Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
# AWS Clean Rooms Glossaire
Consultez ce glossaire pour vous familiariser avec la terminologie utilisée pour AWS Clean Rooms.
## Règle d'analyse d'agrégation
La restriction de requête qui autorise les requêtes qui regroupent l'analyse COUNT en SUM utilisant ou AVG fonctionnant selon des dimensions facultatives. Ces requêtes ne révéleront pas d'informations au niveau des lignes.
Prend en charge des cas d'utilisation tels que la planification des campagnes, la portée médiatique, la fréquence et la mesure des conversions.
Les autres types de règles d'analyse sont [personnalisées](#glossary-custom-analysis-rule) et [listées](#glossary-list-analysis-rule).
## Règles d'analyse
Les restrictions de requête qui autorisent un type de requête spécifique.
Le type de règle d'analyse détermine le type d'analyse qui peut être exécuté sur la table configurée. Chaque type possède une structure de requête prédéfinie. Vous contrôlez la manière dont les colonnes de votre table peuvent être utilisées dans la structure par le biais des commandes de requête.
Les types de règles d'analyse sont [l'agrégation](#glossary-agg-analysis-rule), [la liste](#glossary-list-analysis-rule) et les règles [personnalisées](#glossary-custom-analysis-rule).
## Modèle d'analyse
Une requête pré-approuvée spécifique à la collaboration qui peut être réutilisée.
Formats pris en charge : code SQL ou code Python pour Spark.
Si vous utilisez le langage SQL, le modèle d'analyse peut contenir des paramètres là où une valeur littérale peut généralement apparaître dans une requête SQL. Pour plus d'informations sur les types de paramètres pris en charge, consultez la section [Types de données](https://docs.aws.amazon.com/clean-rooms/latest/sql-reference/c_Supported_data_types.html) de la *référence AWS Clean Rooms SQL*.
Les modèles d'analyse fonctionnent uniquement avec la [règle d'analyse personnalisée](analysis-rules-custom.md).
## Client de chiffrement C3R
Le client de chiffrement Cryptographic Computing for Clean Rooms (C3R).
Utilisé pour chiffrer et déchiffrer des données, C3R est un SDK de chiffrement côté client doté d'une interface en ligne de commande.
## Colonne en texte clair
Colonne qui n'est protégée par cryptographie ni pour une construction A JOIN ni pour une construction SELECT SQL.
Les colonnes en texte clair peuvent être utilisées dans n'importe quelle partie de la requête SQL.
## Collaboration
Limite logique sécurisée AWS Clean Rooms dans laquelle les membres peuvent exécuter des requêtes SQL sur des tables configurées.
Les collaborations sont créées par le [créateur de la collaboration](#glossary-collaboration-creator).
Seuls les membres qui ont été invités à participer à la collaboration peuvent rejoindre la collaboration.
Une collaboration ne peut avoir qu'un seul [membre qui peut interroger](#glossary-member-who-can-query) des données ou un seul [membre qui peut exécuter des requêtes et des tâches](#glossary-member-who-can-run-queries-jobs).
Une collaboration ne peut avoir qu'un seul [membre qui peut recevoir les résultats](#glossary-member-who-can-receive-results).
Dans une collaboration, un seul [membre peut payer les coûts de calcul des requêtes](#glossary-member-paying-for-query-compute) ou un seul [membre payant les coûts de calcul des requêtes et des tâches](#glossary-member-paying-for-query-job-compute).
Tous les membres peuvent consulter la liste des participants invités à la collaboration avant de rejoindre la collaboration.
## Créateur de collaboration
Le membre qui crée une collaboration.
Il n'y a qu'un seul créateur de collaboration par collaboration.
Seul le créateur de la collaboration peut retirer des membres de la collaboration ou supprimer la collaboration.
## Table configurée
Chaque table configurée représente une référence à une table existante dans le AWS Glue Data Catalog qui a été configurée pour être utilisée dans AWS Clean Rooms. Une table configurée contient une règle d'analyse qui détermine la manière dont les données peuvent être utilisées.
Actuellement, AWS Clean Rooms prend en charge l'association de données stockées dans Amazon Simple Storage Service (Amazon S3) qui sont cataloguées via. AWS Glue
Pour plus d'informations à ce sujet AWS Glue, consultez le [guide du AWS Glue développeur](https://docs.aws.amazon.com/glue/latest/dg/what-is-glue.html).
Les tables configurées peuvent être associées à une ou plusieurs collaborations.
**Note**
AWS Clean Rooms ne prend actuellement pas en charge les emplacements de compartiment Amazon S3 enregistrés auprès de AWS Lake Formation.
## Règle d'analyse personnalisée
La restriction de requête qui autorise un ensemble spécifique de requêtes préapprouvées ([modèles d'analyse](#glossary-analysis-template)) ou autorise un ensemble spécifique de comptes capables de fournir des requêtes ou des tâches utilisant vos données.
Prend en charge des cas d'utilisation tels que l'attribution au premier contact, les analyses incrémentielles et les analyses de découverte d'audience.
Soutient la confidentialité différentielle.
Les autres types de règles d'analyse sont [l'agrégation](#glossary-agg-analysis-rule) et [la liste](#glossary-list-analysis-rule).
## Déchiffrement
Le processus qui consiste à remettre les données chiffrées dans leur forme d'origine. Le déchiffrement ne peut être effectué que si vous avez accès à la clé secrète.
## Confidentialité différentielle
Une technique mathématiquement rigoureuse qui protège les données de collaboration contre le membre qui peut recevoir des résultats en apprenant sur une personne en particulier.
## Chiffrement
Processus consistant à coder des données sous une forme qui semble aléatoire à l'aide d'une valeur secrète appelée clé. Il est impossible de déterminer le texte brut d'origine sans accéder à la clé.
## Colonne d'empreintes digitales
Colonne protégée cryptographiquement pour une construction JOIN SQL.
## Méthode de workflow de mappage des identifiants
Comment souhaitez-vous que le mappage des identifiants soit effectué.
Il existe deux méthodes de flux de travail de mappage d'identifiants :
+ Mappage d'ID basé sur des règles : méthode par laquelle vous utilisez des règles de correspondance pour traduire des données de première partie d'une source vers une cible dans un flux de travail de mappage d'ID.
+ Mappage des identifiants des services fournisseurs : méthode par laquelle vous utilisez un service fournisseur pour traduire des données codées par des tiers d'une source vers une cible dans un flux de travail de mappage d'identifiants.
AWS Clean Rooms est actuellement prise en charge en LiveRamp tant que méthode de flux de travail de mappage des identifiants basée sur les services des fournisseurs de services. Vous devez être abonné à LiveRamp through AWS Data Exchange pour utiliser cette méthode. Pour plus d'informations, consultez la section [Abonnement à un service fournisseur AWS Data Exchange dans le](https://docs.aws.amazon.com/entityresolution/latest/userguide/prepare-third-party-input-data.html#subscribe-provider-service) *guide de Résolution des entités AWS l'utilisateur.*
## Table de mappage des identifiants
Une ressource AWS Clean Rooms qui permet soit des règles de correspondance de première partie, soit un transcodage d'identité multipartite dans le cadre d'une collaboration.
Une table de mappage d'identifiants est une référence à une table existante dans le AWS Glue Data Catalog. Il contient une [règle d'analyse des tables de mappage d'identifiants](#glossary-id-mapping-table-analysis-rule) qui détermine la manière dont les données peuvent être consultées. AWS Clean Rooms Les tables de mappage d'identifiants peuvent être associées à une ou plusieurs collaborations.
## Règle d'analyse des tables de mappage d'identifiants
Type de règle d'analyse géré par AWS Clean Rooms et utilisé pour joindre des données d'identité disparates afin de faciliter les requêtes. Il est automatiquement ajouté aux [tables de mappage des identifiants](#glossary-id-mapping-table) et ne peut pas être modifié. Elle hérite des comportements des autres règles d'analyse de la collaboration, à condition que ces règles d'analyse soient homogènes.
## Workflow de mappage des identifiants
Une tâche de traitement de données qui mappe les données d'une source vers une cible en fonction de la [méthode de flux de travail de mappage d'identifiants](#glossary-id-mapping-method) spécifiée. Il produit une [table de mappage des identifiants](#glossary-id-mapping-table).
## Espace de noms ID
Une ressource AWS Clean Rooms qui contient des métadonnées expliquant les ensembles de données sur plusieurs Comptes AWS et expliquant comment utiliser ces ensembles de données dans un flux de travail de [mappage d'identifiants](#glossary-id-mapping-workflow).
## Association d'espaces de noms ID
Association d'une ressource d'espace de noms d'identification qui vous aide à découvrir les entrées dans leur [flux de travail de mappage d'identifiants](#glossary-id-mapping-workflow).
## Tâche
Méthode permettant d'accéder aux tables configurées et de les analyser dans le cadre d'une collaboration à l'aide d'un ensemble pris en charge de fonctions, de classes et de variables.
AWS Clean Rooms prend actuellement en charge le type de PySpark tâche.
AWS Clean Rooms prend actuellement en charge l'exécution de tâches à l'aide d'un modèle d' PySpark analyse.
## Règle d'analyse des listes
La restriction de requête qui autorise les requêtes qui génèrent une analyse attributaire au niveau des lignes du chevauchement entre cette table et les tables du membre qui peut effectuer la requête.
Prend en charge des cas d'utilisation tels que l'enrichissement et la création ou la suppression d'audience.
Les autres types de règles d'analyse sont [l'agrégation](#glossary-agg-analysis-rule) et les règles [personnalisées](#glossary-custom-analysis-rule).
## Modèle Lookalike
Modèle de données d'un fournisseur de données de formation qui permet à un fournisseur de données de départ de créer un [segment similaire](#glossary-lookalike-segment) des données du fournisseur de données de formation qui ressemble le plus à ses [données de départ](#glossary-seed-data).
## Segment similaire
Sous-ensemble des données d'entraînement qui ressemble le plus aux [données de départ](#glossary-seed-data).
## Membre
Un AWS client participant à une [collaboration](#glossary-collaboration).
Un membre est identifié à l'aide de son Compte AWS.
Tous les membres peuvent fournir des données.
## Membre pouvant poser des questions
Le membre qui peut interroger des données dans le cadre de la [collaboration](#glossary-collaboration).
Un seul membre peut effectuer une requête par collaboration, et ce membre est immuable.
Un utilisateur administratif peut utiliser les autorisations Gestion des identités et des accès AWS (IAM) pour contrôler lequel de ses principaux IAM (tels que les utilisateurs ou les rôles) peut interroger des données dans le cadre de la collaboration. Pour de plus amples informations, veuillez consulter [Créez un rôle de service pour lire les données d'Amazon S3](setting-up-roles.md#create-service-role-procedure).
## Membre capable d'exécuter des requêtes et des tâches
Le membre qui peut exécuter des requêtes et des tâches sur les données de la [collaboration](#glossary-collaboration).
Un seul membre peut exécuter des requêtes et des tâches par collaboration, et ce membre est immuable.
Un utilisateur administratif peut utiliser les autorisations Gestion des identités et des accès AWS (IAM) pour contrôler lesquels de ses principaux IAM (tels que les utilisateurs ou les rôles) peuvent exécuter des requêtes et des tâches dans le cadre de la collaboration. Pour de plus amples informations, veuillez consulter [Créez un rôle de service pour lire les données d'Amazon S3](setting-up-roles.md#create-service-role-procedure).
## Membre pouvant recevoir les résultats
Un membre qui peut recevoir les résultats des requêtes. Un membre autorisé à recevoir des résultats définit les paramètres des résultats de requête pour la destination Amazon S3 et le format des résultats de la requête (CSV ou Parquet).
Pour les analyses effectuées avec le moteur d'analyse Spark, un membre qui peut recevoir les résultats indique également si les fichiers doivent être générés sous la forme d'un seul fichier ou de plusieurs fichiers.
Plusieurs membres peuvent recevoir des résultats dans le cadre d'une collaboration.
## Membre payant les frais de calcul des requêtes
Membre chargé de payer les frais de calcul des requêtes.
Un seul membre est responsable du paiement des coûts de calcul des requêtes par collaboration, et ce membre est immuable.
Si le créateur de la collaboration n'a indiqué aucun membre payant les frais de calcul des requêtes, le [membre habilité à effectuer les requêtes](#glossary-member-who-can-query) est le payeur par défaut.
Le membre qui paie les frais de calcul des requêtes reçoit une facture pour les requêtes exécutées dans le cadre de la collaboration.
## Membre payant les frais de recherche et de calcul des tâches
Le membre chargé de payer les frais de recherche et de calcul des tâches.
Un seul membre est responsable du paiement des coûts de requête et de calcul des tâches par collaboration, et ce membre est immuable.
Si le créateur de la collaboration n'a indiqué aucun membre payant les frais de requête et de calcul des tâches, le [membre habilité à effectuer les requêtes](#glossary-member-who-can-query) est le payeur par défaut.
Le membre qui paie les frais de requête et de calcul des tâches reçoit une facture pour les requêtes exécutées dans le cadre de la collaboration.
## Membres
Ressource créée lorsqu'un [membre](#glossary-member) rejoint une [collaboration](#glossary-collaboration).
Toutes les ressources que le membre associe à une collaboration font partie de l'adhésion ou sont associées à l'adhésion.
Seul le membre propriétaire de l'adhésion peut ajouter, supprimer ou modifier les ressources de cette adhésion.
## Colonne étanche
Colonne protégée cryptographiquement pour une construction SELECT SQL.
## Données sur les semences
Les données du fournisseur de données de départ, qui sont utilisées pour créer un [segment similaire.](#glossary-lookalike-segment) Les données de départ peuvent être fournies directement ou provenir des résultats d'une AWS Clean Rooms requête. Le résultat du segment similaire est un ensemble d'utilisateurs issu des données d'entraînement qui ressemble le plus aux utilisateurs initiaux.
## Moteur d'analyse Spark
Une option d'analyse AWS Clean Rooms qui permet aux clients d'exécuter des requêtes complexes sur de grands ensembles de données stockés dans Amazon S3, Amazon Athena ou Snowflake à l'aide des fonctions SQL d'Apache Spark. Il prend également en charge PySpark l'analyse dans AWS Clean Rooms.
Lorsque vous créez une collaboration à l'aide de l'[CreateCollaborationAPI](https://docs.aws.amazon.com/clean-rooms/latest/apireference/API_CreateCollaboration.html), la valeur du moteur d'analyse Spark est `SPARK` la suivante :
## Query
Méthode permettant d'accéder aux tables configurées et de les analyser dans le cadre d'une collaboration, à l'aide d'un ensemble de fonctions, de classes et de variables pris en charge.
AWS Clean Rooms supporte actuellement le langage de requête SQL.
AWS Clean Rooms prend actuellement en charge l'exécution de requêtes SQL directes ou l'exécution de requêtes à l'aide d'un modèle d'analyse SQL.