Base de données Amazon Web Services (AWS) Athena (via JDBC) - Import
Prérequis du pont
Ce pont :nécessite un accès à Internet vers https://repo.maven.apache.org/maven2/ et/ou d'autres sites d'outils permettant de télécharger des pilotes dans <TDC_HOME>/data/download/MIMB/.
Spécifications du pont
| Fournisseur | Amazon |
| Nom de l'outil | Base de données AWS Athena |
| Version de l'outil | 2.x |
| Site Web de l'outil | https://aws.amazon.com/athena/ |
| Méthodologie supportée | [Base de données relationnelle] Multimodèle, Data Store (Modèle de données physique) via une API JDBC |
| Profiling de données |  |
| Collecte incrémentale | |
| Collecte multi-modèle | |
| Navigation dans le référentiel distant pour sélectionner un modèle | |
SPÉCIFICATIONS
Outil : Amazon/Base de données AWS Athena version 2.x via l'API JDBC
Consultez https://aws.amazon.com/athena/
Métadonnées : [Base de données relationnelle] Multimodèle, Data Store (Modèle de données physique)
Composant : JdbcAmazonAthena version 11.2.0
AVERTISSEMENT
Ce pont d'import requiert un accès à Internet pour télécharger les bibliothèques tierces :
- par exemple https://repo.maven.apache.org/maven2/ pour télécharger les bibliothèques tierces open source,
- et plus de sites pour d'autres logiciels tiers, comme les pilotes JDBC spécifiques pour les bases de données.
Les bibliothèques tierces téléchargées sont stockées dans $HOME/data/download/MIMB/
- Si le protocole HTTPS échoue, le pont d'import essaye ensuite avec HTTP.
- Si un proxy est utilisé pour accéder à Internet, vous devez configurer ce proxy dans l'environnement JRE (voir l'option -j dans le paramètre Divers).
- Si le pont d'import n'a pas d'accès à Internet, le répertoire $HOME/data/download/MIMB/ peut être copié depuis un autre serveur qui a accès à Internet, où la commande $HOME/bin/MIMB.sh (ou .bat) -d peut être utilisée pour télécharger en une fois toutes les bibliothèques tierces utilisées par tous les ponts.
En exécutant ce pont d'import, vous reconnaissez être responsable des conditions d'utilisation et de toute autre faille de sécurité potentielle liées au téléchargement de ces bibliothèques logicielles tierces.
VUE D'ENSEMBLE
Ce pont utilise une connexion JDBC vers un serveur de base de données générique pour extraire toutes ses métadonnées (Schémas, Tables, Colonnes, Types de données...) et parser tout SQL (Vues, Procédures stockées... ) pour produire le lignage du flux de données.
Ce pont d'import importe les métadonnées du serveur de la base de données en tant que multi-modèles avec un modèle par schéma. D'autres imports (collecte incrémentale) vont détecter les modifications dans les schémas pour importer uniquement les schémas modifiés (et réutiliser les schémas collectés non modifiés).
AVERTISSEMENT
Le pilote JDBC utilisé par ce pont d'import a une implémentation limitée pour extraire des métadonnées avancées telles que les synonymes, dépendances de vue, clés candidates, procédures stockées, etc. Dans ce cas, des requêtes plus avancées doivent être effectuées auprès des tables système propriétaires, spécifiques à chaque base de données. De plus, de telles requêtes doivent être réalisées à l'aide de pilotes natifs fournis par chaque fournisseur de base de données.
Par défaut, le pont n'importe ni les connexions des tables vers les fichiers externes, ni les commentaires des colonnes. Utilisez les options diverses du pont correspondant pour importer les connexions des tables vers les fichiers externes et les commentaires des colonnes. Cela augmente significativement le temps d'import.
FOIRE AUX QUESTIONS
Q : Après l'exécution d'un import, je vois de nouveaux fichiers créés à l'emplacement S3 spécifié. Le pont peut-il supprimer ces fichiers après l'import ?
R : Puisqu'Amazon Athena stocke automatiquement les résultats de requête et les informations de métadonnées à l'emplacement S3 spécifié, aucun mécanisme ne supprime les fichiers créés. De plus, JDBC ne supporte pas la suppression de fichiers.
LIMITATIONS
Consultez les limitations générales connues à l'adresse https://metaintegration.com/Products/MIMB/Help/#!Documents/mimbknownlimitations.html
SUPPORT
Fournissez un package de dépannage avec :
- le log de débogage (configurable dans l'interface ou dans conf/conf.properties avec MIR_LOG_LEVEL=6)
- la sauvegarde des métadonnées si disponible (configurable dans le paramètre Divers avec l'option -backup même si cette option commune n'est pas implémentée pour tous les ponts pour des raisons techniques).
Au cours de l'import, des fichiers seront créés à l'emplacement S3 spécifié dans le paramètre ci-dessous, mais les fichiers ne sont pas créés par le pont. Athena crée ces fichiers pour chaque requête exécutée à l'emplacement S3 spécifié utilisé par le pont. Consultez la documentation Amazon Athena pour plus d'informations :
https://docs.aws.amazon.com/athena/latest/ug/querying.html
Paramètres du pont
| Nom du paramètre | Description | Type | Valeurs | Défaut | Périmètre |
| Emplacement du pilote | Répertoire où se situent les fichiers des pilotes JDBC. Lorsque la valeur est vide (par défaut), le pont tente de télécharger les fichiers du pilote depuis Amazon. Le nom de la classe du pilote par défaut est 'com.simba.athena.jdbc.Driver'. Si le pilote spécifié a un nom de classe différent, spécifiez-le à l'aide de l'option -driver.className dans le paramètre Divers du pont. |
RÉPERTOIRE | |||
| AWS region | AWS couvre à présent 77 zones de disponibilités dans 24 zones géographiques du monde. Par exemple, us-east-1. | NUMERIC | Obligatoire ? | ||
| Emplacement S3 | Utilisez la notation suivante : s3://bucket-name/folder/ | Chaîne de caractères | Obligatoire ? | ||
| Identifiant de la clé d'accès | Votre ID de clé d'accès pour signer des requêtes programmatiques sur les services AWS. | Chaîne de caractères | Obligatoire ? | ||
| Clé d'accès secrète | Votre clé secrète pour signer des requêtes programmatiques sur les services AWS. | MOT DE PASSE | Obligatoire ? | ||
| Schemas | Le sous-ensemble de schémas à importer exprimé sous forme de liste de noms de schémas séparés par un point-virgule, par ex. schema1; schema2 Tous les schémas utilisateurs accessibles sont importés si cette liste est vide. Tous les schémas système (par ex. SysAdmin) et les objets sont ignorés par défaut. Si des schémas système sont nécessaires, utilisez l'option -system.objects.import du paramètre Miscellaneous (Divers). Modèles de noms de schémas utilisant les règles de syntaxe utilisées par l'opérateur LIKE en SQL : - Syntaxe d'inclusion : utilisant % ou *, par ex. A%; %B; %C%; D - commençant par A ou - finissant par B ou - contenant C ou - égal à D - Syntaxe d'exclusion : utilisant NOT, par exemple : A%; %B; NOT %SYS; NOT 'SYS%' - WHERE (name like A% or name like %B) - et (name NOT like %SYS) - et (name NOT like 'SYS%') - Caractères spéciaux : ^ $ * + ? | \ ( ) [ ] { } espace blanc entourez ce nom de crochets et échappez des caractères spéciaux, par ex. OneWord%; [Two\sWords.*]; [Dollar\$] |
REPOSITORY_SUBSET | |||
| Tables | Le sous-jeu de tables à importer sous la forme d'une liste d'objets de schémas séparés par un point-virgule, par exemple des tables, vues ou fonctions : table1; table2; view1; function1 Ce paramètre supporte également l'annotation [schema.]table point avec les caractères de remplacement * afin d'activer la spécification des groupes d'objets à importer, par ex. schema1.table1; *.table2; schema3.*; Tous les objets utilisateurs supportés par le pont sont importés si cette liste est vide. Toutes les tables système (par ex. SysAdmin) et les objets sont ignorés par défaut. Si des tables système sont nécessaires, utilisez l'option -system.objects.import du paramètre Miscellaneous (Divers). Modèles de noms de tables utilisant une syntaxe d'expression SQL LIKE : - Syntaxe d'inclusion : utilisant % ou *, par ex. A%; %B; %C%; D - commençant par A ou - finissant par B ou - contenant C ou - égal à D - Syntaxe d'exclusion : utilisant NOT, par exemple : A%; %B; NOT %SYS; NOT 'SYS%' - WHERE (name like A% or name like %B) - et (name NOT like %SYS) - et (name NOT like 'SYS%') - Caractères spéciaux : ^ $ * + ? | \ ( ) [ ] { } espace blanc entourez ce nom de crochets et échappez des caractères spéciaux, par ex. OneWord%; [Two\sWords.*]; [Dollar\$] |
Chaîne de caractères | |||
| Miscellaneous | INTRODUCTION Spécifiez les options Divers, commençant par un tiret et suivies éventuellement par des paramètres, par exemple : -connection.cast MyDatabase1="MICROSOFT SQL SERVER" Certaines options peuvent être utilisées plusieurs fois, si applicable, par exemple : -connection.rename NewConnection1=OldConnection1 -connection.rename NewConnection2=OldConnection2; La liste d'options pouvant être une longue chaîne, il est possible de la charger à partir d'un fichier qui doit être situé dans ${MODEL_BRIDGE_HOME}\data\MIMB\parameters et avoir l'extension .txt. Dans ce cas, toutes les options doivent être définies au sein de ce fichier comme seule valeur de ce paramètre, par exemple ETL/Miscellaneous.txt OPTIONS DE L'ENVIRONNEMENT JAVA -java.memory <taille maximale de la mémoire Java> (anciennement -m) 1 Go par défaut sur un JRE de 64 bits ou tel que défini dans conf/conf.properties, par exemple -java.memory 8G -java.memory 8000M -java.parameters <options de ligne de commande de Java Runtime Environment> (anciennement -j) Cette option doit être la dernière dans le paramètre Divers car tout le texte après -java.parameters est passé tel quel à la JRE. Par ex. -java.parameters -Dname=value -Xms1G L'option suivante doit être définie lorsqu'un proxy est utilisé pour accéder à Internet (cela est essentiel pour accéder à https://repo.maven.apache.org/maven2/ et exceptionnellement à quelques autres sites d'outils) afin de télécharger les bibliothèques logicielles tierces nécessaires. Note : La majorité des proxys sont relatifs au chiffrement (HTTPS) du trafic extérieur (à l'entreprise) et à la confiance en le trafic intérieur pouvant accéder au proxy via HTTP. Dans ce cas, une requête HTTPS atteint le proxy via HTTP où le proxy la chiffre en HTTPS. -java.parameters -java.parameters -Dhttp.proxyHost=127.0.0.1 -Dhttp.proxyPort=3128 -Dhttp.proxyUser=user -Dhttp.proxyPassword=pass OPTIONS D'IMPORT DU MODÈLE -model.name <nom modèle> Écrase le nom du modèle, par ex. -model.name "My Model Name" -prescript <nom script> Cette option permet d'exécuter un script avant l'exécution du pont. Le script doit se situer dans le répertoire bin (ou comme spécifié dans M_SCRIPT_PATH dans conf/conf.properties) et avoir une extension .bat ou .sh. Le chemin d'accès au script ne doit pas inclure de symbole relatif au répertoire parent (..). Le script doit retourner le code de sortie 0 pour indiquer un succès ou une autre valeur pour indiquer un échec. Par exemple : -prescript "script.bat arg1 arg2" -postscript <nom script> Cette option permet d'exécuter un script après l'exécution réussie du pont. Le script doit se situer dans le répertoire bin (ou comme spécifié dans M_SCRIPT_PATH dans conf/conf.properties) et avoir une extension .bat ou .sh. Le chemin d'accès au script ne doit pas inclure de symbole relatif au répertoire parent (..). Le script doit retourner le code de sortie 0 pour indiquer un succès ou une autre valeur pour indiquer un échec. Par exemple : -postscript "script.bat arg1 arg2" -cache.clear Vide le cache avant l'import et va exécuter un import complet avec collecte incrémentale. Si le modèle n'a pas été modifié et que le paramètre -cache.clear n'est pas utilisé (collecte incrémentale), une nouvelle version ne sera pas créée. Si le modèle n'a pas été modifié et que le paramètre -cache.clear n'est pas utilisé (collecte incrémentale), une nouvelle version ne sera pas créée. -backup <répertoire> Permet d'enregistrer les métadonnées d'entrée à des fins de débogage. Le <répertoire> fourni doit être vide. -restore <répertoire> Spécifiez le <répertoire> de sauvegarde à restaurer. OPTIONS DES CONNEXIONS DE DONNÉES Les connexions de données sont produites par les ponts d'import, généralement à partir des outils ETL/DI et BI pour faire référence aux data stores sources et cibles qu'elles utilisent. Ces connexions de données sont ensuite utilisées par les outils de gestion des métadonnées pour connecter ces dernières (connexion des métadonnées) à leurs data stores réels (par exemple, bases de données, système de fichiers, etc.) afin de produire le lignage complet de flux de données et de l'analyse d'impact de bout en bout. Le nom des connexions de données doit être unique dans chaque modèle d'import. Les noms de connexion de données utilisés dans les outils de conception DI/BI sont utilisés quand cela est possible, sinon ils sont générés en étant courts mais significatifs, comme le nom de la base de données/du schéma, le chemin d'accès au système de fichiers ou l'URI (Uniform Resource Identifier). L'option suivante vous permet de manipuler les connexions. Ces options remplacent les options héritées -c, -cd et -cs. -connection.cast ConnectionName=ConnectionType Lance une connexion à une base de données générique (par exemple ODBC/JDBC) pour un type de base de données précis (par exemple ORACLE) pour une analyse SQL, par exemple -connection.cast "My Database"="MICROSOFT SQL SERVER". La liste des types de connexions aux data stores comprend : ACCESS APACHE CASSANDRA DB2/UDB DENODO GOOGLE BIGQUERY HIVE MYSQL NETEZZA ORACLE POSTGRESQL PRESTO REDSHIFT SALESFORCE SAP HANA SNOWFLAKE MICROSOFT SQL AZURE MICROSOFT SQL SERVER SYBASE SQL SERVER SYBASE AS ENTERPRISE TERADATA VECTORWISE HP VERTICA -connection.rename OldConnection=NewConnection Renomme une connexion existante, par exemple, par ex. -connection.rename OldConnectionName=NewConnectionName Plusieurs connexions de bases de données existantes peuvent être renommées et fusionnées en une nouvelle connexion de base de données, par exemple : -connection.rename MySchema1=MyDatabase -connection.rename MySchema2=MyDatabase -connection.split oldConnection.Schema1=newConnection Scinde une connexion de base de données en une ou plusieurs connexions de base de données. Une connexion de base de données peut être scindée en une connexion par schéma, par exemple : -connection.split MyDatabase Toutes les connexions de base de données peuvent être fractionnées en une connexion par schéma, par exemple : -connection.split * Une connexion de base de données peut être explicitement fractionnée en une nouvelle connexion de base de données en ajoutant un nom de schéma à une base de données, par exemple : -connection.split MyDatabase.schema1=MySchema1 -connection.map SourcePath=DestinationPath Mappe un chemin d'accès source à un chemin d'accès de destination. Cela est utile pour les connexions aux systèmes de fichiers lorsque différents chemins d'accès pointent vers le même objet (répertoire ou fichier). Sur Hadoop, un processus peut écrire dans un fichier CSV spécifié avec le chemin d'accès complet HDFS, tandis qu'un autre processus lit d'une table Hive implémentée (externe) par le même fichier spécifié à l'aide d'un chemin d'accès relatif avec un nom et une extension de fichier par défaut, par exemple : -connection.map /user1/folder=hdfs://host:8020/users/user1/folder/file.csv Sous Linux, il peut être fait référence à un répertoire (ou à un fichier) donné tel que /data par plusieurs liens symboliques tels que /users/john et /users/paul, par exemple : -connection.map /data=/users/John -connection.map /data=/users/paul Sous Windows, il peut être fait référence à un répertoire donné tel que C:\data par plusieurs lecteurs réseau tels que M: et N:, par exemple : -connection.map C:\data=M:\ -connection.map C:\data=N:\ -connection.casesensitive ConnectionName... Écrase les règles de rapprochement insensibles à la casse par défaut pour les identifiants d'objets dans la connexion spécifiée, si le type du data store détecté supporte cette configuration (par ex. Microsoft SQL Server, MySQL etc.), par exemple : -connection.casesensitive "My Database" -connection.caseinsensitive ConnectionName... Écrase les règles de rapprochement sensibles à la casse par défaut pour les identifiants d'objets dans la connexion spécifiée, si le type du data store détecté supporte cette configuration (par ex. Microsoft SQL Server, MySQL etc.), par exemple : -connection.caseinsensitive "My Database" -connection.level AggregationLevel Spécifie le niveau d'agrégation pour les connexions externes, par exemple -connection.level catalog Liste des valeurs supportées : server (serveur) catalog (catalogue) schema (schéma)(par défaut) OPTIONS BASE DE DONNÉES JDBC -system.objects.import (précédemment -s) Importez tous les objets système (ignorés par défaut). -synonyms.ignore (précédemment -synonyms) Ignore les synonymes lors de l'import, réduisant ainsi la taille du modèle lorsque de nombreux synonymes existent. -data.dictionary.server <database identification name> (précédemment -server.name) Configure un nom de serveur pour le dictionnaire de données à utiliser pour extraire les définitions des tables et des vues. Dans une base de données de conteneur multi-tenant (Container Database, CDB), les métadonnées des définitions des tables et vues de dictionnaires de données sont stockées uniquement au niveau racine. Toutefois, chaque base de données connectable (Pluggable Database, PDB) possède son propre ensemble de tables et vues de dictionnaires de données pour les objets de base de données contenus dans la PDB. Il est possible que certaines vues dba_ ne soient pas disponibles, car non applicables. -driver.fetch.size <number of rows> (précédemment -f) Taille de récupération du pilote de la base de données en nombre de lignes. Par exemple : -driver.fetch.size 100 -model.split (précédemment -multiModel) Scinde un modèle de base de données volumineux en multi-modèles (p. ex. un schéma par modèle). Avertissement : ceci est une option du système gérée par l'application qui appelle ce pont d'import et qui ne doit pas être configurée par les utilisateurs. -driver.className Le nom complet (y compris le nom de package) de la classe Java qui implémente l'interface du pilote JDBC. OPTIONS ATHENA -location.skip Désactive les connexions des tables aux fichiers externes. -comments.import Importe le commentaire de la colonne. -location.import Importe les connexions des tables aux fichiers externes. -jdbc.properties "<déclaration propriétés>" Propriétés de connexion du pilote JDBC. Toutes les propriétés fournies seront ajoutées à la chaîne de caractères de connexion au pilote JDBC. Par ex. : -jdbc.properties "Workgroup=Test_workgroup" -jdbc.properties "Workgroup=Test_workgroup;Timeout=300" |
Chaîne de caractères |
Mapping du pont
| Meta Integration Repository (MIR) Métamodèle (se base sur le standard OMG CWM) |
"Base de données Amazon Web Services (AWS) Athena (via JDBC)" Métamodèle JDBC |
Mapping des commentaires |
| Name (Nom) | Name (Nom) | |
| Attribut | Colonne de table | |
| Comment | Commentaires sur la colonne | Si le pilote JDBC supporte |
| InitialValue | Valeur par défaut | |
| Name (Nom) | Name (Nom) | |
| Facultatif | Basé sur la propriété nullable | Pour les bases de données Access, configurez à false (faux) uniquement si l'attribut est dans un index unique |
| PhysicalName | Name (Nom) | |
| Position | Position | Si la position n'est pas fournie, l'ordre dans lequel les attributs sont récupérés est utilisé. |
| BaseType | Types | |
| DataType (TypeDeDonnées) | Data Type (Type de données) | Voir le tableau de conversion des types de données |
| Length (Longueur) | Size (Taille) | |
| Name (Nom) | Le nom est calculé à partir du type de données | |
| PhysicalName | Name (Nom) | |
| Échelle | Échelle maximale | |
| Classe | Table | de type "TABLE" |
| Comment | Commentaires sur la table | Si le pilote JDBC supporte |
| CppClassType | Configuré comme ENTITÉ | |
| CppPersistent | Configuré à Vrai | |
| Name (Nom) | Name (Nom) | |
| PhysicalName | Name (Nom) | |
| ClassDiagram | Schéma | Un diagramme de classe est créé pour chaque package et contient tous les éléments du package |
| DerivedType | Colonne | Colonne de table, colonne de procédure stockée, colonne de Vue SQL ou type |
| DataType (TypeDeDonnées) | Data Type (Type de données) | Voir le tableau de conversion des types de données |
| Length (Longueur) | Size (Taille) | |
| Name (Nom) | Le nom est calculé à partir du type de données | |
| PhysicalName | Name (Nom) | |
| Échelle | Chiffres décimaux | |
| UserDefined | True pour Type | |
| DesignPackage | Schéma | Un package est créé pour chaque schéma récupéré. S'il n'y a pas de schéma, un package par défaut est créé. |
| Name (Nom) | Name (Nom) | Configurez à "Schema (Schéma)" s'il n'y a pas de schéma ou si le schéma n'a pas de nom. |
| SQLViewAttribute | Colonne de vues | |
| Comment | Commentaires sur la colonne | Si le pilote JDBC supporte |
| Name (Nom) | Name (Nom) | |
| PhysicalName | Name (Nom) | |
| Position | Position ordinale | |
| SQLViewEntity | Table | de type "VUE" |
| Comment | Commentaires sur la table | Si le pilote JDBC supporte |
| Name (Nom) | Name (Nom) | |
| PhysicalName | Name (Nom) | |
| StoreModel | Catalogue | Le modèle est construit à l'aide des éléments contenus dans le catalogue (par ex. la base de données pour MS SQL Server) |
| Name (Nom) | Name (Nom) | Configuré à "Catalog (Catalogue)" si le catalogue n'a pas de nom. |
| Synonyme | Synonyme de Table | Si le pilote JDBC supporte |
| Name (Nom) | Nom |