Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich. # AWS Clean Rooms Glossar Konsultieren Sie dieses Glossar, um sich mit der verwendeten Terminologie vertraut zu machen. AWS Clean Rooms ## Regel für die Aggregationsanalyse Die Abfrageeinschränkung, die Abfragen ermöglicht, bei denen Analysen mithilfe vonCOUNT, oder aggregiert werdenSUM, und AVG zwar entlang optionaler Dimensionen. Diese Abfragen geben keine Informationen auf Zeilenebene preis. Unterstützt Anwendungsfälle wie Kampagnenplanung, Messung der Medienreichweite, Häufigkeit und Konversionsmessung. Andere Arten von Analyseregeln sind [benutzerdefinierte](#glossary-custom-analysis-rule) Regeln und [Listenregeln](#glossary-list-analysis-rule). ## Analyseregeln Die Abfrageeinschränkungen, die einen bestimmten Abfragetyp autorisieren. Der Analyseregeltyp bestimmt, welche Art von Analyse für die konfigurierte Tabelle ausgeführt werden kann. Jeder Typ hat eine vordefinierte Abfragestruktur. Über die Abfragesteuerelemente steuern Sie, wie Ihre Tabellenspalten in der Struktur verwendet werden können. Die Arten von Analyseregeln sind [Aggregation](#glossary-agg-analysis-rule), [Liste](#glossary-list-analysis-rule) und [Benutzerdefiniert](#glossary-custom-analysis-rule). ## Analysevorlage Eine für die Zusammenarbeit spezifische, vorab genehmigte Abfrage, die wiederverwendet werden kann. Unterstützte Formate: SQL-Code oder Python-Code für Spark. Wenn Sie SQL verwenden, kann die Analysevorlage überall dort Parameter enthalten, wo ein Literalwert normalerweise in einer SQL-Abfrage vorkommen könnte. Weitere Informationen zu unterstützten Parametertypen finden Sie unter [Datentypen](https://docs.aws.amazon.com/clean-rooms/latest/sql-reference/c_Supported_data_types.html) in der *AWS Clean Rooms SQL-Referenz.* Analysevorlagen funktionieren nur mit der [benutzerdefinierten Analyseregel](analysis-rules-custom.md). ## C3R-Verschlüsselungsclient Der Verschlüsselungsclient von Cryptographic Computing for Clean Rooms (C3R). C3R ist ein clientseitiges Verschlüsselungs-SDK mit einer Befehlszeilenschnittstelle, das zum Verschlüsseln und Entschlüsseln von Daten verwendet wird. ## Spalte mit klarem Text Eine Spalte, die weder für ein noch für ein JOIN SQL-Konstrukt kryptografisch geschützt ist. SELECT Klartextspalten können in jedem Teil der SQL-Abfrage verwendet werden. ## Zusammenarbeit Eine sichere logische Grenze, innerhalb AWS Clean Rooms derer Mitglieder SQL-Abfragen an konfigurierten Tabellen ausführen können. Kollaborationen werden vom [Ersteller der Kollaboration](#glossary-collaboration-creator) erstellt. Nur Mitglieder, die zu der Kollaboration eingeladen wurden, können der Kollaboration beitreten. Eine Kollaboration kann nur ein [Mitglied haben, das Daten abfragen kann](#glossary-member-who-can-query), oder ein [Mitglied, das Abfragen und Jobs ausführen kann](#glossary-member-who-can-run-queries-jobs). Eine Kollaboration kann nur ein [Mitglied haben, das Ergebnisse erhalten kann](#glossary-member-who-can-receive-results). In einer Kollaboration kann nur ein [Mitglied für die Rechenkosten für Abfragen](#glossary-member-paying-for-query-compute) oder ein [Mitglied für die Berechnung von Abfragen und Aufträgen zahlen](#glossary-member-paying-for-query-job-compute). Alle Mitglieder können die Liste der eingeladenen Teilnehmer der Kollaboration sehen, bevor sie der Kollaboration beitreten. ## Ersteller der Kollaboration Das Mitglied, das eine Kollaboration erstellt. Pro Kollaboration gibt es nur einen Kollaborationsersteller. Nur der Ersteller der Kollaboration kann Mitglieder aus der Kollaboration entfernen oder die Kollaboration löschen. ## Konfigurierte Tabelle Jede konfigurierte Tabelle stellt einen Verweis auf eine vorhandene Tabelle in der dar AWS Glue Data Catalog , die für die Verwendung in konfiguriert wurde AWS Clean Rooms. Eine konfigurierte Tabelle enthält eine Analyseregel, die bestimmt, wie die Daten verwendet werden können. AWS Clean Rooms Unterstützt derzeit das Zuordnen von Daten, die in Amazon Simple Storage Service (Amazon S3) gespeichert sind und über katalogisiert wurden. AWS Glue Weitere Informationen AWS Glue dazu finden Sie im [AWS Glue Entwicklerhandbuch](https://docs.aws.amazon.com/glue/latest/dg/what-is-glue.html). Konfigurierte Tabellen können einer oder mehreren Kollaborationen zugeordnet werden. **Anmerkung** AWS Clean Rooms unterstützt derzeit keine Amazon S3 S3-Bucket-Standorte, bei denen registriert ist AWS Lake Formation. ## Benutzerdefinierte Analyseregel Die Abfrageeinschränkung, die einen bestimmten Satz vorab genehmigter Abfragen ([Analysevorlagen](#glossary-analysis-template)) oder eine bestimmte Gruppe von Konten zulässt, die Abfragen oder Jobs bereitstellen können, die Ihre Daten verwenden. Unterstützt Anwendungsfälle wie First-Touch-Attribution, inkrementelle Analysen und Analysen zur Zielgruppenfindung. Unterstützt differenziellen Datenschutz. Andere Arten von Analyseregeln sind [Aggregation](#glossary-agg-analysis-rule) und [Liste](#glossary-list-analysis-rule). ## Entschlüsselung Der Prozess der Rücktransformation verschlüsselter Daten in ihre ursprüngliche Form. Die Entschlüsselung kann nur durchgeführt werden, wenn Sie Zugriff auf den geheimen Schlüssel haben. ## Differenzielle Privatsphäre Eine mathematisch strenge Technik, die die Kollaborationsdaten vor Mitgliedern schützt, die Ergebnisse erhalten können, wenn sie mehr über eine bestimmte Person erfahren. ## Verschlüsselung Der Prozess, bei dem Daten mithilfe eines geheimen Werts, eines sogenannten Schlüssels, in eine Form kodiert werden, die zufällig erscheint. Ohne Zugriff auf den Schlüssel ist es unmöglich, den ursprünglichen Klartext zu ermitteln. ## Spalte „Fingerabdruck“ Eine Spalte, die für ein JOIN SQL-Konstrukt kryptografisch geschützt ist. ## Workflow-Methode für die ID-Zuordnung Wie die ID-Zuordnung durchgeführt werden soll. Es gibt zwei Workflow-Methoden für die ID-Zuordnung: + Regelbasierte ID-Zuordnung — Die Methode, mit der Sie Abgleichsregeln verwenden, um First-Party-Daten in einem ID-Mapping-Workflow von einer Quelle in ein Ziel zu übersetzen. + ID-Zuordnung von Providerdiensten — Die Methode, mit der Sie einen Provider-Service verwenden, um in einem ID-Mapping-Workflow von Drittanbietern codierte Daten von einer Quelle in ein Ziel zu übersetzen. AWS Clean Rooms unterstützt derzeit die LiveRamp auf Providerdiensten basierende Workflow-Methode für die ID-Zuordnung. Sie müssen über ein Abonnement für LiveRamp Through verfügen, um diese AWS Data Exchange Methode verwenden zu können. Weitere Informationen finden [Sie unter Abonnieren eines Anbieterdienstes AWS Data Exchange](https://docs.aws.amazon.com/entityresolution/latest/userguide/prepare-third-party-input-data.html#subscribe-provider-service) im *AWS Entity Resolution Benutzerhandbuch.* ## Tabelle mit ID-Zuordnung Eine Ressource AWS Clean Rooms , die entweder Regeln für den Abgleich von Erstanbietern oder die Transcodierung von Identitäten mehrerer Parteien in einer Zusammenarbeit ermöglicht. Eine ID-Zuordnungstabelle ist ein Verweis auf eine vorhandene Tabelle in der. AWS Glue Data Catalog Sie enthält eine [Analyseregel für die ID-Zuordnungstabelle](#glossary-id-mapping-table-analysis-rule), die bestimmt, wie die Daten abgefragt werden können. AWS Clean Rooms ID-Zuordnungstabellen können einer oder mehreren Kollaborationen zugeordnet werden. ## Regel zur Analyse von ID-Zuordnungstabellen Eine Art von Analyseregel, die von AWS Clean Rooms verwaltet und verwendet wird, um unterschiedliche Identitätsdaten zusammenzuführen, um Abfragen zu erleichtern. Sie wird automatisch zu den [ID-Zuordnungstabellen](#glossary-id-mapping-table) hinzugefügt und kann nicht bearbeitet werden. Es erbt das Verhalten der anderen Analyseregeln in der Zusammenarbeit — sofern diese Analyseregeln homogen sind. ## Arbeitsablauf bei der ID-Zuordnung Ein Datenverarbeitungsjob, der Daten von einer Quelle einem Ziel auf der Grundlage der angegebenen [Workflow-Methode für die ID-Zuordnung zuordnet](#glossary-id-mapping-method). Es erzeugt eine [ID-Zuordnungstabelle](#glossary-id-mapping-table). ## ID-Namespace Eine Ressource AWS Clean Rooms , die Metadaten enthält, die mehrere Datensätze AWS-Konten und die Verwendung dieser Datensätze in einem [ID-Mapping-Workflow](#glossary-id-mapping-workflow) erläutern. ## Zuordnung des ID-Namespaces Eine Zuordnung einer ID-Namespace-Ressource, die Ihnen hilft, Eingaben in ihren [ID-Mapping-Workflow](#glossary-id-mapping-workflow) zu ermitteln. ## Aufgabe Eine Methode für den Zugriff auf und die Analyse konfigurierter Tabellen in einer Kollaboration mithilfe eines unterstützten Satzes von Funktionen, Klassen und Variablen. AWS Clean Rooms unterstützt derzeit den PySpark Jobtyp. AWS Clean Rooms unterstützt derzeit das Ausführen von Jobs mithilfe einer PySpark Analysevorlage. ## Analyseregel auflisten Die Abfrageeinschränkung, die Abfragen ermöglicht, die eine Attributanalyse der Überschneidung zwischen dieser Tabelle und den Tabellen des Mitglieds, das Abfragen durchführen kann, auf Zeilenebene ausgeben. Unterstützt Anwendungsfälle wie Bereicherung und Zielgruppenbildung oder -unterbindung. [Andere Arten von Analyseregeln sind [Aggregationsregeln und benutzerdefinierte](#glossary-agg-analysis-rule) Regeln.](#glossary-custom-analysis-rule) ## Lookalike-Modell Ein Modell der Daten eines Trainingsdatenanbieters, das es einem Anbieter von Ausgangsdaten ermöglicht, ein ähnliches [Segment der Daten](#glossary-lookalike-segment) eines Trainingsdatenanbieters zu erstellen, das seinen Ausgangsdaten am ähnlichsten ist[.](#glossary-seed-data) ## Ähnliches Segment Eine Teilmenge der Trainingsdaten, die den Ausgangsdaten am ähnlichsten ist[.](#glossary-seed-data) ## Mitglied Ein AWS Kunde, der an einer [Zusammenarbeit](#glossary-collaboration) teilnimmt. Ein Mitglied wird anhand seines identifiziert AWS-Konto. Alle Mitglieder können Daten beitragen. ## Mitglied, das Abfragen durchführen kann Das Mitglied, das Daten in der [Kollaboration](#glossary-collaboration) abfragen kann. Es gibt nur ein Mitglied, das Abfragen pro Kollaboration durchführen kann, und dieses Mitglied ist unveränderlich. Ein Administratorbenutzer kann mithilfe von AWS Identity and Access Management (IAM-) Berechtigungen steuern, welche seiner IAM-Prinzipale (z. B. Benutzer oder Rollen) Daten in der Kollaboration abfragen können. Weitere Informationen finden Sie unter [Erstellen Sie eine Servicerolle zum Lesen von Daten aus Amazon S3](setting-up-roles.md#create-service-role-procedure). ## Mitglied, das Abfragen und Jobs ausführen kann Das Mitglied, das Abfragen und Jobs für die Daten in der [Kollaboration](#glossary-collaboration) ausführen kann. Es gibt nur ein Mitglied, das Abfragen und Jobs pro Kollaboration ausführen kann, und dieses Mitglied ist unveränderlich. Ein Administratorbenutzer kann mithilfe von AWS Identity and Access Management (IAM-) Berechtigungen steuern, welche seiner IAM-Prinzipale (z. B. Benutzer oder Rollen) Abfragen und Jobs in der Kollaboration ausführen können. Weitere Informationen finden Sie unter [Erstellen Sie eine Servicerolle zum Lesen von Daten aus Amazon S3](setting-up-roles.md#create-service-role-procedure). ## Mitglied, das Ergebnisse erhalten kann Ein Mitglied, das Abfrageergebnisse erhalten kann. Ein Mitglied, das Ergebnisse empfangen kann, legt die Einstellungen für die Abfrageergebnisse für das Amazon S3 S3-Ziel und das Abfrageergebnisformat (CSV oder Parquet) fest. Bei Analysen mit der Spark-Analyse-Engine gibt ein Mitglied, das Ergebnisse empfangen kann, auch an, ob Dateien als einzelne Datei oder als mehrere Dateien ausgegeben werden sollen. In einer Zusammenarbeit kann es mehr als ein Mitglied geben, das Ergebnisse erhalten kann. ## Das Mitglied zahlt die Kosten für die Berechnung von Abfragen Das Mitglied, das für die Bezahlung der Kosten für die Query Compute verantwortlich ist. Es gibt nur ein Mitglied, das für die Bezahlung der Abfrageberechnungskosten pro Zusammenarbeit verantwortlich ist, und dieses Mitglied ist unveränderlich. Wenn der Ersteller der Kollaboration niemanden als das Mitglied angegeben hat, das die Kosten für die Abfrageverarbeitung bezahlt, ist das [Mitglied, das Abfragen durchführen kann,](#glossary-member-who-can-query) der Standardzahler. Das Mitglied, das die Kosten für die Query-Compute bezahlt, erhält eine Rechnung für die Abfragen, die im Rahmen der Kollaboration ausgeführt wurden. ## Das Mitglied zahlt für die Kosten der Abfrage- und Auftragsverarbeitung Das Mitglied, das für die Bezahlung der Kosten für Abfragen und Auftragsberechnungen verantwortlich ist. Es gibt nur ein Mitglied, das für die Zahlung der Kosten für die Abfrage- und Auftragsverarbeitung pro Zusammenarbeit verantwortlich ist, und dieses Mitglied ist unveränderlich. Wenn der Ersteller der Kollaboration niemanden als das Mitglied angegeben hat, das die Kosten für die Abfrage und die Auftragsberechnung bezahlt, ist das [Mitglied, das Abfragen durchführen kann,](#glossary-member-who-can-query) der Standardzahler. Das Mitglied, das die Kosten für die Abfrage- und Job-Compute bezahlt, erhält eine Rechnung für die Abfragen, die im Rahmen der Kollaboration ausgeführt wurden. ## Mitgliedschaften Eine Ressource, die erstellt wird, wenn ein [Mitglied](#glossary-member) einer [Kollaboration](#glossary-collaboration) beitritt. Alle Ressourcen, die das Mitglied einer Kollaboration zuordnet, sind Teil der Mitgliedschaft oder mit der Mitgliedschaft verknüpft. Nur das Mitglied, dem die Mitgliedschaft gehört, kann Ressourcen in dieser Mitgliedschaft hinzufügen, entfernen oder bearbeiten. ## Versiegelte Spalte Eine Spalte, die für ein SELECT SQL-Konstrukt kryptografisch geschützt ist. ## Ausgangsdaten Die Daten des Seed-Datenanbieters, die zur Erstellung eines [Lookalike-Segments](#glossary-lookalike-segment) verwendet werden. Die Ausgangsdaten können direkt bereitgestellt werden oder aus den Ergebnissen einer AWS Clean Rooms Abfrage stammen. Bei der Ausgabe eines Lookalike-Segments handelt es sich um eine Gruppe von Benutzern aus den Trainingsdaten, die den Ausgangsbenutzern am ähnlichsten sind. ## Spark-Analyse-Engine Eine Analyseoption AWS Clean Rooms , mit der Kunden mithilfe von Apache Spark SQL-Funktionen komplexe Abfragen für große Datensätze ausführen können, die in Amazon S3, Amazon Athena oder Snowflake gespeichert sind. Es unterstützt auch Analysen in. PySpark AWS Clean Rooms Wenn Sie mithilfe der [CreateCollaborationAPI](https://docs.aws.amazon.com/clean-rooms/latest/apireference/API_CreateCollaboration.html) eine Kollaboration erstellen, ist `SPARK` der Wert der Spark-Analyse-Engine: ## Query Eine Methode, um auf konfigurierte Tabellen in einer Kollaboration zuzugreifen und diese zu analysieren, wobei ein unterstützter Satz von Funktionen, Klassen und Variablen verwendet wird. AWS Clean Rooms unterstützt derzeit die SQL-Abfragesprache. AWS Clean Rooms unterstützt derzeit das Ausführen von direkten SQL-Abfragen oder das Ausführen von Abfragen mithilfe einer SQL-Analysevorlage.