# AWS Glue を使用した Amazon S3 テーブルでの ETL ジョブの実行 AWS Glue は、分析を行うユーザーが複数のソースからのデータを簡単に検出、準備、移動、統合できるようにするサーバーレスのデータ統合サービスです。AWS Glue ジョブを使用して抽出、変換、ロード (ETL) パイプラインを実行し、データをデータレイクにロードできます。AWS Glue の詳細については、*AWS Glue デベロッパーガイド* の「[What is AWS Glue?](https://docs.aws.amazon.com//glue/latest/dg/what-is-glue.html)」を参照してください。 AWS Glue ジョブには、ソースデータに接続して処理し、データターゲットに書き出すスクリプトがカプセル化されています。通常、ジョブは、抽出、変換、ロード (ETL) スクリプトを実行します。ジョブは、Apache Spark ランタイム環境向けに設計されたスクリプトを実行できます。ジョブ実行をモニタリングすると、完了ステータス、継続時間、開始時間などのランタイムメトリクスを知ることができます。 AWS Glue のジョブを使用して S3 テーブルのデータを処理するには、AWS 分析サービスとの統合を通じてテーブルに接続するか、Amazon S3 Tables の Iceberg REST エンドポイントまたは Apache Iceberg の Amazon S3 Tables カタログを使用して直接接続します。このガイドでは、S3 Tables で AWS Glue の使用を開始するための基本的な手順を示します。 **Topics** + [ステップ 1 - 前提条件](#glue-etl-prereqs) + [ステップ 2 - テーブルバケットに接続するスクリプトを作成する](#glue-etl-script) + [ステップ 3 - テーブルをクエリする AWS Glue ジョブを作成する](#glue-etl-job) 特定の AWS Glue ETL ジョブ要件に基づいてアクセス方法を選択します。 + **AWS 分析サービス統合 (推奨)** – 複数の AWS 分析サービス間で一元化されたメタデータ管理が必要な場合、既存の AWS Glue Data Catalog アクセス許可と オプションで Lake Formation を活用する必要がある場合、または Athena や Amazon EMR などの他の AWS サービスと統合する本番環境の ETL パイプラインを構築している場合に推奨されます。 + **Amazon S3 Tables Iceberg REST エンドポイント** – Apache Iceberg をサポートするサードパーティーのクエリエンジンから S3 テーブルに接続する場合、REST API の直接アクセスを必要とするカスタム ETL アプリケーションを構築する場合、AWS Glue Data Catalog に依存せずにカタログオペレーションを制御する必要がある場合に推奨されます。 + **Amazon S3 Tables Catalog for Apache Iceberg** – Java クライアントライブラリを必要とするレガシーアプリケーションまたは特定のプログラムシナリオにのみ使用します。この方法は、追加の `JAR` 依存関係管理と複雑さが伴うため、新しい AWS Glue ETL ジョブの実装にはお勧めしません。 **注記** S3 Tables は、[AWS Glue バージョン 5.0 以降](https://docs.aws.amazon.com//glue/latest/dg/release-notes.html)でサポートされています。 ## ステップ 1 - 前提条件 AWS Glue ジョブでテーブルをクエリする前に、AWS Glue がジョブの実行に使用できる IAM ロールを設定する必要があります。アクセス方法を選択すると、その方法の特定の前提条件が表示されます。 ------ #### [ AWS analytics services integration (Recommended) ] S3 Tables AWS 分析統合を使用して AWS Glue ジョブを実行するために必要な前提条件。 + [テーブルバケットを AWS 分析サービスと統合します](s3-tables-integrating-aws.md)。 + [ 用の IAM ロールを作成します。AWS Glue](https://docs.aws.amazon.com//glue/latest/dg/create-an-iam-role.html) + `AmazonS3TablesFullAccess` 管理ポリシーをロールにアタッチします。 + `AmazonS3FullAccess` 管理ポリシーをロールにアタッチします。 ------ #### [ Amazon S3 Tables Iceberg REST endpoint ] Amazon S3 Tables Iceberg REST エンドポイントを使用して AWS Glue ETL ジョブを実行するための前提条件。 + [ 用の IAM ロールを作成します。AWS Glue](https://docs.aws.amazon.com//glue/latest/dg/create-an-iam-role.html) + `AmazonS3TablesFullAccess` 管理ポリシーをロールにアタッチします。 + `AmazonS3FullAccess` 管理ポリシーをロールにアタッチします。 ------ #### [ Amazon S3 Tables Catalog for Apache Iceberg ] 前提条件では、Amazon S3 Tables Catalog for Apache Iceberg を使用して AWS Glue ETL ジョブを実行します。 + [ 用の IAM ロールを作成します。AWS Glue](https://docs.aws.amazon.com//glue/latest/dg/create-an-iam-role.html) + `AmazonS3TablesFullAccess` 管理ポリシーをロールにアタッチします。 + `AmazonS3FullAccess` 管理ポリシーをロールにアタッチします。 + Amazon S3 Tables Catalog for Apache Iceberg を使用する場合は、クライアントカタログ JAR をダウンロードして S3 バケットにアップロードする必要があります。 ****カタログ JAR のダウンロード**** 1. [Maven Central](https://mvnrepository.com/artifact/software.amazon.s3tables/s3-tables-catalog-for-iceberg-runtime) で最新バージョンを検索します。ブラウザまたは次のコマンドを使用して、Maven central から JAR をダウンロードできます。必ず{{バージョン番号}}を最新バージョンに置き換えてください。 ``` wget https://repo1.maven.org/maven2/software/amazon/s3tables/s3-tables-catalog-for-iceberg-runtime/{{0.1.5}}/s3-tables-catalog-for-iceberg-runtime-{{0.1.5.jar}} ``` 1. ダウンロードした JAR を、AWS Glue IAM ロールがアクセスできる S3 バケットにアップロードします。JAR をアップロードするには、次の AWS CLI コマンドを実行します。{{バージョン番号}}を最新バージョンに置き換え、{{バケット名}}と{{パス}}を独自のものに置き換えます。 ``` aws s3 cp s3-tables-catalog-for-iceberg-runtime-{{0.1.5}}.jar s3://{{amzn-s3-demo-bucket}}{{/jars/}} ``` ------ ## ステップ 2 - テーブルバケットに接続するスクリプトを作成する AWS Glue ETL ジョブの実行時にテーブルデータにアクセスするには、S3 テーブルバケットに接続する Apache Iceberg の Spark セッションを設定します。既存のスクリプトを変更してテーブルバケットに接続するか、新しいスクリプトを作成できます。AWS Glue スクリプトの作成の詳細については、「*AWS Glue デベロッパーガイド*」の「[チュートリアル: AWS Glue for Spark スクリプトの記述](https://docs.aws.amazon.com/glue/latest/dg/aws-glue-programming-intro-tutorial.html)」を参照してください。 次の S3 Tables アクセス方法のいずれかを使用して、テーブルバケットに接続するようにセッションを設定できます。 + S3 Tables AWS 分析サービスの統合 (推奨) + Amazon S3 Tables の Iceberg REST エンドポイント + Apache Iceberg の Amazon S3 Tables カタログ セットアップ手順と設定例を表示するには、次のアクセス方法から選択します。 ------ #### [ AWS analytics services integration (Recommended) ] AWS 分析サービス統合を使用して AWS Glue の Spark でテーブルをクエリするための前提条件として、[テーブルバケットを AWS 分析サービスと統合](s3-tables-integrating-aws.md)する必要があります。 テーブルバケットへの接続は、ジョブの Spark セッションを使用するか、インタラクティブセッションの AWS Glue Studio マジックを使用して設定できます。以下の例を使用するには、{{プレースホルダー値}}を独自のテーブルバケットの情報に置き換えます。 **PySpark スクリプトの使用** PySpark スクリプトで次のコードスニペットを使用して、統合を通じてテーブルバケットに接続するように AWS Glue ジョブを設定します。 ``` spark = SparkSession.builder.appName("SparkIcebergSQL") \ .config("spark.jars.packages", "org.apache.iceberg:iceberg-spark-runtime-3.4_2.12:1.4.2") \ .config("spark.sql.extensions", "org.apache.iceberg.spark.extensions.IcebergSparkSessionExtensions") \ .config("spark.sql.defaultCatalog","s3tables") \ .config("spark.sql.catalog.s3tables", "org.apache.iceberg.spark.SparkCatalog") \ .config("spark.sql.catalog.s3tables.catalog-impl", "org.apache.iceberg.aws.glue.GlueCatalog") \ .config("spark.sql.catalog.s3tables.glue.id", "{{111122223333}}:s3tablescatalog/{{amzn-s3-demo-table-bucket}}") \ .config("spark.sql.catalog.s3tables.warehouse", "s3://{{amzn-s3-demo-table-bucket}}/warehouse/") \ .getOrCreate() ``` **インタラクティブな AWS Glue セッションの使用** AWS Glue 5.0 でインタラクティブなノートブックセッションを使用する場合は、コードの実行前にセルで `%%configure` マジックを使用して同じ設定を指定します。 ``` %%configure {"conf": "spark.sql.extensions=org.apache.iceberg.spark.extensions.IcebergSparkSessionExtensions --conf spark.sql.defaultCatalog=s3tables --conf spark.sql.catalog.s3tables=org.apache.iceberg.spark.SparkCatalog --conf spark.sql.catalog.s3tables.catalog-impl=org.apache.iceberg.aws.glue.GlueCatalog --conf spark.sql.catalog.s3tables.glue.id={{111122223333}}:s3tablescatalog/{{amzn-s3-demo-table-bucket}} --conf spark.sql.catalog.s3tables.warehouse=s3://{{amzn-s3-demo-table-bucket}}/warehouse/"} ``` ------ #### [ Amazon S3 Tables Iceberg REST endpoint ] テーブルバケットへの接続を設定するには、ジョブの Spark セッションを使用するか、インタラクティブセッションの AWS Glue Studio マジックを使用できます。以下の例を使用するには、{{プレースホルダー値}}を独自のテーブルバケットの情報に置き換えます。 **PySpark スクリプトの使用** 次のコードスニペットを PySpark スクリプトで使用して、エンドポイントを通じてテーブルバケットに接続するように AWS Glue ジョブを設定します。 ``` spark = SparkSession.builder.appName("glue-s3-tables-rest") \ .config("spark.jars.packages", "org.apache.iceberg:iceberg-spark-runtime-3.4_2.12:1.4.2") \ .config("spark.sql.extensions", "org.apache.iceberg.spark.extensions.IcebergSparkSessionExtensions") \ .config("spark.sql.defaultCatalog", "s3_rest_catalog") \ .config("spark.sql.catalog.s3_rest_catalog", "org.apache.iceberg.spark.SparkCatalog") \ .config("spark.sql.catalog.s3_rest_catalog.type", "rest") \ .config("spark.sql.catalog.s3_rest_catalog.uri", "https://s3tables.{{Region}}.amazonaws.com/iceberg") \ .config("spark.sql.catalog.s3_rest_catalog.warehouse", "arn:aws:s3tables:{{Region}}:{{111122223333}}:bucket/{{amzn-s3-demo-table-bucket}}") \ .config("spark.sql.catalog.s3_rest_catalog.rest.sigv4-enabled", "true") \ .config("spark.sql.catalog.s3_rest_catalog.rest.signing-name", "s3tables") \ .config("spark.sql.catalog.s3_rest_catalog.rest.signing-region", "{{Region}}") \ .config('spark.sql.catalog.s3_rest_catalog.io-impl','org.apache.iceberg.aws.s3.S3FileIO') \ .config('spark.sql.catalog.s3_rest_catalog.rest-metrics-reporting-enabled','false') \ .getOrCreate() ``` **インタラクティブな AWS Glue セッションの使用** AWS Glue 5.0 でインタラクティブなノートブックセッションを使用する場合は、コードの実行前にセルで `%%configure` マジックを使用して同じ設定を指定します。プレースホルダー値を独自のテーブルバケットの情報に置き換えます。 ``` %%configure {"conf": "spark.sql.extensions=org.apache.iceberg.spark.extensions.IcebergSparkSessionExtensions --conf spark.sql.defaultCatalog=s3_rest_catalog --conf spark.sql.catalog.s3_rest_catalog=org.apache.iceberg.spark.SparkCatalog --conf spark.sql.catalog.s3_rest_catalog.type=rest --conf spark.sql.catalog.s3_rest_catalog.uri=https://s3tables.{{Region}}.amazonaws.com/iceberg --conf spark.sql.catalog.s3_rest_catalog.warehouse=arn:aws:s3tables:{{Region}}:{{111122223333}}:bucket/{{amzn-s3-demo-table-bucket}} --conf spark.sql.catalog.s3_rest_catalog.rest.sigv4-enabled=true --conf spark.sql.catalog.s3_rest_catalog.rest.signing-name=s3tables --conf spark.sql.catalog.s3_rest_catalog.rest.signing-region={{Region}} --conf spark.sql.catalog.s3_rest_catalog.io-impl=org.apache.iceberg.aws.s3.S3FileIO --conf spark.sql.catalog.s3_rest_catalog.rest-metrics-reporting-enabled=false"} ``` ------ #### [ Amazon S3 Tables Catalog for Apache Iceberg ] Apache Iceberg で Amazon S3 Tables カタログを使用してテーブルに接続するための前提条件として、まず最新のカタログ jar をダウンロードして S3 バケットにアップロードする必要があります。次に、ジョブの作成時に、クライアントカタログ JAR へのパスを特別なパラメータとして追加します。AWS Glue のジョブパラメータの詳細については、「*AWS Glue Developer Guide*」の「[Special parameters used in AWS Glue jobs](https://docs.aws.amazon.com/glue/latest/dg/aws-glue-programming-etl-glue-arguments.html)」を参照してください。 テーブルバケットへの接続を設定するには、ジョブの Spark セッションを使用するか、インタラクティブセッションの AWS Glue Studio マジックを使用できます。以下の例を使用するには、{{プレースホルダー値}}を独自のテーブルバケットの情報に置き換えます。 **PySpark スクリプトの使用** 次のコードスニペットを PySpark スクリプトで使用して、JAR を通じてテーブルバケットに接続するように AWS Glue ジョブを設定します。プレースホルダー値を独自のテーブルバケットの情報に置き換えます。 ``` spark = SparkSession.builder.appName("glue-s3-tables") \ .config("spark.jars.packages", "org.apache.iceberg:iceberg-spark-runtime-3.4_2.12:1.4.2") \ .config("spark.sql.extensions", "org.apache.iceberg.spark.extensions.IcebergSparkSessionExtensions") \ .config("spark.sql.defaultCatalog", "s3tablesbucket") \ .config("spark.sql.catalog.s3tablesbucket", "org.apache.iceberg.spark.SparkCatalog") \ .config("spark.sql.catalog.s3tablesbucket.catalog-impl", "software.amazon.s3tables.iceberg.S3TablesCatalog") \ .config("spark.sql.catalog.s3tablesbucket.warehouse", "arn:aws:s3tables:{{Region}}:111122223333:bucket/{{amzn-s3-demo-table-bucket}}") \ .getOrCreate() ``` **インタラクティブな AWS Glue セッションの使用** AWS Glue 5.0 でインタラクティブなノートブックセッションを使用する場合は、コードの実行前にセルで `%%configure` マジックを使用して同じ設定を指定します。プレースホルダー値を独自のテーブルバケットの情報に置き換えます。 ``` %%configure {"conf": "spark.sql.extensions=org.apache.iceberg.spark.extensions.IcebergSparkSessionExtensions --conf spark.sql.defaultCatalog=s3tablesbucket --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:{{Region}}:111122223333:bucket/{{amzn-s3-demo-table-bucket}}", "extra-jars": "s3://{{amzn-s3-demo-bucket}}/jars/s3-tables-catalog-for-iceberg-runtime-{{0.1.5}}.jar"} ``` ------ ### サンプルスクリプト 以下のサンプル PySpark スクリプトは、AWS Glue ジョブで S3 テーブルへのクエリをテストするために使用できます。各スクリプトはテーブルバケットに接続し、新しい名前空間の作成、サンプルテーブルの作成、テーブルへのデータの挿入、テーブルデータの取得を行うためのクエリを実行します。スクリプトを使用するには、{{プレースホルダー値}}を独自のテーブルバケットの情報に置き換えます。 S3 Tables のアクセス方法に応じて、以下のスクリプトから選択します。 ------ #### [ S3 Tables integration with AWS analytics services ] ``` from pyspark.sql import SparkSession spark = SparkSession.builder.appName("SparkIcebergSQL") \ .config("spark.jars.packages", "org.apache.iceberg:iceberg-spark-runtime-3.4_2.12:1.4.2") \ .config("spark.sql.extensions", "org.apache.iceberg.spark.extensions.IcebergSparkSessionExtensions") \ .config("spark.sql.defaultCatalog","s3tables") .config("spark.sql.catalog.s3tables", "org.apache.iceberg.spark.SparkCatalog") \ .config("spark.sql.catalog.s3tables.catalog-impl", "org.apache.iceberg.aws.glue.GlueCatalog") \ .config("spark.sql.catalog.s3tables.glue.id", "{{111122223333}}:s3tablescatalog/{{amzn-s3-demo-table-bucket}}") \ .config("spark.sql.catalog.s3tables.warehouse", "s3://{{amzn-s3-demo-table-bucket}}/bucket/{{amzn-s3-demo-table-bucket}}") \ .getOrCreate() namespace = "{{new_namespace}}" table = "{{new_table}}" spark.sql("SHOW DATABASES").show() spark.sql(f"DESCRIBE NAMESPACE {namespace}").show() spark.sql(f""" CREATE TABLE IF NOT EXISTS {namespace}.{table} ( id INT, name STRING, value INT ) """) spark.sql(f""" INSERT INTO {namespace}.{table} VALUES (1, 'ABC', 100), (2, 'XYZ', 200) """) spark.sql(f"SELECT * FROM {namespace}.{table} LIMIT 10").show() ``` ------ #### [ Amazon S3 Tables Iceberg REST endpoint ] ``` from pyspark.sql import SparkSession spark = SparkSession.builder.appName("glue-s3-tables-rest") \ .config("spark.jars.packages", "org.apache.iceberg:iceberg-spark-runtime-3.4_2.12:1.4.2") \ .config("spark.sql.extensions", "org.apache.iceberg.spark.extensions.IcebergSparkSessionExtensions") \ .config("spark.sql.defaultCatalog", "s3_rest_catalog") \ .config("spark.sql.catalog.s3_rest_catalog", "org.apache.iceberg.spark.SparkCatalog") \ .config("spark.sql.catalog.s3_rest_catalog.type", "rest") \ .config("spark.sql.catalog.s3_rest_catalog.uri", "https://s3tables.{{Region}}.amazonaws.com/iceberg") \ .config("spark.sql.catalog.s3_rest_catalog.warehouse", "arn:aws:s3tables:{{Region}}:{{111122223333}}:bucket/{{amzn-s3-demo-table-bucket}}") \ .config("spark.sql.catalog.s3_rest_catalog.rest.sigv4-enabled", "true") \ .config("spark.sql.catalog.s3_rest_catalog.rest.signing-name", "s3tables") \ .config("spark.sql.catalog.s3_rest_catalog.rest.signing-region", "{{Region}}") \ .config('spark.sql.catalog.s3_rest_catalog.io-impl','org.apache.iceberg.aws.s3.S3FileIO') \ .config('spark.sql.catalog.s3_rest_catalog.rest-metrics-reporting-enabled','false') \ .getOrCreate() namespace = "{{s3_tables_rest_namespace}}" table = "{{new_table_s3_rest}}" spark.sql("SHOW DATABASES").show() spark.sql(f"DESCRIBE NAMESPACE {namespace}").show() spark.sql(f""" CREATE TABLE IF NOT EXISTS {namespace}.{table} ( id INT, name STRING, value INT ) """) spark.sql(f""" INSERT INTO {namespace}.{table} VALUES (1, 'ABC', 100), (2, 'XYZ', 200) """) spark.sql(f"SELECT * FROM {namespace}.{table} LIMIT 10").show() ``` ------ #### [ Amazon S3 Tables Catalog for Apache Iceberg ] ``` from pyspark.sql import SparkSession #Spark session configurations spark = SparkSession.builder.appName("glue-s3-tables") \ .config("spark.jars.packages", "org.apache.iceberg:iceberg-spark-runtime-3.4_2.12:1.4.2") \ .config("spark.sql.extensions", "org.apache.iceberg.spark.extensions.IcebergSparkSessionExtensions") \ .config("spark.sql.defaultCatalog", "s3tablesbucket") \ .config("spark.sql.catalog.s3tablesbucket", "org.apache.iceberg.spark.SparkCatalog") \ .config("spark.sql.catalog.s3tablesbucket.catalog-impl", "software.amazon.s3tables.iceberg.S3TablesCatalog") \ .config("spark.sql.catalog.s3tablesbucket.warehouse", "arn:aws:s3tables:{{Region}}:{{111122223333}}:bucket/{{amzn-s3-demo-table-bucket}}") \ .getOrCreate() #Script namespace = "{{new_namespace}}" table = "{{new_table}}" spark.sql(f"CREATE NAMESPACE IF NOT EXISTS s3tablesbucket.{namespace}") spark.sql(f"DESCRIBE NAMESPACE {namespace}").show() spark.sql(f""" CREATE TABLE IF NOT EXISTS {namespace}.{table} ( id INT, name STRING, value INT ) """) spark.sql(f""" INSERT INTO {namespace}.{table} VALUES (1, 'ABC', 100), (2, 'XYZ', 200) """) spark.sql(f"SELECT * FROM {namespace}.{table} LIMIT 10").show() ``` ------ ## ステップ 3 - テーブルをクエリする AWS Glue ジョブを作成する 次の手順は、S3 テーブルバケットに接続する AWS Glue ジョブの設定方法を示しています。これを行うには、AWS CLI を使用するか、コンソールで AWS Glue Studio スクリプトエディタを使用します。詳細については、「*AWS Glue ユーザーガイド*」の「[AWS Glue でジョブを作成する](https://docs.aws.amazon.com/glue/latest/dg/author-job-glue.html)」を参照してください。 ### AWS Glue Studio スクリプトエディタの使用 次の手順は、AWS Glue Studio スクリプトエディタを使用して S3 テーブルをクエリする ETL ジョブを作成する方法を示しています。 **前提条件** + [ステップ 1 - 前提条件](#glue-etl-prereqs) + [ステップ 2 - テーブルバケットに接続するスクリプトを作成する](#glue-etl-script) 1. [https://console.aws.amazon.com/glue/](https://console.aws.amazon.com/glue/) で AWS Glue コンソール を開きます。 1. ナビゲーションペインで、**[ETL ジョブ]** を選択します。 1. **[スクリプトエディタ]** を選択し、**[スクリプトのアップロード]** を選択し、S3 テーブルをクエリするために作成した PySpark スクリプトをアップロードします。 1. **[ジョブの詳細]** タブを選択し、**[基本プロパティ]** に次のように入力します。 + **[名前]** で、ジョブの名前を入力します。 + **[IAM ロール]** で、作成した AWS Glue ロールを選択します。 1. (オプション) Amazon S3 Tables カタログを Apache Iceberg のアクセス方法として使用する場合は、**[詳細プロパティ]** を展開し、**[依存 JARS パス]** に、S3 バケットにアップロードしたクライアントカタログ jar の S3 URI を前提条件として入力します。例: s3://{{amzn-s3-demo-bucket1}}/{{jars}}/s3-tables-catalog-for-iceberg-runtime-{{0.1.5}}.jar 1. **[保存]** を選択してジョブを作成します。 1. **[実行]** を選択してジョブを開始し、**[実行]** タブでジョブのステータスを確認します。 ### の使用AWS CLI 次の手順は、AWS CLI を使用して S3 テーブルをクエリする ETL ジョブを作成する方法を示しています。コマンドを使用するには、{{プレースホルダー値}}を独自の値に置き換えます。 **前提条件** + [ステップ 1 - 前提条件](#glue-etl-prereqs) + [ステップ 2 - テーブルバケットに接続するスクリプトを作成する](#glue-etl-script)、これを S3 バケットにアップロードします。 1. AWS Glue ジョブを作成します。 ``` aws glue create-job \ --name {{etl-tables-job}} \ --role arn:aws:iam::{{111122223333}}:role/{{AWSGlueServiceRole}} \ --command '{ "Name": "glueetl", "ScriptLocation": "s3://{{amzn-s3-demo-bucket1}}{{/scripts/glue-etl-query.py}}", "PythonVersion": "3" }' \ --default-arguments '{ "--job-language": "python", "--class": "GlueApp" }' \ --glue-version "5.0" ``` **注記** (オプション) Amazon S3 Tables カタログを Apache Iceberg のアクセス方法として使用する場合は、`--extra-jars` パラメータを使用してクライアントカタログ JAR を `--default-arguments` に追加します。パラメータを追加するときに、{{入力プレースホルダー}}は独自のものに置き換えます。 ``` "--extra-jars": "s3://{{amzn-s3-demo-bucket}}/{{jar-path}}/s3-tables-catalog-for-iceberg-runtime-{{0.1.5}}.jar" ``` 1. ジョブを開始します。 ``` aws glue start-job-run \ --job-name {{etl-tables-job}} ``` 1. ジョブのステータスを確認するには、前のコマンドの実行 ID をコピーして、次のコマンドに入力します。 ``` aws glue get-job-run --job-name {{etl-tables-job}} \ --run-id {{jr_ec9a8a302e71f8483060f87b6c309601ea9ee9c1ffc2db56706dfcceb3d0e1ad}} ```