O AWS Glue é um serviço de extração, transformação e carga (ETL) gerenciado que facilita a preparação e a carga de dados para análises pelos clientes. Você pode criar e executar uma tarefa de ETL com apenas alguns cliques no Console de Gerenciamento da AWS. Basta indicar ao AWS Glue os dados armazenados na AWS que ele os descobre e armazena os metadados associados (ex.: definição e esquema de tabela) no AWS Glue Data Catalog. Uma vez catalogados, os dados são disponibilizados imediatamente para pesquisas, consultas e ETL.
Benefícios
Menos incômodo
O AWS Glue é integrado com uma grande variedade de serviços da AWS, o que significa uma maior facilidade para começar a usar o serviço. O AWS Glue oferece suporte nativo a dados armazenados no Amazon Aurora e em todos os outros mecanismos do Amazon RDS, no Amazon Redshift e no Amazon S3, bem como em mecanismos comuns de bancos de dados e bancos de dados na Virtual Private Cloud (Amazon VPC) executados no Amazon EC2.
Econômico
O AWS Glue não tem servidor. Não é necessário provisionar ou gerenciar a infraestrutura. O AWS Glue administra o provisionamento, a configuração e a escalabilidade dos recursos exigidos para executar tarefas de ETL em um ambiente Apache Spark gerenciado com aumento de escala horizontal. Você paga apenas pelos recursos usados durante a execução dos seus trabalhos.
Mais poderoso
O AWS Glue automatiza grande parte dos esforços de criação, manutenção e execução de tarefas de ETL. O AWS Glue executa o crawling de suas fontes de dados, identifica os formatos de dados e sugere esquemas e transformações. O AWS Glue gera automaticamente o código para executar transformações e processos de carregamento de dados.
Como funciona
Selecione uma fonte e um destino de dados. O AWS Glue gerará código ETL em Scala ou Python para extrair dados da fonte, transformar os dados para que correspondam ao esquema de destino e carregá-los no destino. É possível editar, depurar e testar esse código por meio do console, do seu IDE favorito ou em qualquer notebook.
Primeiro, use o Console de Gerenciamento da AWS para registrar fontes de dados. O AWS Glue executará o crawling de fontes de dados e construirá um catálogo de dados usando classificadores predefinidos para diversos formatos de fontes e tipos de dados conhecidos, como JSON, CSV e Parquet, entre outros.
Em seguida, selecione uma fonte e um destino de dados. O AWS Glue gerará código ETL em Scala ou Python para extrair dados da fonte, transformar os dados para que correspondam ao esquema de destino e carregá-los no destino. É possível editar, depurar e testar esse código por meio do console, do seu IDE favorito ou em qualquer notebook.
O AWS Glue facilita programar tarefas de ETL recorrentes, encadear várias tarefas em conjunto ou invocar tarefas sob demanda de outros serviços, como o AWS Lambda. O AWS Glue gerencia as dependências entre as tarefas, escala automaticamente recursos subjacentes e tenta executar novamente as tarefas, no caso de falha.
Acesse a página de recursos do AWS Glue ou consulte a documentação do produto para saber mais.
Casos de uso
Fazer consultas em um data lake do Amazon S3
Data lakes são uma maneira cada vez mais conhecida de armazenar e analisar dados estruturados e não estruturados. Se você quiser criar seu próprio data lake personalizado do Amazon S3, o AWS Glue poderá disponibilizar todos os seus dados imediatamente para análise sem que seja necessário migrá-los.
Para criar um data lake seguro em poucos dias, saiba mais sobre AWS Lake Formation.
Analisar dados de log no data warehouse
Prepare o clickstream ou processe dados de log para análises limpando, normalizando e enriquecendo o conjuntos de dados usando o AWS Glue. O AWS Glue gera o esquema para dados semiestruturados, cria o código ETL para transformar, mesclar e enriquecer dados, assim como carrega o data warehouse repetidamente.
Visualização unificada de dados em vários datastores
É possível usar o AWS Glue Data Catalog para descobrir e fazer pesquisas rapidamente em vários conjuntos de dados da AWS sem a necessidade de migrar os dados. Quando os dados forem catalogados, eles serão disponibilizados imediatamente para pesquisa e consulta usando o Amazon Athena, o Amazon EMR e o Amazon Redshift Spectrum.
Pipelines ETL controlados por eventos
O AWS Glue pode executar tarefas do ETL baseadas em um evento, como a obtenção de um novo conjunto de dados. Por exemplo, você pode usar uma função do AWS Lambda para acionar tarefas de ETL para que sejam executadas assim que novos dados forem disponibilizados no Amazon S3. Também é possível registrar esse novo conjunto de dados no Catálogo de dados do AWS Glue como parte das tarefas de ETL.
Obtenha acesso instantâneo ao nível gratuito da AWS.
Comece a criar com o AWS Glue no Console de Gerenciamento da AWS.
