Lecture à partir d’entités Google Analytics 4 - AWS Glue

Lecture à partir d’entités Google Analytics 4

Prérequis

  • Un objet Google Analytics 4 à partir duquel vous souhaitez lire. Reportez-vous au tableau des entités prises en charge ci-dessous pour vérifier les entités disponibles.

Entités prises en charge

Entité Peut être filtré Limit prise en charge Order by prise en charge Select prise en charge* Partitionnement pris en charge
Real-Time Report Oui Oui Oui Oui Non
Core Report Oui Oui Oui Oui Oui

Exemple 

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

Détails des entités et des champs Google Analytics 4

Entité Champ Type de données Opérateurs pris en charge
Core Report Dynamic Fields
Core Report Champs de dimensions Chaîne LIKE, =
Core Report Champs de dimensions Date LIKE, =
Core Report Champs de métriques Chaîne >, <, >=, <=, = BETWEEN
Core Report Champs de dimensions et de métriques personnalisés Chaîne NA
Real-Time Report appVersion Chaîne LIKE, =
Real-Time Report audienceId Chaîne LIKE, =
Real-Time Report audienceName Chaîne LIKE, =
Real-Time Report city Chaîne LIKE, =
Real-Time Report cityId Chaîne LIKE, =
Real-Time Report country Chaîne LIKE, =
Real-Time Report countryId Chaîne LIKE, =
Real-Time Report deviceCategory Chaîne LIKE, =
Real-Time Report eventName Chaîne LIKE, =
Real-Time Report minutesAgo Chaîne LIKE, =
Real-Time Report platform Chaîne LIKE, =
Real-Time Report streamId Chaîne LIKE, =
Real-Time Report streamName Chaîne LIKE, =
Real-Time Report unifiedScreenName Chaîne LIKE, =
Real-Time Report activeUsers Chaîne >, <, >=, <=, = BETWEEN
Real-Time Report conversions Chaîne >, <, >=, <=, = BETWEEN
Real-Time Report eventCount Chaîne >, <, >=, <=, = BETWEEN
Real-Time Report screenPageViews Chaîne >, <, >=, <=, = BETWEEN

Requêtes de partitionnement

  1. Partition basée sur un filtre

    Les options Spark supplémentaires PARTITION_FIELD, LOWER_BOUND, UPPER_BOUND et NUM_PARTITIONS peuvent être indiquées si vous souhaitez utiliser la simultanéité dans Spark. Avec ces paramètres, la requête d’origine serait divisée en NUM_PARTITIONS nombres de sous-requêtes pouvant être exécutées simultanément par les tâches Spark.

    • PARTITION_FIELD : le nom du champ à utiliser pour partitionner la requête.

    • LOWER_BOUND : une valeur limite inférieure inclusive du champ de partition choisi.

      Pour le champ Date, nous acceptons le format de date Spark utilisé dans les requêtes SQL Spark. Exemples de valeurs valides : "2024-02-06".

    • UPPER_BOUND : une valeur limite supérieure exclusive du champ de partition choisi.

    • NUM_PARTITIONS : nombre de partitions.

    Exemple 

    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. Partition basée sur des enregistrements

    Les options Spark supplémentaires NUM_PARTITIONS peuvent être indiquées si vous souhaitez utiliser la simultanéité dans Spark. Avec ces paramètres, la requête d’origine serait divisée en NUM_PARTITIONS nombres de sous-requêtes pouvant être exécutées simultanément par les tâches Spark.

    • NUM_PARTITIONS : nombre de partitions.

    Exemple 

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