Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Speaker Deck
PRO
Sign in
Sign up for free
AWS Glueではじめるデータレイク
marchin
December 01, 2022
Programming
0
230
AWS Glueではじめるデータレイク
marchin
December 01, 2022
Tweet
Share
More Decks by marchin
See All by marchin
やさしく入門するOAuth2.0/easy-entry-oauth
marchin1989
6
830
1時間半で克服するJavaScriptの非同期処理/async_javascript_kokufuku
marchin1989
2
840
自動テストでモックするって、なにそれ?おいしいの?/what_is_mocking
marchin1989
0
470
たぶんもう怖くないGit/maybe-not-afraid-of-git-anymore
marchin1989
2
1.2k
モバイルアプリで機械学習入門/introduction-to-machine-learning-in-mobile-app
marchin1989
0
170
Other Decks in Programming
See All in Programming
TSX First な Zero-Runtime SSG potato4d/dodai とその仕組み / owned static site generator #kyotojs
potato4d
0
420
Azure Functionsをサクッと開発、サクッとデプロイ/vscodeconf2023-baba
nina01
1
350
OSC大阪 パスワード認証は人類には早すぎる ~ IDaaSを使ったソーシャルログインのすすめ ~
authyasan
7
1.5k
Swift Concurrency in GoodNotes
inamiy
4
1.4k
An Advanced Introduction to R
nicetak
0
1.8k
ちょうぜつ改め21世紀ふつうのソフトウェア設計
tanakahisateru
7
6.5k
Workshop on Jetpack compose
aldefy
0
140
T3 Stack and TypeScript ecosystem
quramy
3
790
Cloudflare WorkersでGoを動かすライブラリを作っている話
syumai
1
330
新卒でサービス立ち上げから Hasuraを使って3年経った振り返り
yutorin
0
230
Writing Greener Java Applications
hollycummins
0
360
存在しないアセットへの参照と 未公開アセットでのネタバレに どう立ち向かうか / How to prevent missing assets and spoilers by assets
orgachem
0
180
Featured
See All Featured
Code Review Best Practice
trishagee
50
11k
Building an army of robots
kneath
301
40k
Infographics Made Easy
chrislema
235
17k
Learning to Love Humans: Emotional Interface Design
aarron
263
38k
The Language of Interfaces
destraynor
149
21k
VelocityConf: Rendering Performance Case Studies
addyosmani
317
22k
CoffeeScript is Beautiful & I Never Want to Write Plain JavaScript Again
sstephenson
152
13k
Navigating Team Friction
lara
177
12k
Keith and Marios Guide to Fast Websites
keithpitt
407
21k
Designing on Purpose - Digital PM Summit 2013
jponch
108
5.9k
JazzCon 2018 Closing Keynote - Leadership for the Reluctant Leader
reverentgeek
175
9.1k
How to Ace a Technical Interview
jacobian
270
21k
Transcript
AWS Glueで始める データレイク
自己紹介 - 名前: 阿部 真之 - 仕事: 株式会社ゆめみ でAndroidエンジニアしてます -
最近はサーバサイド Kotlinの仕事も始めました - ほぼサーバーサイドどっぷりです - 趣味 - コーヒー、ビール、アニメ、ゲーム、読書、 etc… - Twitter: @marchin_1989
アジェンダ - データレイクとは - AWS Glue - AWS Glueのデモ
データレイクとは
データレイクとは - データの貯蔵庫 - 様々な生データを貯めておく - ニーズに応じて、利用することができる
- データレイクに入れたり、出したりするときにデータ連携を行う。 - ETL処理(抽出処理、変換処理、ロード処理)が主な処理。 データレイクでのデータ連携 データ連携
- データレイクに入れたり、出したりするときにデータ連携を行う。 - ETL処理(抽出処理、変換処理、ロード処理)が主な処理。 データレイクでのデータ連携 データ連携 ETL処理以外にもやることがある。 リトライ処理、メタデータ管理、データーソースのス キーマ変更への対応、ワークフロー管理、スケーリ ング
etc… また、それ以前にアプリ実行環境の整備など、やる ことが多い。。。
AWS Glue - サーバーレスなデータ統合サービス。 - ETL Job:ETL処理の作成、実行、管理ができる。 - Glue Data
Catalog:データソースのスキーマをカタログ化して、管理することができる。 - Crowler:データソースをクロールして、Data Catalogを作成できる。 - GlueStudio:ETL Jobの作成、実行、モニタリングが簡単にできるGUI。
AWS Glueのデモ
AWS Glueのデモ RDS上の「購入履歴データ」をS3(データレイク)に保存してみる。
実行手順 1. Crawlerの実行。Data catalogを作成 2. Glue StudioでETL Job構築、実行 3. 保存データの確認
1. 2. 3.
1. Crawlerの実行。Data catalogを作成 - すでに定義済みのクローラーの画面を確認する。 - データソースはRDSを指定。 1.
Data sourceにRDSを設定したCrowlerを定義し て、Crowlerを実行。 Hourly, Daily, Weeklyなどで定期実行可能。
テーブルスキーマの変更があった ことがわかる。
データカタログの画面。 crowlerを実行することで、Data catalogの作 成&更新ができる。 スキーマを管理し、他のサービスから利用す ることが可能。
2. Glue StudioでETL Job構築、実行 - Glue Studioの画面で、ETL Jobを構築する。 2.
AWS Glue Studioの画面から、jobを 作成する。
GUIベースで、ETL Jobを作成するこ とができる。
Sourceから、「Relational DB」を選択 すると、ノードが作成される。
Data Catalogを作成済みであれば、 DataCatalogを選択でき、抽出したい データーベースのテーブルを選択する。
Actionから、変換処理などを作成しノー ドをつなげるように処理を作成してい く。
year, month, dayのカラムを追加したり ...
スキーマ名の変更など可能。
いろいろな変換処理が用意されている。 もちろんスクリプトを自分で書くことも可能。
最後にTargetとして、保存先にS3を指定。 FormatはCSVやParquetといったものを選択可 能。
パーティショニングが可能。 データ利用時(検索時)に効率よくクエリを実行で きたりする。 ここでは、year, month, dayを指定。
保存し、Jobを実行。 実行のステータスは Runsタブで確認 できる。
3. 保存データの確認 - ETL Jobを実行後の、S3データを確認する。 3.
保存先のS3バケットを確認。 パーティションが「year=2022/month=10/day=10/」という 感じで作成されている。
ファイルの中身。 $ cat run-AmazonS3_node1669307667051-15-part-r-00000 amount,user_id,price,product_id,purchased_at,order_detail_id,order_id 1,3,7100,71,"2022-10-10 22:00:00.0",4239,848 1,1,1100,11,"2022-10-10 11:00:00.0",4185,837 1,1,2300,23,"2022-10-10
14:00:00.0",4199,840 1,1,2700,27,"2022-10-10 23:00:00.0",4244,849
まとめ - AWS Glueを利用することで、データレイク周辺のデータ連携が簡単にできる。より やりたいことに集中できる。 - Glue StudioでGUIベースで視覚的にETL Jobを作成、管理可能。
参考文献 ・AWSではじめるデータレイク, 上原 誠 (著), 志村 誠 (著), 下佐粉 昭
(著), 関山 宜孝 (著), 2020, テッキーメディア ・YouTube, 【AWS Black Belt Online Seminar】AWS Glue -Glue Studio を使ったデー タ変換のベストプラクティス-, https://www.youtube.com/watch?v=xRszN4Tb4uM, (2021/04/01) ・AWS, データレイクとは, https://aws.amazon.com/jp/big-data/datalakes-and-analytics/what-is-a-data-lake/, (2022/11/25)