Connessioni streaming AWS Glue - AWS Glue
Connessioni KafkaConnessioni Kinesis

Connessioni streaming AWS Glue

Nelle sezioni seguenti vengono fornite informazioni su come utilizzare le connessioni nello streaming di AWS Glue.

Utilizzo delle connessioni Kafka

Puoi usare una connessione Kafka per leggere e scrivere su flussi di dati Kafka utilizzando le informazioni archiviate in una tabella catalogo dati o fornendo informazioni per accedere direttamente al flusso di dati. La connessione supporta un cluster Kafka o un cluster Amazon Managed Streaming for Apache Kafka. Puoi leggere le informazioni da Kafka in uno Spark DataFrame, quindi convertirle in un AWS Glue DynamicFrame. Puoi scrivere DynamicFrames su Kafka in un formato JSON. Se accedi direttamente al flusso di dati, utilizza queste opzioni per fornire le informazioni su come accedere al flusso di dati.

Se utilizzi getCatalogSource o create_data_frame_from_catalog per consumare i record da una sorgente di streaming Kafka (o getCatalogSink o write_dynamic_frame_from_catalog per scrivere i record su Kafka) il processo avrà le informazioni sul database catalogo dati e sul nome della tabella, e potrà usarle per ottenere alcuni parametri di base per la lettura dalla sorgente di streaming Kafka. Se utilizzi getSource, getCatalogSink, getSourceWithFormat, getSinkWithFormat, createDataFrameFromOptions, create_data_frame_from_options o write_dynamic_frame_from_catalog, dovrai specificare questi parametri di base utilizzando le opzioni di connessione descritte qui.

È possibile specificare le opzioni di connessione per Kafka utilizzando i seguenti argomenti per i metodi specificati nella classe GlueContext.

  • Scala

    • connectionOptions: utilizza con getSource, createDataFrameFromOptions e getSink

    • additionalOptions: utilizza con getCatalogSource, getCatalogSink

    • options: utilizza con getSourceWithFormat, getSinkWithFormat

  • Python

    • connection_options: utilizza con create_data_frame_from_options, write_dynamic_frame_from_options

    • additional_options: utilizza con create_data_frame_from_catalog, write_dynamic_frame_from_catalog

    • options: utilizza con getSource, getSink

Per osservazioni e restrizioni sui processi ETL dei flussi di dati, consulta la pagina Streaming di note e restrizioni ETL.

Argomenti

    Configurazione di Kafka

    Non sussistono prerequisiti AWS per la connessione ai flussi di Kafka disponibili su Internet.

    È possibile creare una connessione AWS Glue Kafka per gestire le proprie credenziali di connessione. Per ulteriori informazioni, consulta Creazione di una connessione AWS Glue per un flusso di dati Apache Kafka. Nella configurazione del processo AWS Glue, fornisci connectionName come Connessione di rete aggiuntiva, quindi, nella chiamata al metodo, fornisci connectionName al parametro connectionName.

    In alcuni casi, è necessario configurare ulteriori prerequisiti:

    • Se utilizzi Streaming gestito da Amazon per Apache Kafka con l'autenticazione IAM, avrai bisogno di una configurazione appropriata di IAM.

    • Se utilizzi Streaming gestito da Amazon per Apache Kafka con un Amazon VPC, avrai bisogno di una configurazione appropriata di Amazon VPC. Dovrai creare una connessione ad AWS Glue che fornisca informazioni sulla connessione ad Amazon VPC. È necessario che la configurazione del processo includa la connessione AWS Glue come connessione di rete aggiuntiva.

    Per ulteriori informazioni sui prerequisiti dei processi ETL dei flussi di dati, consulta la pagina Aggiunta di processi di streaming ETL in AWS Glue.

    Esempio: lettura di flussi da Kafka

    Usato in combinazione con forEachBatch.

    Esempio per l'origine di streaming Kafka:

    kafka_options =
    { "connectionName": "ConfluentKafka", 
      "topicName": "kafka-auth-topic", 
      "startingOffsets": "earliest", 
      "inferSchema": "true", 
      "classification": "json" 
    }
data_frame_datasource0 = glueContext.create_data_frame.from_options(connection_type="kafka", connection_options=kafka_options)

    Esempio: scrittura su flussi Kafka

    Esempi per scrivere a Kafka:

    Esempio con il metodo getSink:

    data_frame_datasource0 = 
glueContext.getSink(
	connectionType="kafka",
	connectionOptions={
		JsonOptions("""{
			"connectionName": "ConfluentKafka", 
			"classification": "json", 
			"topic": "kafka-auth-topic", 
			"typeOfData": "kafka"}
		""")}, 
	transformationContext="dataframe_ApacheKafka_node1711729173428")
	.getDataFrame()

    Esempio con il metodo write_dynamic_frame.from_options:

    kafka_options =
    { "connectionName": "ConfluentKafka", 
      "topicName": "kafka-auth-topic", 
      "classification": "json" 
    }
data_frame_datasource0 = glueContext.write_dynamic_frame.from_options(connection_type="kafka", connection_options=kafka_options)

    Indicazioni di riferimento alle opzioni di connessione a Kafka

    Quando leggi, utilizza le seguenti opzioni di connessione con "connectionType": "kafka":

    • "bootstrap.servers" (Obbligatorio) un elenco di URL del server bootstrap, ad esempio, come b-1.vpc-test-2.o4q88o.c6.kafka.us-east-1.amazonaws.com:9094. Questa opzione deve essere specificata nella chiamata API o definita nei metadati della tabella in catalogo dati.

    • "security.protocol" (Obbligatorio) Il protocollo utilizzato per comunicare con i broker. I valori possibili sono "SSL" o "PLAINTEXT".

    • "topicName": (obbligatorio) un elenco separato da virgole di argomenti a cui iscriversi. Devi specificare solo uno tra "topicName", "assign" o "subscribePattern".

    • "assign": (obbligatorio) una stringa JSON che specifica il TopicPartitions specifico da utilizzare. Devi specificare solo uno tra "topicName", "assign" o "subscribePattern".

      Esempio: '{"topicA":[0,1],"topicB":[2,4]}'

    • "subscribePattern": (Obbligatorio) una stringa regex Java che identifichi l'elenco degli argomenti a cui effettuare la sottoscrizione. Devi specificare solo uno tra "topicName", "assign" o "subscribePattern".

      Esempio: 'topic.*'

    • "classification" (obbligatorio): il formato di file utilizzato dai dati nel record. Obbligatorio, a meno che non sia fornito tramite Catalogo dati.

    • "delimiter" (facoltativo): il separatore di valori utilizzato quando classification è CSV. Il valore predefinito è ",".

    • "startingOffsets": (Facoltativo) la posizione di partenza nell'argomento Kafka da cui leggere i dati. I valori possibili sono "earliest" o "latest". Il valore predefinito è "latest".

    • "startingTimestamp": (facoltativo, supportato solo per AWS Glue versione 4.0 o successiva) il timestamp del record nell'argomento Kafka da cui leggere i dati. Il valore possibile è una stringa timestamp in formato UTC nel modello yyyy-mm-ddTHH:MM:SSZ, dove Z rappresenta un offset del fuso orario UTC con un segno +/- (ad esempio: "2023-04-04T08:00:00-04:00").

      Nota: nell'elenco delle opzioni di connessione dello script di flussi di dati di AWS Glue può essere presente solo un valore tra "startingOffsets" o "startingTimestamp"; l'inclusione di entrambe queste proprietà comporterà un errore del processo.

    • "endingOffsets": (Facoltativo) il punto di fine di una query batch. I valori possibili sono "latest" o una stringa JSON che specifica un offset finale per ogni TopicPartition.

      Per la stringa JSON, il formato è {"topicA":{"0":23,"1":-1},"topicB":{"0":-1}}. Il valore -1 come offset rappresenta "latest".

    • "pollTimeoutMs": (Facoltativo) il timeout in millisecondi per il polling dei dati da Kafka negli executor del processo Spark. Il valore predefinito è 600000.

    • "numRetries": (Facoltativo) i numero di tentativi prima di non riuscire a recuperare gli offset Kafka. Il valore predefinito è 3.

    • "retryIntervalMs": (Facoltativo) il tempo di attesa in millisecondi prima di riprovare a recuperare gli offset Kafka. Il valore predefinito è 10.

    • "maxOffsetsPerTrigger": (Facoltativo) il limite di velocità sul numero massimo di offset elaborati per intervallo di trigger. Il numero totale di offset specificato viene suddiviso proporzionalmente tra topicPartitions di diversi volumi. Il valore di default è null, il che significa che il consumer legge tutti gli offset fino all'ultimo offset noto.

    • "minPartitions": (Facoltativo) il numero minimo desiderato di partizioni da leggere da Kafka. Il valore di default è null, il che significa che il numero di partizioni Spark è uguale al numero di partizioni Kafka.

    • "includeHeaders": (Facoltativo) indica se includere le intestazioni Kafka. Quando l'opzione è impostata su "true", l'output dei dati conterrà una colonna aggiuntiva denominata "glue_streaming_kafka_headers" con tipo Array[Struct(key: String, value: String)]. Il valore di default è "false". Questa opzione è disponibile in AWS Glue versione 3.0 o successive.

    • "schema": (obbligatorio quando inferSchema è impostato su false) lo schema da utilizzare per elaborare il payload. Se la classificazione è avro, lo schema fornito dovrà essere nel formato dello schema Avro. Se la classificazione è avro, lo schema fornito dovrà essere nel formato dello schema DDL.

      Di seguito sono riportati alcuni esempi di schema.

      Example in DDL schema format
      'column1' INT, 'column2' STRING , 'column3' FLOAT
      Example in Avro schema format
      {
"type":"array",
"items":
{
"type":"record",
"name":"test",
"fields":
[
  {
    "name":"_id",
    "type":"string"
  },
  {
    "name":"index",
    "type":
    [
      "int",
      "string",
      "float"
    ]
  }
]
}
}

    • "inferSchema": (facoltativo) il valore di default è "false". Se impostato su "true", lo schema verrà rilevato in fase di runtime dal payload all'interno di foreachbatch.

    • "avroSchema": (obsoleto) parametro utilizzato per specificare uno schema di dati Avro quando viene utilizzato il formato Avro. Questo parametro è obsoleto. Utilizzo del parametro schema.

    • "addRecordTimestamp": (Facoltativo) Quando questa opzione è impostata su "true", l'output dei dati conterrà una colonna aggiuntiva denominata "__src_timestamp" che indica l'ora in cui il record corrispondente è stato ricevuto dall'argomento. Il valore predefinito è "false". Questa opzione è supportata in AWS Glue versione 4.0 o successive.

    • "emitConsumerLagMetrics": (Facoltativo) Quando questa opzione è impostata su "true", per ogni batch, emetterà i parametri relativi alla durata tra il record più vecchio ricevuto dall'argomento e l'ora in cui arriva in AWS Glue a CloudWatch. Il nome del parametro è "glue.driver.streaming.maxConsumerLaginMs". Il valore predefinito è "false". Questa opzione è supportata in AWS Glue versione 4.0 o successive.

    Quando scrivi, utilizza le seguenti opzioni di connessione con "connectionType": "kafka":

    • "connectionName" (Obbligatorio) Nome della connessione Glue AWS utilizzata per connettersi al cluster Kafka (simile alla fonte Kafka).

    • "topic" (Obbligatorio) Se esiste una colonna di argomento, il suo valore viene utilizzato come argomento quando si scrive la riga specifica in Kafka, a meno che non sia impostata l'opzione di configurazione dell'argomento. In altre parole, l'opzione di configurazione topic sovrascrive la colonna dell'argomento.

    • "partition" (Facoltativo) Se viene specificato un numero di partizione valido, partition verrà utilizzato per l'invio del record.

      Se non viene specificata alcuna partizione ma è presente key, verrà scelta una partizione utilizzando un hash della chiave.

      Se né key né partition è presente, verrà scelta una partizione in base a sticky e il partizionamento avverrà quando alla partizione vengono generati almeno dei byte batch.size nella stessa.

    • "key" (Facoltativo) Utilizzato per il partizionamento se partition è nullo.

    • "classification" (Facoltativo) Il formato di file utilizzato dai dati nel record. Supportiamo solo JSON, CSV e Avro.

      Con il formato Avro, possiamo fornire un AvroSchema personalizzato con cui serializzare, ma tieni presente che questo deve essere fornito anche sul codice sorgente per la deserializzazione. Altrimenti, per impostazione predefinita utilizza Apache AvroSchema per la serializzazione.

    Inoltre, è possibile eseguire il fine-tuning del sink di Kafka in base alle esigenze aggiornando i parametri di configurazione del produttore di Kafka. Nota che non esiste un elenco delle opzioni di connessione consentite, tutte le coppie chiave-valore vengono mantenute nel sink così come sono.

    Tuttavia, esiste un piccolo elenco di opzioni di rifiuto che non avranno effetto. Per ulteriori informazioni, consulta le configurazioni specifiche di Kafka.

    Utilizzo delle connessioni Kinesis

    Puoi utilizzare una connessione Kinesis per leggere e scrivere su flussi di dati Amazon Kinesis utilizzando le informazioni archiviate in una tabella catalogo dati o fornendo informazioni per accedere direttamente al flusso di dati. Puoi leggere le informazioni da Kinesis in uno Spark DataFrame, quindi convertirle in un AWS Glue DynamicFrame. Puoi scrivere DynamicFrames su Kinesis in un formato JSON. Se accedi direttamente al flusso di dati, utilizza queste opzioni per fornire le informazioni su come accedere al flusso di dati.

    Se utilizzi getCatalogSource o create_data_frame_from_catalog per consumare i registri da una sorgente di streaming Kinesis, il processo avrà le informazioni sul database catalogo dati e sul nome della tabella, e potrà usarle per ottenere alcuni parametri di base per la lettura dalla sorgente di streaming Kinesis. Se utilizzi getSource, getSourceWithFormat, createDataFrameFromOptions o create_data_frame_from_options, dovrai specificare questi parametri di base utilizzando le opzioni di connessione descritte qui.

    È possibile specificare le opzioni di connessione per Kinesis utilizzando i seguenti argomenti per i metodi specificati nella classe GlueContext.

    • Scala

      • connectionOptions: utilizza con getSource, createDataFrameFromOptions e getSink

      • additionalOptions: utilizza con getCatalogSource, getCatalogSink

      • options: utilizza con getSourceWithFormat, getSinkWithFormat

    • Python

      • connection_options: utilizza con create_data_frame_from_options, write_dynamic_frame_from_options

      • additional_options: utilizza con create_data_frame_from_catalog, write_dynamic_frame_from_catalog

      • options: utilizza con getSource, getSink

    Per osservazioni e restrizioni sui processi ETL dei flussi di dati, consulta la pagina Streaming di note e restrizioni ETL.

    Configurazione di Kinesis

    Per connettersi a un flusso di dati Kinesis in un processo AWS Glue Spark, sono necessari alcuni prerequisiti:

    • In lettura, il processo AWS Glue deve disporre delle autorizzazioni IAM di livello di accesso in lettura per il flusso di dati Kinesis.

    • In scrittura, il processo AWS Glue deve disporre delle autorizzazioni IAM di livello di accesso in scrittura per il flusso di dati Kinesis.

    In alcuni casi, è necessario configurare ulteriori prerequisiti:

    • Se il tuo processo AWS Glue è configurato con connessioni di rete aggiuntive (in genere per connettersi ad altri set di dati) e una di queste connessioni offre opzioni di rete Amazon VPC, questo porterà il tuo processo a comunicare tramite Amazon VPC. In questo caso, per comunicare tramite Amazon VPC dovrai configurare anche il flusso di dati Kinesis. È possibile farlo creando un endpoint VPC di interfaccia tra l'Amazon VPC e il flusso di dati Kinesis. Per ulteriori informazioni, consulta la pagina Using Amazon Kinesis Data Streams with Interface VPC Endpoints.

    • Quando si specifica un flusso di dati Amazon Kinesis in un altro account, è necessario impostare i ruoli e le policy per consentire l'accesso multi-account. Per ulteriori informazioni, consulta Esempio: lettura da un flusso Kinesis in un account diverso.

    Per ulteriori informazioni sui prerequisiti dei processi ETL dei flussi di dati, consulta la pagina Aggiunta di processi di streaming ETL in AWS Glue.

    Lettura da Kinesis

    Esempio: lettura da flussi Kinesis

    Usato in combinazione con forEachBatch.

    Esempio per l'origine di streaming Amazon Kinesis:

    kinesis_options =
   { "streamARN": "arn:aws:kinesis:us-east-2:777788889999:stream/fromOptionsStream",
     "startingPosition": "TRIM_HORIZON", 
     "inferSchema": "true", 
     "classification": "json" 
   }
data_frame_datasource0 = glueContext.create_data_frame.from_options(connection_type="kinesis", connection_options=kinesis_options)

    Scrittura su Kinesis

    Esempio: scrittura su flussi Kinesis

    Usato in combinazione con forEachBatch. Il tuo DynamicFrame verrà scritto nel flusso in formato JSON. Se il processo non riesce a scrivere dopo diversi tentativi, riporterà un errore. Per impostazione predefinita, ogni record DynamicFrame viene inviato al flusso Kinesis singolarmente. È possibile configurare questo comportamento utilizzando aggregationEnabled e i parametri associati.

    Esempio di scrittura su Amazon Kinesis da un processo di streaming:

    Python
    glueContext.write_dynamic_frame.from_options(
    frame=frameToWrite
    connection_type="kinesis",
    connection_options={
        "partitionKey": "part1",
        "streamARN": "arn:aws:kinesis:us-east-1:111122223333:stream/streamName",
    }
)
    Scala
    glueContext.getSinkWithFormat(
                connectionType="kinesis",
                options=JsonOptions("""{
                    "streamARN": "arn:aws:kinesis:us-east-1:111122223333:stream/streamName",
                    "partitionKey": "part1"
                }"""), 
           )
           .writeDynamicFrame(frameToWrite)

    Parametri di connessione Kinesis

    Indica le opzioni di connessione ad Amazon Kinesis Data Streams.

    Utilizza le seguenti opzioni di connessione per le origini dati in streaming Kinesis:

    • "streamARN": (obbligatorio) utilizzato per la lettura/scrittura. L'ARN del flusso di dati di Kinesis.

    • "classification": (obbligatorio per la lettura) utilizzato per la lettura. Il formato di file utilizzato dai dati nel record. Obbligatorio, a meno che non sia fornito tramite Catalogo dati.

    • "streamName": (facoltativo) utilizzato per la lettura. Il nome di un flusso di dati Kinesis da cui leggere. Usato con endpointUrl.

    • "endpointUrl": (facoltativo) utilizzato per la lettura. Predefinito: "https://kinesis.us-east-1.amazonaws.com". L'endpoint AWS del flusso di Kinesis. Non è necessario modificarlo a meno che non ci si stia connettendo a una regione speciale.

    • "partitionKey": (facoltativo) utilizzato per la scrittura. La chiave di partizione di Kinesis utilizzata per la produzione dei record.

    • "delimiter": (facoltativo) utilizzato per la lettura. Il separatore di valori utilizzato quando classification è CSV. Il valore predefinito è ",".

    • "startingPosition": (facoltativo) utilizzato per la lettura. La posizione di partenza nel flusso dei dati Kinesis da cui leggere i dati. I valori possibili sono "latest", "trim_horizon", "earliest" o una stringa di timestamp in formato UTC con il modello yyyy-mm-ddTHH:MM:SSZ, dove Z rappresenta uno scostamento del fuso orario UTC con un +/- (ad esempio: "2023-04-04T08:00:00-04:00"). Il valore predefinito è "latest". Nota: la stringa Timestamp in formato UTC per "startingPosition" è supportata solo per AWS Glue versione 4.0 o successiva.

    • "failOnDataLoss": (facoltativo) non è possibile eseguire il processo se una partizione attiva è mancante o scaduta. Il valore predefinito è "false".

    • "awsSTSRoleARN": (facoltativo) utilizzato per la lettura/scrittura. Il nome della risorsa Amazon (ARN) del ruolo da assumere utilizzando AWS Security Token Service (AWS STS). Questo ruolo deve disporre delle autorizzazioni per descrivere o leggere le operazioni dei registri per il flusso di dati Kinesis. Quando si accede a un flusso di dati in un altro account, è necessario utilizzare questo parametro. Usato in combinazione con "awsSTSSessionName".

    • "awsSTSSessionName": (facoltativo) utilizzato per la lettura/scrittura. Un identificatore della sessione che assume il ruolo usando AWS STS. Quando si accede a un flusso di dati in un altro account, è necessario utilizzare questo parametro. Usato in combinazione con "awsSTSRoleARN".

    • "awsSTSEndpoint": (facoltativo) l'endpoint AWS STS da utilizzare quando ci si connette a Kinesis con un ruolo assunto. Ciò consente di utilizzare l'endpoint AWS STS regionale in un VPC, cosa non possibile con l'endpoint globale predefinito.

    • "maxFetchTimeInMs": (facoltativo) utilizzato per la lettura. Il tempo massimo impiegato perché l'esecutore del processo legga i record della batch attuale dal flusso di dati Kinesis, specificato in millisecondi (ms). Entro questo periodo possono essere effettuate più chiamate API GetRecords. Il valore predefinito è 1000.

    • "maxFetchRecordsPerShard": (facoltativo) utilizzato per la lettura. Il numero massimo di registri da recuperare per shard nel flusso di dati Kinesis per microbatch. Nota: il client può superare questo limite se il lavoro di streaming ha già letto i record aggiuntivi da Kinesis (nella stessa chiamata get-records). Se maxFetchRecordsPerShard deve essere rigoroso, allora deve essere un multiplo di maxRecordPerRead. Il valore predefinito è 100000.

    • "maxRecordPerRead": (facoltativo) utilizzato per la lettura. Il numero massimo di record da recuperare nel flusso di dati Kinesis in ciascuna operazione getRecords. Il valore predefinito è 10000.

    • "addIdleTimeBetweenReads": (facoltativo) utilizzato per la lettura. Aggiunge un ritardo tra due operazioni consecutive getRecords. Il valore predefinito è "False". Questa opzione è configurabile solo per Glue versione 2.0 e successive.

    • "idleTimeBetweenReadsInMs": (facoltativo) utilizzato per la lettura. Il ritardo minimo tra due operazioni consecutive getRecords, specificato in ms. Il valore predefinito è 1000. Questa opzione è configurabile solo per Glue versione 2.0 e successive.

    • "describeShardInterval": (facoltativo) utilizzato per la lettura. L'intervallo di tempo minimo tra due chiamate API ListShards affinché lo script consideri il resharding. Per ulteriori informazioni, consulta Strategie per il resharding nella Guida per gli sviluppatori di Amazon Kinesis Data Streams. Il valore predefinito è 1s.

    • "numRetries": (facoltativo) utilizzato per la lettura. Il numero massimo di tentativi per le richieste API Kinesis Data Streams. Il valore predefinito è 3.

    • "retryIntervalMs": (facoltativo) utilizzato per la lettura. Il periodo di raffreddamento (specificato in ms) prima di riprovare la chiamata API Kinesis Data Streams. Il valore predefinito è 1000.

    • "maxRetryIntervalMs": (facoltativo) utilizzato per la lettura. Il periodo di raffreddamento (specificato in ms) tra due tentativi di chiamata API Kinesis Data Streams. Il valore predefinito è 10000.

    • "avoidEmptyBatches": (facoltativo) utilizzato per la lettura. Impedisce la creazione di un processo microbatch vuoto controllando la presenza di dati non letti nel flusso dei dati Kinesis prima che il batch venga avviato. Il valore predefinito è "False".

    • "schema": (obbligatorio quando inferSchema è impostato su falso) utilizzato per la lettura. Lo schema da utilizzare per elaborare il payload. Se la classificazione è avro, lo schema fornito dovrà essere nel formato dello schema Avro. Se la classificazione è avro, lo schema fornito dovrà essere nel formato dello schema DDL.

      Di seguito sono riportati alcuni esempi di schema.

      Example in DDL schema format
      `column1` INT, `column2` STRING , `column3` FLOAT
      Example in Avro schema format
      {
  "type":"array",
  "items":
  {
    "type":"record",
    "name":"test",
    "fields":
    [
      {
        "name":"_id",
        "type":"string"
      },
      {
        "name":"index",
        "type":
        [
          "int",
          "string",
          "float"
        ]
      }
    ]
  }
}

    • "inferSchema": (facoltativo) utilizzato per la lettura. Il valore predefinito è "false". Se impostato su "true", lo schema verrà rilevato in fase di runtime dal payload all'interno di foreachbatch.

    • "avroSchema": (obsoleto) utilizzato per la lettura. Parametro utilizzato per specificare uno schema di dati Avro quando viene utilizzato il formato Avro. Questo parametro è obsoleto. Utilizzo del parametro schema.

    • "addRecordTimestamp": (facoltativo) utilizzato per la lettura. Quando questa opzione è impostata su "true", l'output dei dati conterrà una colonna aggiuntiva denominata "__src_timestamp" che indica l'ora in cui il record corrispondente è stato ricevuto dal flusso. Il valore predefinito è "false". Questa opzione è supportata in AWS Glue versione 4.0 o successive.

    • "emitConsumerLagMetrics": (facoltativo) utilizzato per la lettura. Quando l'opzione è impostata su "true", per ogni batch, emetterà i parametri relativi alla durata tra il record più vecchio ricevuto dal flusso e l'ora in cui arriva in AWS Glue a CloudWatch. Il nome del parametro è "glue.driver.streaming.maxConsumerLaginMs". Il valore predefinito è "false". Questa opzione è supportata in AWS Glue versione 4.0 o successive.

    • "fanoutConsumerARN": (facoltativo) utilizzato per la lettura. L'ARN di un consumatore di un flusso Kinesis per il flusso specificato in streamARN. Utilizzato per abilitare la modalità di fan-out avanzato per la connessione Kinesis. Per ulteriori informazioni sull'utilizzo di un flusso Kinesis con fan-out avanzato, consulta la pagina Utilizzo del fan-out avanzato nei processi di flussi di dati Kinesis.

    • "recordMaxBufferedTime": (facoltativo) utilizzato per la scrittura. Predefinito: 1000 (ms). Tempo massimo di memorizzazione nel buffer di un record in attesa di essere scritto.

    • "aggregationEnabled": (facoltativo) utilizzato per la scrittura. Default: true (VERO). Speciifica se i record devono essere aggregati prima di inviarli a Kinesis.

    • "aggregationMaxSize": (facoltativo) utilizzato per la scrittura. Impostazione predefinita: 51200 (byte). Se un record è superiore a questo limite, ignorerà l'aggregatore. Ricorda che Kinesis impone un limite di 50 KB alla dimensione del record. Se imposti questo valore oltre i 50 KB, i record di grandi dimensioni verranno rifiutati da Kinesis.

    • "aggregationMaxCount": (facoltativo) utilizzato per la scrittura. Predefinito: 4294967295. Numero massimo di voci da inserire in un record aggregato.

    • "producerRateLimit": (facoltativo) utilizzato per la scrittura. Predefinito: 150 (%). Limita la velocità di trasmissione effettiva per partizione inviata da un singolo produttore (ad esempio, il tuo processo), come percentuale del limite di backend.

    • "collectionMaxCount": (facoltativo) utilizzato per la scrittura. Predefinito: 500. Numero massimo di voci da inserire in una richiesta PutRecords.

    • "collectionMaxSize": (facoltativo) utilizzato per la scrittura. Impostazione predefinita: 5242880 (byte). Quantità massima di dati da inviare con una richiesta PutRecords.