步骤 5：创建数据配置文件 - Amazon Glue DataBrew
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。

步骤 5：创建数据配置文件

在处理项目时， DataBrew 会显示统计信息，例如样本中的行数和每列中唯一值的分布。这些统计数据以及更多统计数据代表了样本的概况。

要请求数据配置文件，请创建并运行配置文件作业。

分析数据集

  1. 在导航窗格中，选择任务。

  2. 在 “配置任务” 选项卡上，选择 “创建作业”。

  3. 在 Job 名称中，输入chess-data-profile。

  4. 对于作业类型，选择创建配置文件Job。

  5. 在 Job 输入数据，执行以下操作：

    • 对于 “运行”，选择 “数据集”。

    • 选择 “选择数据集” 以查看可用数据集的列表，然后选择chess-games。

  6. 在 Job 输出设置，执行以下操作：

    • 对于文件类型，选择 JSON（JavaScript 对象表示法）。

    • 选择 S3 位置以查看可用 Amazon S3 存储桶的列表，然后选择要使用的存储桶。然后选择 “浏览”。在文件夹列表中，选择databrew-output，然后选择 “选择”。

  7. 在访问权限窗格上，选择AwsGlueDataBrewDataAccessRole。这是一个服务相关角色，允许您 DataBrew 访问 Amazon S3 存储桶。

  8. 选择创建并运行作业。 DataBrew 使用您的设置创建任务，然后运行该作业。

  9. 在 “Job 运行历史记录” 窗格上，等待作业状态从更改Running为Succeeded。

  10. 要查看配置文件，请选择 “查看个人资料”：

    将显示 “数据集” 窗口。花点时间浏览以下选项卡：

    • 数据集预览

    • 配置文件概述

    • 列统计数据

    • 数据谱系统计