Общие вопросы

Вопрос: Что такое AWS Glue?

AWS Glue – полностью управляемый сервис с оплатой по факту использования, позволяющий выполнять извлечение, преобразование и загрузку данных (ETL), а также автоматизировать трудоемкие этапы процесса подготовки данных к анализу. AWS Glue автоматически определяет и профилирует данные с помощью каталога данных Glue, рекомендует и генерирует код ETL для преобразования исходных данных в целевые схемы и запускает ETL‑задания в полностью управляемой масштабируемой среде Apache Spark для загрузки данных в место назначения. Сервис также позволяет осуществлять настройку, оркестрацию и мониторинг комплексных потоков данных.

Вопрос: Как начать работу с AWS Glue?

Чтобы начать использовать AWS Glue, просто войдите в Консоль управления AWS и перейдите в раздел «Glue», который расположен в категории «Аналитика». Можно воспользоваться одним из наших пошаговых учебных пособий, в котором рассмотрен пример использования сервиса AWS Glue. Образцы кода ETL также можно найти в репозитории GitHub (раздел «AWS Labs»).

Вопрос: Каковы главные компоненты сервиса AWS Glue?

AWS Glue включает в себя каталог данных, который является центральным репозиторием метаданных, программное ядро ETL, способное автоматически генерировать код на Scala или Python, и гибкий планировщик, отвечающий за разрешение зависимостей, мониторинг заданий и их повторный запуск. Вместе эти возможности позволяют автоматизировать большую часть трудоемких однообразных задач, связанных с обеспечением работоспособности, включая обнаружение, классификацию, очистку, дополнение и перемещение данных, что позволяет уделять больше времени их анализу.

Вопрос: В каких случаях стоит использовать AWS Glue?

AWS Glue следует использовать для обнаружения характеристик данных, для преобразования данных и их подготовки к анализу. Glue может автоматически обнаруживать структурированные и слабоструктурированные данные, сохраненные в озере данных в Amazon S3, хранилище данных в Amazon Redshift и различных базах данных на платформе AWS. Сервис предлагает унифицированное представление данных с помощью каталога данных Glue, доступного для ETL‑операций, опросов и составления отчетов в таких сервисах, как Amazon Athena, Amazon EMR и Amazon Redshift Spectrum. Glue автоматически генерирует код на Scala или Python для ETL‑заданий, и этот программный код можно редактировать с помощью привычных инструментов. AWS Glue – бессерверное решение, не требующее настройки вычислительных ресурсов и управления ими.

Вопрос: Какие источники данных поддерживает AWS Glue?

AWS Glue обеспечивает встроенную поддержку данных, хранящихся в Amazon Aurora, Amazon RDS для MySQL, Amazon RDS для Oracle, Amazon RDS для PostgreSQL, Amazon RDS для SQL Server, Amazon Redshift и Amazon S3, а также в базах данных MySQL, Oracle, Microsoft SQL Server и PostgreSQL в облаке Amazon Virtual Private Cloud (Amazon VPC), работающем на Amazon EC2. К метаданным, сохраненным в каталоге данных AWS Glue, можно получить доступ из сервисов Amazon Athena, Amazon EMR и Amazon Redshift Spectrum. Кроме того, можно написать специальный код на Scala или Python и импортировать собственные библиотеки и файлы Jar в ETL‑задания Glue, чтобы получить доступ к источникам данных, не имеющим встроенной поддержки в сервисе AWS Glue. Дополнительную информацию об импорте собственных библиотек см. в документации.

Вопрос: Как сервис AWS Glue связан с сервисом AWS Lake Formation?

Ответ. Сервисы Lake Formation и AWS Glue используют общую инфраструктуру, в том числе элементы управления консоли, функции создания кода ETL и мониторинга заданий, общий каталог данных и бессерверную архитектуру. Сервис AWS Glue ориентирован на эти функции, а сервис Lake Formation включает все функции сервиса AWS Glue и предоставляет дополнительные возможности, упрощающие создание и защиту озера данных, а также управление им. Дополнительные сведения см. на страницах о сервисе AWS Lake Formation.

Каталог данных AWS Glue

Вопрос: Что такое каталог данных AWS Glue?

Каталог данных AWS Glue – центральный репозиторий, предназначенный для хранения структурных и операционных метаданных всех наборов данных. Для определенного набора данных можно сохранять определения таблиц и физическое местоположение, добавлять релевантные бизнес‑атрибуты, а также отслеживать изменения данных с течением времени.

Каталог данных AWS Glue совместим с Apache Hive Metastore и является готовой заменой для приложений Apache Hive Metastore для больших данных, работающих в сервисе Amazon EMR. Дополнительную информацию о настройке кластера EMR для использования каталога данных AWS Glue в качестве Apache Hive Metastore см. здесь.

Каталог данных AWS Glue также обеспечивает встроенную интеграцию с сервисами Amazon Athena, Amazon EMR и Amazon Redshift Spectrum. Определения таблиц, добавленные в каталог данных Glue, сразу становятся доступными для ETL‑операций и запросов из сервисов Amazon Athena, Amazon EMR и Amazon Redshift Spectrum, что позволяет достичь унифицированного представления данных в этих сервисах.

Вопрос: Как добавить метаданные в каталог данных AWS Glue?

AWS Glue предлагает несколько способов отправки метаданных в каталог данных AWS Glue. Сканеры Glue исследуют различные хранилища данных для автоматического обнаружения схем, структуры разделов и наполнения каталога данных Glue соответствующими определениями таблиц и статистикой. Сканеры можно запускать по расписанию, чтобы метаданные всегда были актуальными и соответствовали реальным данным. Кроме того, сведения о таблицах можно добавлять и обновлять вручную с помощью консоли AWS Glue или через вызов API. Можно также исполнять операторы DDL Hive через консоль Amazon Athena или клиент Hive в кластере Amazon EMR. Наконец, если у вас есть постоянное хранилище Apache Hive Metastore, можно выполнить групповой импорт метаданных в каталог данных AWS Glue с помощью нашего скрипта импорта.

Вопрос: Что представляют собой сканеры AWS Glue?

Сканер AWS Glue подключается к хранилищу данных, перемещается по приоритезированному списку классификаторов, чтобы определить схему и другие статистические данные, а затем сохраняет полученные метаданные в каталоге данных Glue. Сканеры можно запускать периодически, чтобы определять появление новых данных или изменения в существующих данных, включая изменения в определениях таблиц. Сканеры AWS Glue добавляют новые таблицы, новые разделы к существующим таблицам и новые версии определений таблиц. Сканеры Glue можно настраивать так, чтобы они обрабатывали пользовательские типы файлов.

Вопрос: Как импортировать данные из существующего хранилища Apache Hive Metastore в каталог данных AWS Glue?

Нужно просто запустить ETL‑задание, которое считает данные из Apache Hive Metastore, экспортирует их в промежуточном формате в Amazon S3, а затем импортирует в каталог данных AWS Glue.

Вопрос: Нужно ли поддерживать работу с Apache Hive Metastore, если метаданные хранятся в каталоге данных AWS Glue?

Нет. Каталог данных AWS Glue совместим с Apache Hive Metastore. Можно указать адрес сервера для каталога данных Glue и использовать его в качестве замены для Apache Hive Metastore. Дополнительную информацию о настройке кластера на работу с каталогом данных AWS Glue в качестве хранилища Apache Hive Metastore см. в документации по ссылке.

Вопрос: Как начать работу с каталогом данных AWS Glue в качестве общего репозитория метаданных, если я работаю с сервисом Amazon Athena или Amazon Redshift Spectrum и таблицы размещены во внутреннем каталоге данных Amazon Athena?

Перед началом работы с каталогом данных AWS Glue в качестве общего репозитория метаданных для сервисов Amazon Athena, Amazon Redshift Spectrum и AWS Glue необходимо преобразовать каталог данных Amazon Athena в каталог данных AWS Glue. Процесс такого преобразования описан по ссылке.

Извлечение, преобразование и загрузка данных (ETL)

Вопрос: Какой язык программирования можно использовать для написания кода ETL для AWS Glue?

Можно использовать Scala или Python.

Вопрос: Как можно настроить код ETL, генерируемый сервисом AWS Glue?

Система рекомендаций ETL‑скриптов AWS Glue генерирует код Scala или Python. Она использует специальную ETL‑библиотеку сервиса Glue, которая позволяет упростить доступ к источникам данных, а также управлять выполнением заданий. Дополнительные сведения о библиотеке см. в документации. Пользователи могут писать код ETL с помощью специальной библиотеки AWS Glue или создавать произвольный код на Scala или Python с помощью встроенного редактора скриптов в консоли AWS Glue, а также загружать автоматически сгенерированный код и редактировать его в своей IDE. Кроме того, можно загрузить один из множества примеров, размещенных в репозитории Github, и настроить этот код.

Вопрос: Можно ли импортировать в составе ETL‑скрипта пользовательские библиотеки?

Да. Можно импортировать собственные библиотеки Python и файлы Jar в свое ETL‑задание AWS Glue. Дополнительную информацию см. в документации по ссылке.

Вопрос: Можно ли использовать собственный код?

Да. Можно написать код самостоятельно с помощью ETL‑библиотеки AWS Glue или создать код на Scala или Python и загрузить его в ETL‑задание Glue. Дополнительную информацию см. в документации по ссылке.

Вопрос: Как разрабатывать код ETL в собственной IDE?

При создании кода можно подключаться к адресам разработки, предлагающим различные варианты для подключения текстовых редакторов и сред разработки.

Вопрос: Как построить комплексный рабочий процесс ETL с помощью нескольких заданий в AWS Glue?

Помимо ETL‑библиотеки и генерации кода, сервис AWS Glue предлагает надежный набор функций оркестрации, позволяющий управлять зависимостями между несколькими заданиями при построении комплексных рабочих процессов ETL. ETL‑задания AWS Glue можно инициировать по расписанию или по событию завершения задания. Можно инициировать несколько задач параллельно или выполнять их последовательно по событию завершения задания. Дополнительно можно инициировать одно или несколько заданий Glue из внешнего источника, например с помощью функции AWS Lambda.

Вопрос: Как AWS Glue осуществляет мониторинг зависимостей?

AWS Glue управляет зависимостями между несколькими заданиями или зависимостями по внешним событиям с помощью триггеров. Триггеры могут контролировать одно или несколько заданий, а также вызывать одно или несколько заданий. Можно разместить триггер, работающий по расписанию и периодически вызывающий задания, триггер, работающий по запросу, или триггер, работающий по завершению задания.

Вопрос: Как AWS Glue обрабатывает ошибки?

AWS Glue отслеживает метрики событий и ошибки задания и отправляет уведомления в Amazon CloudWatch. С помощью Amazon CloudWatch настраивается перечень действий, которые можно инициировать на основании определенных уведомлений, полученных из AWS Glue. Например, при получении уведомления об ошибке или успешном завершении из сервиса Glue можно настроить запуск функции AWS Lambda. Glue также обеспечивает повторное выполнение по умолчанию: при возникновении сбоя выполняется еще три попытки, после чего сервис отправляет уведомление об ошибке.

Вопрос: Можно ли исполнять существующие ETL‑задания в AWS Glue?

Да. AWS Glue позволяет исполнять существующий код на Scala или Python. Просто загрузите код в Amazon S3 и создайте одно или несколько заданий, использующих этот код. Один и тот же код можно использовать в нескольких заданиях, указав в них местонахождение кода в Amazon S3.

Вопрос: Как использовать сервис AWS Glue для выполнения ETL‑операций над потоковыми данными?

ETL‑операции сервиса AWS Glue оптимизированы для работы с пакетами, ETL‑задания допускают планирование с минимальным интервалом в 5 минут. И хотя сервис способен обрабатывать микропакеты, он не предназначен для работы с потоковыми данными. Если в примере использования необходимо выполнять ETL‑операции с данными в процессе потоковой передачи, можно выполнить первый этап ETL с помощью сервисов Amazon Kinesis Data Firehose или Amazon Kinesis Data Analytics, затем сохранить данные в Amazon S3 или Amazon Redshift и инициировать ETL‑задание Glue на прием этого набора данных и выполнение дополнительных преобразований.

Вопрос: Обязательно ли при работе с сервисом использовать и каталог данных AWS Glue, и ETL?

Нет. Мы считаем, что каталог данных AWS Glue и ETL вместе образуют комплексное ETL‑решение, но каждую из этих возможностей можно использовать и отдельно.

Очистка и дедупликация данных

Вопрос: Какие задачи решает ML‑преобразование FindMatches?

Возможность FindMatches, как правило, решает задачи по связыванию записей и дедупликации данных. Дедупликацию требуется проводить для выявления в базе данных записей, которые совпадают по своему содержанию, но при этом внесены как отдельные записи. Такая задача тривиальна, если записи можно выявить по уникальному ключу (например, изделия с индивидуальным универсальным товарным кодом), но становится значительно труднее, когда нужно найти «нечеткие совпадения».

Связывание записей по сути представляет собой ту же задачу, что и дедупликация, но обычно подразумевает не дедупликацию в одной базе данных, а необходимость объединить «нечеткие совпадения» в двух базах данных, в которых нет одинаковых уникальных ключей. В качестве примера можно привести задачу поиска совпадений между крупной базой данных клиентов и небольшой базой данных известных мошенников. С помощью FindMatches можно провести и связывание записей, и дедупликацию.

К примеру, ML‑преобразование FindMatches в AWS Glue поможет справиться со следующими задачами.

Связывание записей о пациентах между больницами, чтобы предоставить врачам больше информации и помочь им в лечении. FindMatches можно использовать на двух отдельных базах данных, обе из которых содержат общие поля, такие как имя, дата рождения, домашний адрес, телефон и т. д.

Дедупликация базы данных по фильмам, содержащей такие столбцы, как «название», «краткое содержание», «год выхода», «продолжительность» и «в ролях». Например, один и тот же фильм может быть указан в различных записях как «Звездные войны», «Звездные войны: Новая надежда» и «Звездные войны: Эпизод IV – Новая надежда (специальное издание)».

Автоматическое группирование всех похожих продуктов в онлайн‑магазине за счет выявления одинаковых позиций в каталоге одежды, где изделия считаются одинаковыми, если у них совпадает все, кроме размера и цвета. Поэтому записи «Синие джинсы Levi 501, размер 34x34» и «Джинсы Levi 501 – черные, размер 32x31» считаются аналогичными.

Вопрос: Как AWS Glue проводит дедупликацию данных?

ML‑преобразование FindMatches в AWS Glue позволяет с легкостью находить и связывать записи, относящиеся к одному объекту, но не имеющие надежного идентификатора. До появления FindMatches разработчики обычно решали задачи на соответствие данных детерминистическими методами, задавая огромное количество правил вручную. FindMatches использует алгоритмы машинного обучения, чтобы научиться сопоставлять записи по бизнес‑критериям каждого конкретного разработчика. Сначала FindMatches находит записи, которые клиенту необходимо отметить как совпадающие или не совпадающие, а затем создает преобразование на основе машинного обучения. После этого клиенты могут применить такое преобразование к своей базе данных, чтобы найти совпадающие записи, или запросить у FindMatches дополнительные записи для отметки, чтобы повысить точность ML‑преобразования.

Вопрос: Что такое ML‑преобразования?

ML‑преобразования представляют целевые объекты для создания и управления преобразованиями на основе машинного обучения. После создания и обучения ML‑преобразований их можно выполнять в стандартных скриптах AWS Glue. Клиенты выбирают конкретный алгоритм (например, ML‑преобразование FindMatches), наборы входных данных, примеры для обучения и параметры настройки, нужные для данного алгоритма. AWS Glue строит на основе этих данных ML‑преобразование, которое можно включить в обычные рабочие процессы с заданиями ETL.

Вопрос: Как работают ML‑преобразования?

AWS Glue включает специализированные алгоритмы преобразования данных на основе машинного обучения, с помощью которых пользователи могут создавать собственные ML‑преобразования. Сюда входят дедупликация записей и поиск соответствий.

Чтобы начать работу и создать первую модель ML‑преобразования, нужно перейти во вкладку «ML Transforms» (ML‑преобразования) в консоли, воспользоваться адресами сервиса ML‑преобразований или получить доступ к обучению ML‑преобразований через интерфейс командной строки. Вкладка «ML Transforms» предоставляет удобный интерфейс для управления пользовательскими преобразованиями. Требования к ML‑преобразования отличаются от требований к другим преобразованиям, включая необходимость отдельного обучения, отлаживания параметров и выполнения рабочих процессов, необходимость оценивать показатели качества созданных преобразований и необходимость поиска и сбора дополнительных контрольных данных для обучения.

Чтобы создать ML‑преобразование через консоль, сперва необходимо выбрать тип преобразования (например, дедупликацию записей или поиск совпадений) и предоставить требуемые источники данных, найденные до этого в каталоге данных. В зависимости от типа преобразования может потребоваться указать контрольные данные для обучения или дополнительные параметры. Для каждого преобразования можно просматривать состояние заданий по обучению и показатели качества. (Отчет по метрикам качества формируется по контрольной выборке, предоставленной пользователем.)

Когда показатели достигнут желаемого уровня, модели ML‑преобразований можно переключить на использование в рабочих процессах. После этого ML‑преобразования можно использовать в рабочих процессах ETL как в автоматически сгенерированном сервисом коде, так и в заданных пользователем скриптах, назначенным в других заданиях, также как готовые преобразования, предлагаемые в библиотеках AWS Glue.

Вопрос: Можно ли посмотреть какую‑нибудь презентацию по использованию AWS Glue (и AWS Lake Formation) для поиска совпадений и дедупликации записей?

Ответ: Да, полную запись вебинара AWS Tech Talk, «Fuzzy Matching and Deduplicating Data with ML Transforms for AWS Lake Formation» можно найти тут.

Возможности интеграции продуктов AWS

Вопрос: В каких случаях стоит использовать AWS Glue, а в каких AWS Data Pipeline?

AWS Glue предлагает управляемый ETL‑сервис, работающий в бессерверной среде Apache Spark. Это позволяет сосредоточиться на разработке ETL‑заданий и избавиться от необходимости конфигурирования и управления базовыми вычислительными ресурсами. Сервис AWS Glue использует подход, заключающийся в первостепенной значимости данных, и позволяет сосредоточиться на свойствах данных и операциях их преобразования с целью извлечения важной бизнес‑информации. Он предлагает интегрированный каталог данных, благодаря которому метаданные становятся доступны для ETL‑операций, а также выполнения запросов сервисами Amazon Athena и Amazon Redshift Spectrum.

Сервис AWS Data Pipeline предлагает управляемый сервис оркестрации, обеспечивающий повышенную гибкость в вопросах среды исполнения, а также доступа и контроля над вычислительными ресурсами, исполняющими код, а также самим кодом, отвечающим за обработку данных. AWS Data Pipeline запускает вычислительные ресурсы в аккаунте пользователя, обеспечивая прямой доступ к инстансам Amazon EC2 или кластерам Amazon EMR.

Более того, ETL‑задания AWS Glue работают на базе Scala или Python. Если требуется использовать программное ядро, отличное от Apache Spark, или если нужно исполнять разноплановый набор заданий, работающих на различных платформах, например Hive, Pig, и т. п., в таких случаях следует предпочесть сервис AWS Data Pipeline.

Вопрос: В каких случаях стоит использовать AWS Glue, а в каких Amazon EMR?

Сервис AWS Glue работает на базе среды Apache Spark и предлагает масштабируемую среду исполнения заданий по преобразованию данных. AWS Glue формирует и оптимизирует ELT‑задания и осуществляет мониторинг их выполнения, что позволяет значительно упростить процесс их создания и эксплуатации. Сервис Amazon EMR предоставляет прямой доступ к среде Hadoop, благодаря чему можно воспользоваться низкоуровневым доступом и повышенной гибкостью в работе с инструментами, отличными от Spark.

Вопрос: Когда лучше использовать AWS Glue, а когда – AWS Database Migration Service?

AWS Database Migration Services (DMS) позволяет быстро и безопасно выполнить миграцию баз данных на платформу AWS. Если в сценарии использования требуется миграция баз данных с локальных ресурсов в AWS или репликация баз данных между локальными источниками и источниками в AWS, в таком случае рекомендуется использовать сервис AWS DMS. Когда данные попадут в AWS, сервис AWS Glue можно использовать для перемещения и преобразования данных из источника в другую базу данных или хранилище данных, например в Amazon Redshift.

Вопрос: Когда лучше использовать AWS Glue, а когда – AWS Batch?

Сервис AWS Batch позволяет легко и эффективно исполнять любые пакетные вычисления в AWS, независимо от их сущности. AWS Batch создает вычислительные ресурсы в аккаунте AWS и управляет ими, обеспечивая наглядное представление и полный контроль над используемыми ресурсами. AWS Glue – это полностью управляемый ETL‑сервис, позволяющий исполнять ETL‑задания в бессерверной среде Apache Spark. Если в сценарии использования участвуют ETL‑операции, рекомендуется использовать сервис AWS Glue. В прочих примерах использования, оптимизированных под пакетную обработку, в том числе для проведения некоторых ETL‑операций, возможно, лучше будет использовать AWS Batch.

Вопрос: Когда лучше использовать AWS Glue, а когда – Amazon Kinesis Data Analytics?

Amazon Kinesis Data Analytics позволяет исполнять стандартные SQL‑запросы к входящему потоку данных. Для записи результатов можно указать место назначения, например сервис Amazon S3. Когда данные появятся в целевом источнике, можно запустить ETL‑задание AWS Glue для дальнейшего преобразования данных и подготовки их к дополнительному анализу и составлению отчетности.

Цены и оплата

Вопрос: Как оплачивается использование AWS Glue?

За хранение метаданных в каталоге AWS Glue и доступ к ним сверх уровня бесплатного пользования каталогом данных AWS Glue начисляется ежемесячная плата по фиксированным тарифам. Кроме того, на основе почасового тарифа начисляется посекундная плата за время исполнения ETL‑заданий и работу сканера. Минимальная продолжительность исполнения задания / работы сканера – 10 минут. Если вы решите использовать адрес сервера для интерактивной разработки кода ETL, дополнительно на основе почасового тарифа будет начисляться посекундная плата за время выделения конечной точки разработки. Минимальная продолжительность – 10 минут. Дополнительную информацию см. на странице цен.

Вопрос: Когда начинается и когда заканчивается начисление платы за задания AWS Glue?

Плата начинает начисляться в момент, когда задание запланировано на исполнение, и начисляется до тех пор, пока задание не завершится полностью. При использовании AWS Glue оплачивается только время исполнения задания, а не задействованные ресурсы среды или период завершения работы.

Безопасность и доступность

Вопрос: Как Amazon Glue обеспечивает безопасность данных?

Мы предлагаем шифрование данных при хранении на стороне сервера и используем SSL для передачи данных.

Вопрос: Какие лимиты действуют для сервиса AWS Glue?

Подробную информацию о лимитах сервиса см. в документации.

Вопрос: В каких регионах доступен сервис AWS Glue?

Дополнительные сведения о доступности сервиса AWS Glue по регионам см. в таблице регионов AWS.

Вопрос: Сколько блоков обработки данных (DPU) выделяется адресу разработки?

По умолчанию адресу разработки выделяется 5 DPU. Адрес разработки можно настроить на использование от 2 до 5 DPU.

Вопрос: Как масштабируется размер и производительность ETL‑заданий в AWS Glue?

Сервис позволяет задать количество блоков обработки данных (DPU), выделенных под определенное ETL‑задание. Каждому ETL‑заданию Glue необходимо не менее 2 DPU. По умолчанию AWS Glue выделяет 10 DPU для каждого ETL‑задания.

Вопрос: Как можно осуществлять мониторинг исполнения заданий AWS Glue?

AWS Glue выводит состояние по каждому заданию и передает все уведомления в Amazon CloudWatch. Чтобы быть в курсе сбоев и успешного завершения заданий, можно настроить уведомления сервиса SNS на основе действий CloudWatch.

Соглашение об уровне обслуживания

Вопрос. Какие гарантии обеспечивает SLA AWS Glue?

Наше Соглашение об уровне обслуживания (SLA) гарантирует бесперебойную ежемесячную работу AWS Glue на уровне не менее 99,9 %.

Вопрос: Как узнать, могу ли я претендовать на компенсацию по соглашению об уровне обслуживания?

Компенсация по SLA AWS Glue по условиям нашего SLA предоставляется, если бесперебойная ежемесячная работа сервиса в рамках одного региона в нескольких зонах доступности, в которых запущено задание, составила менее 99,9 % в течение любого оплачиваемого месяца.

С условиями и положениями соглашения об уровне обслуживания, а также с подробностями оформления заявки на компенсацию можно ознакомиться на странице сведений о соглашении об уровне обслуживания в отношении AWS Glue.

Product-Page_Standard-Icons_01_Product-Features_SqInk
Перейти на страницу цен

Изучите варианты тарифов на AWS Glue.

Подробнее 
Product-Page_Standard-Icons_02_Sign-Up_SqInk
Зарегистрировать бесплатный аккаунт

Получите мгновенный доступ к уровню бесплатного пользования AWS. 

Регистрация 
Product-Page_Standard-Icons_03_Start-Building_SqInk
Начать разработку в консоли

Начните разработку с использованием AWS Glue в Консоли управления AWS.

Вход