기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 에서 구성된 테이블 생성 AWS Clean Rooms
<a name="create-configured-table"></a>

*구성된 테이블*은 데이터 소스의 기존 테이블에 대한 참조입니다. 여기에는 AWS Clean Rooms에서 데이터를 쿼리할 수 있는 방법을 결정하는 분석 규칙이 포함되어 있습니다. 구성된 테이블을 하나 이상의 공동 작업에 연결할 수 있습니다.

 AWS SDKs. [https://docs.aws.amazon.com/clean-rooms/latest/apireference/Welcome.html](https://docs.aws.amazon.com/clean-rooms/latest/apireference/Welcome.html) 

**Topics**
+ [구성된 테이블 생성 - Amazon S3 데이터 소스](create-config-table-s3.md)
+ [구성된 테이블 생성 - Amazon Athena 데이터 소스](create-config-table-athena.md)
+ [구성된 테이블 생성 - Snowflake 데이터 소스](create-config-table-snowflake.md)

# 구성된 테이블 생성 - Amazon S3 데이터 소스
<a name="create-config-table-s3"></a>

이 절차에서 [구성원](glossary.md#glossary-member)은 다음 작업을 수행합니다.
+  에서 사용할 기존 AWS Glue 테이블을 구성합니다 AWS Clean Rooms. (이 단계는 Clean Rooms에 대한 암호화 컴퓨팅을 사용하지 않는 한 공동 작업에 참여하기 전이나 후에 수행할 수 있습니다.)
**참고**  
AWS Clean Rooms 는 AWS Glue 테이블을 지원합니다. 데이터 가져오기에 대한 자세한 내용은 섹션을 AWS Glue참조하세요[3단계: 데이터 테이블을 Amazon S3에 업로드](prepare-data-S3.md#upload-to-s3).
+ [구성된 테이블](glossary.md#glossary-configured-table)의 이름을 지정하고 공동 작업에 사용할 열을 선택합니다.

다음 절차에서는 다음과 같이 가정합니다.
+ 공동 작업 구성원이 이미 [ Amazon S3에 데이터 테이블을 업로드](prepare-data-S3.md#upload-to-s3)하고 [AWS Glue 테이블을 생성](prepare-data-S3.md#create-glue-crawler)했습니다.
**참고**  
**Amazon S3의 결과 대상**은 데이터 소스와 동일한 S3 버킷 내에 있을 수 없습니다.
+ (선택 사항) [암호화된](glossary.md#glossary-encryption) 데이터 테이블의 경우에만 공동 작업 구성원은 이미 C3R 암호화 클라이언트를 사용하여 [암호화된 데이터 테이블을 준비했습니다](prepare-encrypted-data.md).

에서 제공하는 통계 생성을 사용하여 AWS Glue Data Catalog 테이블에 대한 열 수준 통계를 계산 AWS Glue 할 수 있습니다. 가 데이터 카탈로그의 테이블에 대한 통계를 AWS Glue 생성한 후 Amazon Redshift Spectrum은 해당 통계를 자동으로 사용하여 쿼리 계획을 최적화합니다. 를 사용하여 열 수준 통계를 계산하는 방법에 대한 자세한 내용은 *AWS Glue 사용 설명서*의 [열 통계를 사용하여 쿼리 성능 최적화](https://docs.aws.amazon.com/glue/latest/dg/column-statistics.html)를 AWS Glue참조하세요. 에 대한 자세한 내용은 *[AWS Glue 개발자 안내서](https://docs.aws.amazon.com/glue/latest/dg/what-is-glue.html)*를 AWS Glue참조하세요.

**구성된 테이블을 생성하려면 - Amazon S3 데이터 소스**

1. 에 로그인 AWS Management Console 하고 [https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) AWS Clean Rooms 콘솔을 엽니다.

1. 왼쪽 탐색 창에서 **테이블**을 선택합니다.

1. 오른쪽 상단 모서리에서 **새 테이블 구성**을 선택합니다.

1. **데이터 소스**의 **AWS 데이터 소스**에서 **Amazon S3**를 선택합니다.

1. **Amazon S3 테이블**에서: 

   1. S3 테이블이 호스팅되는 **리전**을 선택합니다.

      기본적으로 현재 리전(예: 버지니아 북부 us-east-1)이 선택됩니다.
**주의**  
Amazon S3 데이터 소스가 처리 위치와 다른 리전에 있는 경우 데이터 처리가 소스 리전 외부에서 일시적으로 발생할 수 있습니다. 계속하기 전에 리전 간 데이터 이동이 데이터 주권 요구 사항, 규정 준수 정책 및 데이터 거버넌스 표준을 준수하는지 확인합니다.

      리전에 대한 자세한 내용은의 [리전 및 엔드포인트](https://docs.aws.amazon.com/general/latest/gr/rande.html)를 참조하세요*AWS 일반 참조*.

   1. 드롭다운 목록에서 **데이터베이스를** 선택합니다.

   1. 드롭다운 목록에서 구성하고 싶은 **테이블**을 선택합니다.
**참고**  
테이블이 올바른지 확인하려면 다음 중 하나를 수행합니다.  
**에서 보기를 AWS Glue** 선택합니다.
**에서 스키마 보기를 AWS Glue** 켜면 스키마를 볼 수 있습니다.
**중요**  
데이터가 CSV 형식인 AWS Glue 테이블의 경우 Glue 스키마의 열 이름과 순서가 CSV 데이터와 정확히 일치해야 합니다. 정렬되지 않으면 구성된 테이블에 허용되는 열 목록이 제대로 적용되지 않을 수 있습니다.

1. **공동 작업에 허용되는 열 및 분석 방법의** 경우 

   1. **공동 작업에서 허용할 열은 무엇입니까?**
      + 공동 작업에서 **모든 열을** 쿼리하도록 허용하려면 모든 열을 선택합니다.
      + 사용자 **지정 목록을** 선택하여 **허용된 열 지정** 드롭다운 목록에서 하나 이상의 열을 공동 작업에서 쿼리할 수 있도록 허용합니다.

   1. **허용된 분석 방법의** 경우

      1. 이 테이블에서 SQL **쿼리**를 직접 실행하려면 직접 쿼리를 선택합니다.

      1. 이 테이블에서 PySpark **작업을** 직접 실행하려면 직접 작업을 선택합니다.  
**Example 예제**  

   예를 들어 공동 작업 구성원이 모든 열에서 직접 SQL 쿼리와 PySpark 작업을 모두 실행하도록 허용하려면 **모든 열**, **직접 쿼리** 및 **직접 작업을** 선택합니다.

1. **구성된 테이블 세부 정보**의 경우,

   1. 구성된 테이블의 **이름**을 입력합니다.

      기본 이름을 사용하거나 이 테이블의 이름을 바꿀 수 있습니다.

   1. 테이블에 대한 **설명**을 입력합니다.

      설명은 비슷한 이름을 가진 다른 구성된 테이블을 구분하는 데 도움이 됩니다.

1. 구성된 테이블 리소스에 대해 **태그**를 활성화하려면 **새 태그 추가**를 선택한 다음 **키**와 **값** 쌍을 입력합니다.

1. **새 클라이언트 구성**를 선택합니다.

이제 구성된 테이블을 만들었으므로 다음을 수행할 준비가 되었습니다.
+ [구성된 테이블에 분석 규칙 구성](add-analysis-rule.md)
+ [구성된 테이블을 공동 작업에 연결합니다](associate-configured-table.md)

# 구성된 테이블 생성 - Amazon Athena 데이터 소스
<a name="create-config-table-athena"></a>

Amazon Athena 데이터 소스 옵션을 사용하면 데이터 카탈로그 또는 페더레이션 카탈로그에 카탈로그화된 Amazon S3에 저장된 AWS Glue 데이터를 쿼리하고를 통해 액세스를 제어할 수 있습니다 AWS Lake Formation. 테이블과 AWS Glue Data Catalog 뷰가 모두 지원됩니다. Lake Formation 리소스 링크를 사용하여 AWS Clean Rooms 공동 작업에 조인하는 AWS 계정 AWS 리전 AWS Clean Rooms 멤버 계정 간에 테이블과 뷰를 공유할 수 있습니다.

**참고**  
Athena 데이터 소스 통합을 통해 Amazon S3 기반 데이터 세트만 쿼리할 수 있습니다.

이 절차에서 [구성원](glossary.md#glossary-member)은 다음 작업을 수행합니다.
+ 를 사용하기 AWS Glue Data Catalog 위해에서 기존 테이블 또는 뷰를 구성합니다. AWS Clean Rooms
+ [구성된 테이블](glossary.md#glossary-configured-table)의 이름을 지정하고 공동 작업에 사용할 열을 선택합니다.

다음 절차에서는 다음과 같이 가정합니다.
+ 공동 작업 구성원이 AWS Glue Data Catalog 데이터베이스와 테이블 또는GDC 뷰를 이미 생성했습니다.

**구성된 테이블을 생성하려면 - Athena 데이터 소스**

1. 에 로그인 AWS Management Console 하고 [https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) AWS Clean Rooms 콘솔을 엽니다.

1. 왼쪽 탐색 창에서 **테이블**을 선택합니다.

1. 오른쪽 상단 모서리에서 **새 테이블 구성**을 선택합니다.

1. **데이터 소스**의 **AWS 데이터 소스**에서 **Amazon Athena**를 선택합니다.

1. **Amazon Athena 테이블**에서: 

   1. Amazon Athena 테이블이 호스팅되는 **리전**을 선택합니다.

      기본적으로 현재 리전(예: 버지니아 북부 us-east-1)이 선택됩니다.
**주의**  
Amazon Athena 데이터 소스가 처리 위치와 다른 리전에 있는 경우 데이터 처리가 소스 리전 외부에서 일시적으로 발생할 수 있습니다. 계속하기 전에 리전 간 데이터 이동이 데이터 주권 요구 사항, 규정 준수 정책 및 데이터 거버넌스 표준을 준수하는지 확인합니다.

      리전에 대한 자세한 내용은의 [리전 및 엔드포인트](https://docs.aws.amazon.com/general/latest/gr/rande.html)를 참조하세요*AWS 일반 참조*.

   1. 드롭다운 목록에서 **카탈로그**를 선택합니다.

      기본적으로 **AWS Glue 데이터 카탈로그**가 선택됩니다.
      + **AWS Glue 데이터 카탈로그** -의 테이블에 대한 기본 카탈로그입니다 AWS Glue.
      + **페더레이션 카탈로그** - 원격 Apache Iceberg REST AWS Glue 카탈로그에 연결하도록 카탈로그 페더레이션을 구성한 경우 사용할 수 있습니다. 자세한 내용은 *AWS Lake Formation 개발자 안내서*의 [카탈로그 페더레이션](https://docs.aws.amazon.com/lake-formation/latest/dg/catalog-federation.html)을 참조하세요.

   1. 드롭다운 목록에서 **데이터베이스를** 선택합니다.

   1. 드롭다운 목록에서 구성하고 싶은 **테이블**을 선택합니다.
**참고**  
테이블이 올바른지 확인하려면 다음 중 하나를 수행합니다.  
**에서 보기 AWS Glue** 또는 **에서 보기를 AWS Lake Formation** 선택합니다(카탈로그 유형에 따라 다름).
**에서 스키마 보기를 AWS Glue** 켜면 스키마를 볼 수 있습니다.

1. **Amazon Athena 구성**의 경우

   1. 드롭다운 목록에서 **작업 그룹을** 선택합니다.

   1. **S3 출력 위치에서** 다음 시나리오 중 하나에 따라 권장 작업을 선택합니다.    
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/clean-rooms/latest/userguide/create-config-table-athena.html)

1. **공동 작업에 허용된 열에서** 목표에 따라 옵션을 선택합니다.    
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/clean-rooms/latest/userguide/create-config-table-athena.html)

1. **구성된 테이블 세부 정보**의 경우,

   1. 구성된 테이블의 **이름**을 입력합니다.

      기본 이름을 사용하거나 이 테이블의 이름을 바꿀 수 있습니다.

   1. 테이블에 대한 **설명**을 입력합니다.

      설명은 비슷한 이름을 가진 다른 구성된 테이블을 구분하는 데 도움이 됩니다.

   1. 구성된 테이블 리소스에 대해 **태그**를 활성화하려면 **새 태그 추가**를 선택한 다음 **키**와 **값** 쌍을 입력합니다.

1. **새 클라이언트 구성**를 선택합니다.

이제 구성된 테이블을 만들었으므로 다음을 수행할 준비가 되었습니다.
+ [구성된 테이블에 분석 규칙 구성](add-analysis-rule.md)
+ [구성된 테이블을 공동 작업에 연결합니다](associate-configured-table.md)

# 구성된 테이블 생성 - Snowflake 데이터 소스
<a name="create-config-table-snowflake"></a>

이 절차에서 [구성원](glossary.md#glossary-member)은 다음 작업을 수행합니다.
+ 에서 사용할 기존 Snowflake 테이블을 구성합니다 AWS Clean Rooms. (이 단계는 Clean Rooms에 대한 암호화 컴퓨팅을 사용하지 않는 한 공동 작업에 참여하기 전이나 후에 수행할 수 있습니다.)
+ [구성된 테이블](glossary.md#glossary-configured-table)의 이름을 지정하고 공동 작업에 사용할 열을 선택합니다.

다음 절차에서는 다음과 같이 가정합니다.
+ 공동 작업 구성원이 이미 Snowflake에 데이터 테이블을 업로드했습니다.
+ (선택 사항) [암호화된](glossary.md#glossary-encryption) 데이터 테이블의 경우에만 공동 작업 구성원은 이미 C3R 암호화 클라이언트를 사용하여 [암호화된 데이터 테이블을 준비했습니다](prepare-encrypted-data.md).

**구성된 테이블을 생성하려면 - Snowflake 데이터 소스**

1. 에 로그인 AWS Management Console 하고 [https://console.aws.amazon.com/cleanrooms](https://console.aws.amazon.com/cleanrooms/home) AWS Clean Rooms 콘솔을 엽니다.

1. 왼쪽 탐색 창에서 **테이블**을 선택합니다.

1. 오른쪽 상단 모서리에서 **새 테이블 구성**을 선택합니다.

1. **데이터 소스**의 **타사 클라우드 및 데이터 소스**에서 **Snowflake**를 선택합니다.

1. 기존 보안 암호 ARN을 사용하거나이 테이블에 대한 새 보안 암호를 저장하여 **Snowflake 보안 인증** 정보를 지정합니다.

------
#### [ Use existing secret ARN ]

   1. 보안 암호 ARN이 있는 경우 **보안 암호 ARN** 필드에 입력합니다.

      이동을 선택하여 **보안 암호 ARN을 조회할 AWS Secrets Manager** 수 있습니다.

   1. 다른 테이블의 기존 보안 암호가 있는 경우 **기존 테이블에서 보안 암호 ARN 가져오기**를 선택합니다.

**참고**  
보안 암호 ARN은 교차 계정일 수 있습니다.

------
#### [ Store a new secret for this table ]

   1. 다음 Snowflake 자격 증명을 입력합니다.
      + **Snowflake 사용자 이름**
      + **Snowflake 웨어하우스**
      + **Snowflake 역할**
      + **Snowflake Privacy Enhanced Mail(PEM) 프라이빗 키** 

   1. 암호화의 경우 다음 중 하나를 수행합니다.
      +  AWS 관리형 키 (기본값)을 사용하려면 **암호화 설정 사용자 지정** 확인란을 선택 취소한 상태로 둡니다.
      + 사용자 지정을 사용하려면 AWS KMS key:
        + **암호화 설정 사용자 지정** 확인란을 선택합니다.
        + **KMS 키**에 키 ARN을 입력하거나 목록에서 하나를 선택합니다.

   1. 나중에 자격 증명을 찾는 데 도움이 되는 **보안 암호 이름을** 입력합니다.

------

1. **Snowflake 테이블 및 스키마 세부 정보에** 세부 정보를 수동으로 입력하거나 자동으로 세부 정보를 가져옵니다.

------
#### [ Enter the details manually ]

   1. **Snowflake 계정 식별자**를 입력합니다.

      자세한 내용은 Snowflake 설명서의 [계정 식별자](https://docs.snowflake.com/en/user-guide/admin-account-identifier#finding-the-organization-and-account-name-for-an-account)를 참조하세요.

      계정 식별자는 Snowflake 드라이버에 사용되는 형식이어야 합니다. 식별자의 형식이가 되도록 마침표(.)를 하이픈(-)으로 바꿔야 합니다**<orgname>-<account\$1name>**.

   1. **Snowflake 데이터베이스를** 입력합니다.

      자세한 내용은 [Snowflake 설명서의 Snowflake 데이터베이스를](https://docs.snowflake.com/en/sql-reference/snowflake-db) 참조하세요.

   1. **Snowflake 스키마 이름을** 입력합니다.

   1. **Snowflake 테이블 이름을** 입력합니다.

      자세한 내용은 [Snowflake 설명서의 Snowflake 테이블 구조 이해를 참조하세요](https://docs.snowflake.com/en/user-guide/tables-micro-partitions).

   1. **스키마**에 **열 이름을** 입력하고 드롭다운 목록에서 **데이터 유형을** 선택합니다.

   1. **열 추가**를 선택하여 열을 더 추가합니다.
      +  **객체 데이터 유형을** 선택하는 경우 **객체 스키마**를 지정합니다.  
**Example 객체 스키마 예제**  

        ```
        name STRING,
        location OBJECT(
            x INT, 
            y INT, 
            metadata OBJECT(uuid STRING)
        ),
        history ARRAY(TEXT)
        ```
      + **배열 데이터 유형을** 선택하는 경우 **배열 스키마**를 지정합니다.  
**Example 배열 스키마 예제**  

        ```
        OBJECT(x INT, y INT)
        ```
      + **맵 데이터 유형을** 선택하는 경우 **맵 스키마**를 지정합니다.  
**Example 맵 스키마 예제**  

        ```
        STRING, OBJECT(x INT, y INT)
        ```

------
#### [ Automatically import the details ]

   1. Snowflake에서 COLUMNS 뷰를 CSV 파일로 내보냅니다.

      Snowflake COLUMNS 뷰에 대한 자세한 내용은 Snowflake 설명서의 [COLUMNS 뷰](https://docs.snowflake.com/en/sql-reference/info-schema/columns)를 참조하세요.

   1. **파일에서 가져오기**를 선택하여 CSV 파일을 가져오고 추가 정보를 지정합니다.

      데이터베이스 이름, 스키마 이름, 테이블 이름, 열 이름 및 데이터 유형을 자동으로 가져옵니다.
      +  **객체 데이터 유형을** 선택하는 경우 **객체 스키마**를 지정합니다.
      + **배열 데이터 유형을** 선택하는 경우 **배열 스키마**를 지정합니다.
      + **맵 데이터 유형을** 선택하는 경우 **맵 스키마**를 지정합니다.

   1. **Snowflake 계정 식별자**를 입력합니다.

      자세한 내용은 Snowflake 설명서의 [계정 식별자](https://docs.snowflake.com/en/user-guide/admin-account-identifier#finding-the-organization-and-account-name-for-an-account)를 참조하세요.

**참고**  
 에 카탈로그화된 S3 테이블만 테이블 스키마를 자동으로 검색하는 데 사용할 AWS Glue 수 있습니다.

------

1. **공동 작업에 허용된 열에서** 목표에 따라 옵션을 선택합니다.    
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/clean-rooms/latest/userguide/create-config-table-snowflake.html)

1. **구성된 테이블 세부 정보**의 경우,

   1. 구성된 테이블의 **이름**을 입력합니다.

      기본 이름을 사용하거나 이 테이블의 이름을 바꿀 수 있습니다.

   1. 테이블에 대한 **설명**을 입력합니다.

      설명은 비슷한 이름을 가진 다른 구성된 테이블을 구분하는 데 도움이 됩니다.

   1. 구성된 테이블 리소스에 대해 **태그**를 활성화하려면 **새 태그 추가**를 선택한 다음 **키**와 **값** 쌍을 입력합니다.

1. **새 클라이언트 구성**를 선택합니다.

이제 구성된 테이블을 만들었으므로 다음을 수행할 준비가 되었습니다.
+ [구성된 테이블에 분석 규칙 구성](add-analysis-rule.md)
+ [구성된 테이블을 공동 작업에 연결합니다](associate-configured-table.md)