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)。

Amazon Athena DocumentDB 连接器

Amazon Athena DocumentDB 连接器使 Athena 可以与您的 DocumentDB 实例通信，以便您可以使用 SQL 查询 DocumentDB 数据。该连接器还可与任何与 MongoDB 兼容的终端节点配合使用。

与传统的关系数据存储不同，Amazon DocumentDB 集合没有集架构。DocumentDB 没有元数据存储。DocumentDB 集合中的每个条目均可具有不同字段和数据类型。

DocumentDB 连接器支持两种生成表架构信息的机制：基本架构推理和 Amazon Glue Data Catalog 元数据。

默认设置为架构推理。此选项将扫描您的集合中的少量文档，形成所有字段的并集，并强制使用非重叠数据类型的字段。此选项适用于条目大多为统一的集合。

对于具有更多数据类型的集合，该连接器支持从 Amazon Glue Data Catalog 检索元数据。如果该连接器发现与您的 DocumentDB 数据库和集合名称相匹配的 Amazon Glue 数据库和表，它将从相应的 Amazon Glue 表中获取其架构信息。在您创建 Amazon Glue 表时，我们建议您将其设置为您可能想从 DocumentDB 集合访问的所有字段的超集。

如果您在账户中启用了 Lake Formation，则您在 Amazon Serverless Application Repository 中部署的 Athena 联合身份 Lambda 连接器的 IAM 角色必须在 Lake Formation 中具有 Amazon Glue Data Catalog 的读取权限。

先决条件

参数

使用本节中的 Lambda 环境变量来配置 DocumentDB 连接器。

指定连接字符串

您可以提供一个或多个属性，用于定义与该连接器配合使用的 DocumentDB 实例的 DocumentDB 连接详细信息。为此，请设置一个与您要在 Athena 中使用的目录名称相对应的 Lambda 环境变量。例如，假设您要使用以下查询来查询 Athena 中的两个不同 DocumentDB 实例：

SELECT * FROM "docdb_instance_1".database.table

SELECT * FROM "docdb_instance_2".database.table

您必须向 Lambda 函数中添加以下两个环境变量，然后才能使用这两个 SQL 语句：docdb_instance_1 和 docdb_instance_2。每个环境变量的值均应为以下格式的 DocumentDB 连接字符串：

mongodb://:@:/?ssl=true&ssl_ca_certs=rds-combined-ca-bundle.pem&replicaSet=rs0      

使用密钥

您可以选择将 Amazon Secrets Manager 用于您的连接字符串详细信息的部分值或全部值。要将 Athena 联合查询功能与 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。

如果您使用语法 ${my_secret} 将来自 Secrets Manager 的密钥的名称放入连接字符串，该连接器会将 ${my_secret} 替换为来自 Secrets Manager 的纯文本值。密钥应存储为具有值 <username>:<password> 的纯文本密钥。存储为 {username:<username>,password:<password>} 的密钥将无法正确传递到连接字符串。

密钥也可以完全用于整个连接字符串，并且可以在密钥中定义用户名和密码。

例如，假设您将 docdb_instance_1 的 Lambda 环境变量设置为以下值：

mongodb://${docdb_instance_1_creds}@myhostname.com:123/?ssl=true&ssl_ca_certs=rds-combined-ca-bundle.pem&replicaSet=rs0         

Athena 查询联合软件开发工具包 (SDK) 将自动尝试从 Secrets Manager 检索名为的密钥 docdb_instance_1_creds 的密钥，然后注入该值来替换 ${docdb_instance_1_creds}。${ } 字符组合所包含的该连接字符串的任何部分将被解释为来自 Secrets Manager 的密钥。如果您指定了该连接器在 Secrets Manager 中无法找到的密钥名称，则该连接器不会替换该文本。

在 Amazon Glue 中设置数据库和表

由于该连接器的内置架构推理功能扫描有限数量的文档，并且仅支持一部分数据类型，因此您可能需要改为将 Amazon Glue 用于元数据。

要使 Amazon Glue 表可与 Amazon DocumentDB 配合使用，您必须拥有 Amazon Glue 数据库和表，适用于您要为其提供补充元数据的 DocumentDB 数据库和集合。

数据类型支持

本节列出了 DocumentDB 连接器用于架构推断的数据类型，以及使用 Amazon Glue 元数据时的数据类型。

架构推理数据类型

DocumentDB 连接器的架构推断功能会尝试将值推断为属于以下数据类型之一。该表显示了适用于 Amazon DocumentDB、Java 和 Apache Arrow 的相应数据类型。

Amazon Glue 数据类型

如果将 Amazon Glue 用于补充元数据，则可配置以下数据类型。该表显示了适用于 Amazon Glue 和 Apache Arrow 的相应数据类型。

所需权限

有关此连接器所需 IAM policy 的完整详细信息，请查看 athena-docdb.yaml 文件的 Policies 部分。以下列表汇总了所需的权限。

Performance

Athena Amazon DocumentDB 连接器当前不支持并行扫描，但会尝试下推谓词作为其 DocumentDB 查询的组成部分，并且针对 DocumentDB 集合索引的谓词将显著减少扫描的数据。

Lambda 函数执行投影下推，以减少查询扫描的数据。但是，选择列的子集有时会导致更长的查询执行运行时。LIMIT 子句可减少扫描的数据量，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。

传递查询

Athena Amazon DocumentDB 连接器支持传递查询，并且以 NoSQL 为基础。有关查询 Amazon DocumentDB 的信息，请参阅《Amazon DocumentDB Developer Guide》中的 Querying。

要在 Amazon DocumentDB 中执行传递查询，请使用以下语法：

SELECT * FROM TABLE(
        system.query(
            database => 'database_name',
            collection => 'collection_name',
            filter => '{query_syntax}'
        ))

以下示例对 TPCDS 集合中的 example 数据库进行了查询，筛选出书名为《Bill of Rights》的所有书籍。

SELECT * FROM TABLE(
        system.query(
            database => 'example',
            collection => 'tpcds',
            filter => '{title: "Bill of Rights"}'
        ))

另请参阅