# Amazon S3 Tables Catalog for Apache Iceberg を使用した Amazon S3 テーブルへのアクセス
<a name="s3-tables-client-catalog"></a>

Amazon S3 Tables Catalog for Apache Spark クライアントカタログを使用して、Apache Iceberg のようなオープンソースクエリエンジンから S3 テーブルにアクセスできます。Amazon S3 Tables Catalog for Apache Iceberg は、AWS Labs がホストするオープンソースライブラリです。これは、クエリエンジン内の Apache Iceberg オペレーション (テーブル検出、メタデータの更新、テーブルの追加または削除など) を S3 Tables API オペレーションに変換することで機能します。

Amazon S3 Tables Catalog for Apache Iceberg は、`s3-tables-catalog-for-iceberg.jar` という Maven JAR として配布されています。クライアントカタログ JAR は、[AWS Labs GitHub リポジトリ](https://github.com/awslabs/s3-tables-catalog)から構築するか、[Maven](https://mvnrepository.com/artifact/software.amazon.s3tables/s3-tables-catalog-for-iceberg) からダウンロードできます。テーブルに接続する際、Apache Iceberg 用の Spark セッションを初期化するときに、クライアントカタログ JAR が依存関係として使用されます。

## Apache Spark での Amazon S3 Tables Catalog for Apache Iceberg の使用
<a name="s3-tables-integrating-open-source-spark"></a>

Spark セッションを初期化するときに、Amazon S3 Tables Catalog for Apache Iceberg クライアントカタログを使用して、オープンソースアプリケーションからテーブルに接続できます。セッション設定で Iceberg と Amazon S3 の依存関係を指定し、テーブルバケットをメタデータウェアハウスとして使用するカスタムカタログを作成します。

****前提条件****
+ テーブルバケットと S3 Tables アクションへのアクセス権を持つ IAM ID。詳細については、「[S3 Tables のアクセス管理](s3-tables-setting-up.md)」を参照してください。

**Amazon S3 Tables Catalog for Apache Iceberg を使用して Spark セッションを初期化するには**
+ 次のコマンドを使用して Spark を初期化します。コマンドを使用するには、Amazon S3 Tables Catalog for Apache Iceberg の*バージョン番号*を [AWS Labs GitHub リポジトリ](https://github.com/awslabs/s3-tables-catalog)の最新バージョンに置き換え、*テーブルバケット ARN* を実際のテーブルバケット ARN に置き換えます。

  ```
  spark-shell \
  --packages org.apache.iceberg:iceberg-spark-runtime-3.5_2.12:1.6.1,software.amazon.s3tables:s3-tables-catalog-for-iceberg-runtime:0.1.4 \
  --conf spark.sql.catalog.s3tablesbucket=org.apache.iceberg.spark.SparkCatalog \
  --conf spark.sql.catalog.s3tablesbucket.catalog-impl=software.amazon.s3tables.iceberg.S3TablesCatalog \
  --conf spark.sql.catalog.s3tablesbucket.warehouse=arn:aws:s3tables:us-east-1:111122223333:bucket/amzn-s3-demo-table-bucket \
  --conf spark.sql.extensions=org.apache.iceberg.spark.extensions.IcebergSparkSessionExtensions
  ```

### Spark SQL を使用した S3 テーブルのクエリ
<a name="query-with-spark"></a>

Spark を使用すると、S3 テーブルで DQL、DML、DDL オペレーションを実行できます。テーブルをクエリするときは、セッションカタログ名を含む完全修飾テーブル名を次のパターンに従って使用します。

`CatalogName.NamespaceName.TableName`

次のクエリ例は、S3 テーブルを操作するいくつかの方法を示しています。クエリエンジンでこれらのサンプルクエリを使用するには、*ユーザー入力プレースホルダー*値を実際の値に置き換えます。

**Spark を使用してテーブルをクエリするには**
+  名前空間を作成します。

  ```
  spark.sql(" CREATE NAMESPACE IF NOT EXISTS s3tablesbucket.my_namespace")
  ```
+ テーブルを作成する

  ```
  spark.sql(" CREATE TABLE IF NOT EXISTS s3tablesbucket.my_namespace.`my_table` 
  ( id INT, name STRING, value INT ) USING iceberg ")
  ```
+ テーブルに対してクエリを実行する

  ```
  spark.sql(" SELECT * FROM s3tablesbucket.my_namespace.`my_table` ").show()
  ```
+ テーブルにデータを挿入する

  ```
  spark.sql(
  """
      INSERT INTO s3tablesbucket.my_namespace.my_table 
      VALUES 
          (1, 'ABC', 100), 
          (2, 'XYZ', 200)
  """)
  ```
+ テーブルに既存のデータファイルをロードする

  1. データを Spark に読み取ります。

     ```
     val data_file_location = "Path such as S3 URI to data file"
     val data_file = spark.read.parquet(data_file_location)
     ```

  1. データを Iceberg テーブルに書き込みます。

     ```
     data_file.writeTo("s3tablesbucket.my_namespace.my_table").using("Iceberg").tableProperty ("format-version", "2").createOrReplace()
     ```