Lesen aus Entitäten von Google Analytics 4 - AWS Glue

Lesen aus Entitäten von Google Analytics 4

Voraussetzungen

  • Ein Objekt in Google Analytics 4, aus dem gelesen werden soll. In der folgenden Tabelle mit unterstützten Entitäten können Sie die verfügbaren Entitäten überprüfen.

Unterstützte Entitäten

Entität Kann gefiltert werden Unterstützt Limit Unterstützt „Sortieren nach“ Unterstützt „* auswählen“ Unterstützt Partitionierung
Echtzeitbericht Ja Ja Ja Ja Nein
Grundlegender Bericht Ja Ja Ja Ja Ja

Beispiel 

googleAnalytics4_read = glueContext.create_dynamic_frame.from_options(
    connection_type="GoogleAnalytics4",
    connection_options={
        "connectionName": "connectionName",
        "ENTITY_NAME": "entityName",
        "API_VERSION": "v1beta"
    }

Entitäts- und Felddetails von Google Analytics 4

Entität Feld Datentyp Unterstützte Operatoren
Grundlegender Bericht Dynamische Felder
Grundlegender Bericht Dimensionsfelder String LIKE, =
Grundlegender Bericht Dimensionsfelder Datum LIKE, =
Grundlegender Bericht Metrikfelder String >, <, >=, <=, = BETWEEN
Grundlegender Bericht Felder für benutzerdefinierte Dimensionen und benutzerdefinierte Metriken String N/A
Echtzeitbericht appVersion String LIKE, =
Echtzeitbericht audienceId String LIKE, =
Echtzeitbericht audienceName String LIKE, =
Echtzeitbericht city String LIKE, =
Echtzeitbericht cityId String LIKE, =
Echtzeitbericht country String LIKE, =
Echtzeitbericht countryId String LIKE, =
Echtzeitbericht deviceCategory String LIKE, =
Echtzeitbericht eventName String LIKE, =
Echtzeitbericht minutesAgo String LIKE, =
Echtzeitbericht platform String LIKE, =
Echtzeitbericht streamId String LIKE, =
Echtzeitbericht streamName String LIKE, =
Echtzeitbericht unifiedScreenName String LIKE, =
Echtzeitbericht activeUsers String >, <, >=, <=, = BETWEEN
Echtzeitbericht Konversionen String >, <, >=, <=, = BETWEEN
Echtzeitbericht eventCount String >, <, >=, <=, = BETWEEN
Echtzeitbericht screenPageViews String >, <, >=, <=, = BETWEEN

Partitionierung von Abfragen

  1. Filterbasierte Partition

    Die zusätzlichen Spark-Optionen PARTITION_FIELD,LOWER_BOUND, UPPER_BOUND und NUM_PARTITIONS können angegeben werden, wenn Sie Parallelität in Spark nutzen möchten. Mit diesen Parametern würde die ursprüngliche Abfrage in NUM_PARTITIONS Unterabfragen aufgeteilt, die von Spark-Aufgaben gleichzeitig ausgeführt werden können.

    • PARTITION_FIELD: der Name des Feldes, das zur Partitionierung der Abfrage verwendet werden soll.

    • LOWER_BOUND: ein inklusiver Untergrenzwert des ausgewählten Partitionsfelds.

      Als Datum akzeptieren wir das Spark-Datumsformat, das in Spark-SQL-Abfragen verwendet wird. Beispiel für gültige Werte: "2024-02-06".

    • UPPER_BOUND: ein exklusiver Obergrenzwert des ausgewählten Partitionsfelds.

    • NUM_PARTITIONS: Anzahl der Partitionen.

    Beispiel 

    googleAnalytics4_read = glueContext.create_dynamic_frame.from_options(
    connection_type="GoogleAnalytics4",
    connection_options={
        "connectionName": "connectionName",
        "ENTITY_NAME": "entityName",
        "API_VERSION": "v1beta",
        "PARTITION_FIELD": "date"
        "LOWER_BOUND": "2022-01-01"
        "UPPER_BOUND": "2024-01-02"
        "NUM_PARTITIONS": "10"
    }

  2. Datensatzbasierte Partition:

    Die zusätzlichen Spark-Optionen NUM_PARTITIONS können angegeben werden, wenn Sie Parallelität in Spark nutzen möchten. Mit diesen Parametern würde die ursprüngliche Abfrage in NUM_PARTITIONS Unterabfragen aufgeteilt, die von Spark-Aufgaben gleichzeitig ausgeführt werden können.

    • NUM_PARTITIONS: Anzahl der Partitionen.

    Beispiel 

    googleAnalytics4_read = glueContext.create_dynamic_frame.from_options(
    connection_type="GoogleAnalytics4",
    connection_options={
        "connectionName": "connectionName",
        "ENTITY_NAME": "entityName",
        "API_VERSION": "v1beta",
        "NUM_PARTITIONS": "10"
    }