ステップ 4: Amazon Keyspaces でソースデータとターゲットテーブルを準備する

このステップでは、サンプルデータと Amazon Keyspaces テーブルがあるソースファイルを作成します。

1. ソースファイルを作成します。次のいずれかのオプションを選択できます。

   • このチュートリアルでは、keyspaces_sample_table.csv という名前のカンマ区切り値 (CSV) ファイルをデータ移行用のソースファイルとして使用します。提供されたサンプルファイルには、book_awards という名前のテーブルに関する数行のデータが含まれています。

     1. 次のアーカイブファイル samplemigration.zip にあるサンプル CSV ファイル (keyspaces_sample_table.csv) をダウンロードします。アーカイブを解凍し、keyspaces_sample_table.csv へのパスをメモしておきます。

   • 自分の CSV ファイルで Amazon Keyspaces にデータを書き込む場合は、データがランダム化されていることを確認してください。データベースから直接読み取られるデータやフラットファイルにエクスポートされるデータは、通常、パーティションとプライマリキーによって順序付けられます。注文したデータを Amazon Keyspaces にインポートすると、Amazon Keyspaces パーティションの小さなセグメントに書き込まれて、トラフィックが偏って分散するおそれがあります。その場合、パフォーマンスが低下し、エラー率が高くなるおそれがあります。

     対照的に、トラフィックをパーティション間でより均等に分散してデータをランダム化すれば、Amazon Keyspaces に組み込まれている負荷分散機能を活かすことができます。データのランダム化にはさまざまなツールを使用できます。オープンソースツールの Shuf の使用例については、データ移行チュートリアルの「ステップ 2: DSBulk を使用してアップロード対象のデータを準備する」を参照してください。以下に示した例は、DataFrame としてデータをシャッフルする方法です。

     import org.apache.spark.sql.functions.randval
     shuffledDF = dataframe.orderBy(rand())

2. Amazon Keyspaces でターゲットのキースペースとテーブルを作成します。

   1. を使用して Amazon Keyspaces に接続しますcqlsh-expansion。cqlsh-expansion のインストール手順については、「cqlsh-expansion による Amazon Keyspaces までの接続」を参照してください。

      次の例のサービスエンドポイントを独自の値に置き換えます。

      cqlsh-expansion cassandra.us-east-1.amazonaws.com 9142 --ssl

   2. 次の例に示すように、catalog という名前の新しいキースペースを作成します。

      CREATE KEYSPACE catalog WITH REPLICATION = {'class': 'SingleRegionStrategy'};

   3. 新しいキースペースが利用可能な状態になったら、次のコードを使用してターゲットテーブル book_awards を作成します。非同期的なリソース作成と、リソースが利用可能かどうかを確認する方法については、「Amazon Keyspaces でキースペースの作成ステータスを確認する」を参照してください。

      CREATE TABLE catalog.book_awards (
         year int,
         award text,
         rank int, 
         category text,
         book_title text,
         author text, 
         publisher text,
         PRIMARY KEY ((year, award), category, rank)
         );