Amazon Athena Vertica 连接器 - Amazon Athena
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅 中国的 Amazon Web Services 服务入门 (PDF)

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

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。

先决条件

限制

  • 由于 Athena Vertica 连接器使用 Amazon S3 Select 从 Amazon S3 读取 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《Amazon Lambda 开发人员指南》中的 Lambda 配额

工作流程

以下图表显示了使用 Vertica 连接器运行查询的工作流程。


                Amazon Athena 的 Vertica 查询的工作流程
  1. 针对 Vertica 中的一个或多个表发出 SQL 查询。

  2. 连接器解析 SQL 查询,以通过 JDBC 连接将相关部分发送到 Vertica。

  3. 连接字符串使用存储在 Amazon Secrets Manager 中的用户名和密码,以获得 Vertica 的访问权限。

  4. 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://bucket_name/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;
  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。

  6. Athena 扫描 Amazon S3 存储桶,以确定要为结果集读取的文件数。

  7. Athena 对 Lambda 函数进行多次调用,并使用 Amazon S3 Select 从结果集中读取 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。

  8. 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 Amazon 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 sg1sg2sg3)。

  • 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 subnet1subnet2)。

  • 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 Amazon 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。

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
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 Amazon 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 Amazon Secrets Manager 的信息,请参阅《Amazon Secrets Manager 用户指南》中的将硬编码密钥移至 Amazon Secrets Manager

  • Amazon Secrets Manager - 要将 Athena 联合查询功能与 Amazon 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 Amazon 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 usernamepassword 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 Amazon 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}

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。

jdbc:vertica://host_name:port/database?user=sample-user&password=sample-password

目前,Vertica 连接器可以识别 vertica-usernamevertica-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
Float
Double
日期
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。

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 文件中找到),并同意 GitHub.com 上的 LICENSE.txt 文件中提供的相应第三方许可证中的条款。

另请参阅

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 文件。

有关此连接器的更多信息,请参阅 GitHub.com 上的相应站点,以及Amazon 大数据博客中的文章“使用 Athena 联合查询 SDK 在 Amazon Athena 中查询 Vertica 数据来源”。