移除佈建輸送量。若要佈建輸送量容量，您可以使用 Amazon CloudWatch Events 指標來評估資料表使用的彙總輸送量。
