Consultar tabelas configuradas usando o editor de código SQL

Como consultar tabelas configuradas usando o editor de código SQL

1. Faça login no Console de gerenciamento da AWS e abra o AWS Clean Rooms console em https://console.aws.amazon.com/cleanrooms.

2. No painel de navegação à esquerda, escolha Colaborações.

3. Escolha a colaboração que tem o status Executar consultas em Suas habilidades de membro.

4. Na guia Análise, em Tabelas, visualize a lista de tabelas e o tipo de regra de análise associada (regra de análise de agregação, regra de análise de lista ou regra de análise personalizada).

   nota

   Se não estiver vendo as tabelas que espera na lista, isso pode ser pelos seguintes motivos:

   • As tabelas não foram associadas.

   • As tabelas não têm uma regra de análise configurada.

5. (Opcional) Para visualizar os controles do esquema e da regra de análise da tabela, expanda a tabela selecionando o ícone do sinal de adição (+).

6. Na seção Análise, para o modo Análise, selecione Gravar código SQL.

   nota

   A seção Análise só será exibida se o membro que pode receber os resultados e o membro responsável por pagar pelos custos de computação da consulta tiverem ingressado na colaboração como membro ativo.

7. Crie a consulta digitando a consulta no editor de código SQL.

   Para obter mais informações sobre comandos e funções SQL compatíveis, consulte a Referência AWS Clean Rooms SQL.

   Você também pode usar as opções a seguir para criar sua consulta.

   Use an example query

   Para usar um exemplo de consulta

   1. Clique nos três pontos verticais ao lado da tabela.

   2. Em Inserir no editor, escolha Exemplo de consulta.

      nota

      A inserção de uma consulta de exemplo a anexa à consulta que já está no editor.

      O exemplo de consulta é exibido. Todas as tabelas listadas em Tabelas estão incluídas na consulta.

   3. Edite os valores do espaço reservado na consulta.

   Insert column names or functions

   Para inserir um nome ou função de coluna

   1. Selecione os três pontos verticais ao lado de uma coluna.

   2. Em Inserir no editor, escolha Nome da coluna.

   3. Para inserir manualmente uma função permitida em uma coluna,

      1. Selecione os três pontos verticais ao lado de uma coluna.

      2. Selecione Inserir no editor.

      3. Selecione o nome da função permitida (como INNER JOINSUM,SUM DISTINCT, ouCOUNT).

   4. Pressione Ctrl + Espaço para visualizar os esquemas da tabela no editor de código.

      nota

      Os membros que podem consultar podem visualizar e usar as colunas de partição em cada associação de tabela configurada. Verifique se a coluna de partição está rotulada como uma coluna de partição na AWS Glue tabela subjacente à tabela configurada.

   5. Edite os valores do espaço reservado na consulta.

8. (Somente para o mecanismo de análise do Spark) Especifique o tipo de trabalhador suportado e o número de trabalhadores.

   Você pode escolher o tipo de instância e o número de instâncias (trabalhadores) para executar suas consultas SQL.

   Para o CR.1X, você pode selecionar até 128 trabalhadores ou um mínimo de 4 trabalhadores.

   Para o CR.4X, você pode selecionar até 32 trabalhadores ou um mínimo de 4 trabalhadores.

   Use a tabela a seguir para determinar o tipo e o número de trabalhadores necessários para seu caso de uso.

   Tipo de trabalhador	vCPU	Memória (GB)	Armazenamento (GB)	Número de operadores	Total de unidades de processamento de salas limpas (CRPU)
   CR.1X (padrão)	4	30	100	4	8
   				128	256
   CR.4X	16	120	400	4	32
   				32	256

   nota

   Diferentes tipos de trabalhadores e números de trabalhadores têm custos associados. Para saber mais sobre os preços, consulte os AWS Clean Rooms preços.

9. Em Enviar resultados para, especifique quem pode receber os resultados.

   nota

   Para receber resultados, o membro da colaboração deve estar configurado como receptor de resultados e deve ser um participante ativo na colaboração (Status: Ativo)

10. (Membro que pode consultar somente) A caixa de seleção Usar suas configurações padrão de resultados está marcada por padrão. Mantenha essa opção selecionada se quiser manter suas configurações de resultado padrão.

    Se você quiser especificar configurações de resultados diferentes para essa consulta, desmarque a caixa de seleção Usar suas configurações de resultado padrão e escolha o seguinte.

    1. Formato do resultado (CSV ou PARQUET)

    2. Arquivos de resultados (únicos ou múltiplos)

    3. Destino dos resultados no Amazon S3

    Cada membro que pode receber resultados pode especificar um formato de resultado, arquivos de resultados e destino de resultados diferentes no Amazon S3.

11. (Somente para o mecanismo de análise do Spark) Para especificar as propriedades do Spark:

    1. Expanda as propriedades do Spark.

    2. Escolha Adicionar propriedades do Spark.

    3. Na caixa de diálogo de propriedades do Spark, escolha um nome de propriedade na lista suspensa e insira um Valor.

    A tabela a seguir fornece uma definição para cada propriedade.

    Para obter mais informações sobre as propriedades do Spark, consulte Propriedades do Spark na documentação do Apache Spark.

    Nome da propriedade	Description	Valor padrão
    Falhas do Spark.Task.max	Controla quantas vezes consecutivas uma tarefa pode falhar antes que o trabalho falhe. Requer um valor maior ou igual a 1. O número de novas tentativas permitidas é igual a esse valor menos 1. A contagem de falhas é reiniciada se alguma tentativa for bem-sucedida. Falhas em tarefas diferentes não se acumulam até esse limite.	4
    spark.sql.files. maxPartitionBytes	Define o número máximo de bytes a serem compactados em uma única partição ao ler fontes baseadas em arquivos, como Parquet, JSON e ORC.	128 MB
    Spark.Hadoop.FS.S3.max Tentativas	Define o número máximo de tentativas para operações de arquivos do Amazon S3.
    spark.network.timeout	Define o tempo limite padrão para todas as interações de rede. Substitui as seguintes configurações de tempo limite se elas não estiverem definidas: faísca de armazenamento. blockManagerHeartbeatTimeoutMs spark.shuffle.io.Tempo limite de conexão spark.rpc.askTimeout Spark.rpc.LookupTimeout	A ser definido
    spark.rdd.com press	Especifica se as partições RDD serializadas devem ser compactadas usando spark.io.compression.codec. Aplica-se a StorageLevel .MEMORY_ONLY_SER em Java e Scala ou .MEMORY_ONLY em Python. StorageLevel Reduz o espaço de armazenamento, mas requer tempo adicional de processamento da CPU.	FALSE
    spark.shuffle.spill.compress	Especifica se os dados de derramamento aleatório devem ser compactados usando spark.io.compression.codec.	VERDADEIRO
    spark.sql.adaptativo. advisoryPartitionSizeInBytes	Define o tamanho de destino em bytes para partições aleatórias durante a otimização adaptativa quando spark.sql.adaptive.enabled é verdadeiro. Controla o tamanho da partição ao unir partições pequenas ou dividir partições inclinadas.	(valor de spark.sql.adaptive.shuffle. targetPostShuffleInputSize)
    spark.sql.adaptativo. autoBroadcastJoinLimite	Define o tamanho máximo da tabela em bytes para transmissão aos nós de trabalho durante as junções. Aplica-se somente na estrutura adaptativa. Usa o mesmo valor padrão de spark.sql. autoBroadcastJoinLimite. Defina como -1 para desativar a transmissão.	(none)
    spark.sql.adaptive.coalescePartitions.Enabled	Especifica se as partições aleatórias contíguas devem ser unidas com base em spark.sql.adaptive. advisoryPartitionSizeInBytes para otimizar o tamanho da tarefa. Requer que spark.sql.adaptive.enabled seja verdadeiro.	VERDADEIRO
    Partições spark.sql.adaptive.coalesce. initialPartitionNum	Define o número inicial de partições aleatórias antes da coalescência. Requer que spark.sql.adaptive.enabled e spark.sql.adaptive.coalescePartitions.enabled sejam verdadeiros. O padrão é o valor de spark.sql.shuffle.partitions.	(none)
    Partições spark.sql.adaptive.coalesce. minPartitionSize	Define o tamanho mínimo para partições aleatórias agrupadas para evitar que as partições se tornem muito pequenas durante a otimização adaptativa.	1 MB
    spark.sql.adaptive.coalescePartitions.Parallelism First	Especifica se os tamanhos das partições devem ser calculados com base no paralelismo do cluster em vez de spark.sql.adaptive. advisoryPartitionSizeInBytes durante a coalescência de partições. Gera tamanhos de partição menores do que o tamanho de destino configurado para maximizar o paralelismo. Recomendamos definir isso como false em clusters ocupados para melhorar a utilização dos recursos, evitando pequenas tarefas excessivas.	VERDADEIRO
    spark.sql.adaptive.enabled	Especifica se a execução adaptativa de consultas deve ser habilitada para otimizar novamente os planos de consulta durante a execução da consulta, com base em estatísticas precisas de tempo de execução.	VERDADEIRO
    spark.sql.adaptativo. forceOptimizeSkewedJunte-se	Especifica se a ativação deve ser forçada, OptimizeSkewedJoin mesmo que isso introduza um embaralhamento extra.	FALSE
    spark.sql.adaptativo. localShuffleReader.habilitado	Especifica se os leitores aleatórios locais devem ser usados quando o particionamento aleatório não é necessário, como após a conversão de junções de classificação e mesclagem em junções de hash de transmissão. Requer que spark.sql.adaptive.enabled seja verdadeiro.	VERDADEIRO
    spark.sql.adaptativo. maxShuffledHashJoinLocalMapThreshold	Define o tamanho máximo da partição em bytes para criar mapas de hash locais. Prioriza as junções de hash embaralhadas sobre as junções de classificação e mesclagem quando: Esse valor é igual ou excede spark.sql.adaptive. advisoryPartitionSizeInBytes Todos os tamanhos de partição estão dentro desse limite Substitui spark.sql.join. preferSortMergeConfiguração de junção.	0 bytes
    spark.sql.adaptativo. optimizeSkewsInRebalancePartitions.ativado	Especifica se as partições aleatórias distorcidas devem ser otimizadas dividindo-as em partições menores com base em spark.sql.adaptive. advisoryPartitionSizeInBytes. Requer que spark.sql.adaptive.enabled seja verdadeiro.	VERDADEIRO
    spark.sql.adaptativo. rebalancePartitionsSmallPartitionFactor	Define o fator limite de tamanho para mesclar partições durante a divisão. Partições menores que esse fator multiplicado por spark.sql.adaptive. advisoryPartitionSizeInBytes são mesclados.	0.2
    spark.sql.adaptive.skewJoin.Enabled	Especifica se deve lidar com a distorção de dados em junções embaralhadas dividindo e, opcionalmente, replicando partições distorcidas. Aplica-se às junções de hash embaralhadas e sorte-mescladas. Requer que spark.sql.adaptive.enabled seja verdadeiro.	VERDADEIRO
    spark.sql.adaptive.skewJoin. skewedPartitionFactor	Determina o fator de tamanho que determina a inclinação da partição. Uma partição é distorcida quando seu tamanho excede ambos: Esse fator multiplicado pelo tamanho médio da partição O valor de spark.sql.adaptive.skewJoin. skewedPartitionThresholdInBytes	5
    spark.sql.adaptive.skewJoin. skewedPartitionThresholdInBytes	Define o limite de tamanho em bytes para identificar partições distorcidas. Uma partição é distorcida quando seu tamanho excede ambos: Esse limite O tamanho médio da partição multiplicado por spark.sql.adaptive.SkewJoin. skewedPartitionFactor Recomendamos definir esse valor maior que spark.sql.adaptive. advisoryPartitionSizeInBytes.	256 MB
    spark.sql. autoBroadcastJoinLimite	Define o tamanho máximo da tabela em bytes para transmissão aos nós de trabalho durante as junções. Defina como -1 para desativar a transmissão.	10 MB
    Spark.sql.Tempo limite de transmissão	Controla o período de tempo limite em segundos para as operações de transmissão durante as junções de transmissão.	300 segundos
    spark.sql.cbo.enabled	Especifica se a otimização baseada em custos (CBO) deve ser ativada para a estimativa das estatísticas do plano.	FALSE
    spark.sql.cbo.joinreorder.dp.star.filter	Especifica se a heurística do filtro de junção em estrela deve ser aplicada durante a enumeração de junção com base no custo.	FALSE
    spark.sql.cbo.joinReorder.dp.Threshold	Define o número máximo de nós unidos permitidos no algoritmo de programação dinâmica.	12
    spark.sql.cbo.joinReorder.enabled	Especifica se a reordenação de junções deve ser ativada na otimização baseada em custos (CBO).	FALSE
    spark.sql.cbo.planStats.Enabled	Especifica se as contagens de linhas e estatísticas de colunas do catálogo devem ser buscadas durante a geração do plano lógico.	FALSE
    spark.sql.cbo. starSchemaDetection	Especifica se a reordenação de junções deve ser ativada com base na detecção do esquema em estrela.	FALSE
    spark.sql.crossjoin.Enabled
    spark.sql.files. maxPartitionNum	Define o número máximo de partições de arquivo divididas para fontes baseadas em arquivos (Parquet, JSON e ORC). Redimensiona as partições quando a contagem inicial excede esse valor. Esse é um alvo sugerido, não um limite garantido.	(none)
    spark.sql.files. maxRecordsPerArquivo	Define o número máximo de registros a serem gravados em um único arquivo. Nenhum limite se aplica quando definido como zero ou um valor negativo.	0
    spark.sql.files. minPartitionNum	Define o número mínimo de partições de arquivo divididas para fontes baseadas em arquivos (Parquet, JSON e ORC). O padrão é spark.sql. leafNodeDefaultParalelismo. Esse é um alvo sugerido, não um limite garantido.	(none)
    spark.sql. inMemoryColumnarArmazenamento. Tamanho do lote	Controla o tamanho do lote para armazenamento em cache colunar. Aumentar o tamanho melhora a utilização e a compactação da memória, mas aumenta o risco de out-of-memory erros.	10000
    spark.sql. inMemoryColumnarArmazenamento. Comprimido	Especifica se os codecs de compressão devem ser selecionados automaticamente para colunas com base nas estatísticas de dados.	VERDADEIRO
    spark.sql. inMemoryColumnarArmazenamento. enableVectorizedReader	Especifica se a leitura vetorizada deve ser ativada para o armazenamento em cache colunar.	VERDADEIRO
    spark.sql.legacy. allowHashOnMapType	Especifica se as operações de hash devem ser permitidas em estruturas de dados do tipo mapa. Essa configuração antiga mantém a compatibilidade com o tratamento de tipos de mapas das versões mais antigas do Spark.
    spark.sql.legacy. allowNegativeScaleOfDecimal	Especifica se valores de escala negativos devem ser permitidos nas definições do tipo decimal. Essa configuração antiga mantém a compatibilidade com versões mais antigas do Spark que suportavam escalas decimais negativas.
    spark.sql.legacy. castComplexTypesToString.ativado	Especifica se o comportamento legado deve ser ativado para converter tipos complexos em cadeias de caracteres. Mantém a compatibilidade com as regras de conversão de tipos das versões mais antigas do Spark.
    spark.sql.legacy. charVarcharAsCadeia	Especifica se os tipos CHAR e VARCHAR devem ser tratados como tipos STRING. Essa configuração antiga fornece compatibilidade com o tratamento de tipos de string das versões mais antigas do Spark.
    spark.sql.legacy. createEmptyCollectionUsingStringType	Especifica se as coleções vazias devem ser criadas usando elementos do tipo string. Essa configuração antiga mantém a compatibilidade com o comportamento de inicialização da coleção das versões mais antigas do Spark.
    spark.sql.legacy. exponentLiteralAsDecimal. Ativado	Especifica se os literais exponenciais devem ser interpretados como tipos decimais. Essa configuração antiga mantém a compatibilidade com o tratamento literal numérico das versões mais antigas do Spark.
    spark.sql.legacy.json. allowEmptyString.habilitado	Especifica se as strings vazias devem ser permitidas no processamento de JSON. Essa configuração antiga mantém a compatibilidade com o comportamento de análise JSON das versões mais antigas do Spark.
    spark.sql.legacy.parquet.int96 RebaseModelRead	Especifica se o modo antigo de rebase de INT96 carimbo de data/hora deve ser usado ao ler arquivos Parquet. Essa configuração antiga mantém a compatibilidade com o tratamento de timestamp das versões mais antigas do Spark.
    spark.sql.legacy. timeParserPolicy	Controla o comportamento da análise de tempo para compatibilidade com versões anteriores. Essa configuração herdada determina como os carimbos de data/hora e as datas são analisados a partir de cadeias de caracteres.
    Spark.sql.legacy.TypeCoertion. datetimeToString.habilitado	Especifica se o comportamento de coerção do tipo legado deve ser ativado ao converter valores de data e hora em cadeias de caracteres. Mantém a compatibilidade com as regras de conversão de data e hora das versões mais antigas do Spark.
    spark.sql. maxSinglePartitionBytes	Define o tamanho máximo da partição em bytes. O planejador introduz operações aleatórias para partições maiores para melhorar o paralelismo.	128m
    spark.sql.Cache de metadados TTLSeconds	Controla o time-to-live (TTL) para caches de metadados. Aplica-se aos metadados do arquivo de partição e aos caches do catálogo de sessões. Requer: Um valor positivo maior que zero Spark.sql.CatalogImplementation configurada para hive spark.sql.hive. filesourcePartitionFileCacheSize maior que zero spark.sql.hive. manageFilesourcePartitions definido como verdadeiro	-1000 ms
    spark.sql.optimizer. collapseProjectAlwaysEm linha	Especifica se as projeções e expressões embutidas adjacentes devem ser reduzidas, mesmo quando isso causa duplicação.	FALSE
    spark.sql.optimizer. dynamicPartitionPruning.habilitado	Especifica se devem ser gerados predicados para colunas de partição usadas como chaves de junção.	VERDADEIRO
    spark.sql.optimizer. enableCsvExpressionOtimização	Especifica se as expressões CSV devem ser otimizadas no otimizador de SQL removendo colunas desnecessárias das operações from_csv.	VERDADEIRO
    spark.sql.optimizer. enableJsonExpressionOtimização	Especifica se as expressões JSON devem ser otimizadas no otimizador de SQL por meio de: Removendo colunas desnecessárias das operações from_json Simplificando as combinações from_json e to_json Otimizando operações named_struct	VERDADEIRO
    spark.sql.optimizer.Regras excluídas	Define as regras do otimizador a serem desativadas, identificadas por nomes de regras separados por vírgula. Algumas regras não podem ser desativadas, pois são necessárias para serem corretas. O otimizador registra quais regras foram desativadas com sucesso.	(none)
    spark.sql.optimizer.runtime.BloomFilter. applicationSideScanSizeThreshold	Define o tamanho mínimo de escaneamento agregado em bytes necessário para injetar um filtro Bloom no lado do aplicativo.	10 GB
    spark.sql.optimizer.runtime.BloomFilter. creationSideThreshold	Define o limite máximo de tamanho para injetar um filtro Bloom no lado da criação.	10 MB
    spark.sql.optimizer.runtime.BloomFilter.Enabled	Especifica se um filtro Bloom deve ser inserido para reduzir os dados aleatórios quando um lado de uma junção aleatória tem um predicado seletivo.	VERDADEIRO
    spark.sql.optimizer.runtime.BloomFilter. expectedNumItems	Define o número padrão de itens esperados no filtro Bloom em tempo de execução.	1000000
    spark.sql.optimizer.runtime.BloomFilter. maxNumBits	Define o número máximo de bits permitidos no filtro Bloom em tempo de execução.	67108864
    spark.sql.optimizer.runtime.BloomFilter. maxNumItems	Define o número máximo de itens esperados permitidos no filtro Bloom em tempo de execução.	4000000
    spark.sql.optimizer.runtime.bloomfilter.number.threshold	Limita o número máximo de filtros de tempo de execução não DPP permitidos por consulta para evitar out-of-memory erros no driver.	10
    spark.sql.optimizer.runtime.bloomfilter.Numbits	Define o número padrão de bits usados no filtro Bloom em tempo de execução.	8388608
    spark.sql.optimizer.runtime. rowlevelOperationGroupFiltro ativado	Especifica se a filtragem de grupos de tempo de execução deve ser ativada para operações em nível de linha. Permite que as fontes de dados: Remova grupos inteiros de dados (como arquivos ou partições) usando filtros de fonte de dados Execute consultas em tempo de execução para identificar registros correspondentes Descarte grupos desnecessários para evitar regravações caras Limitações: Nem todas as expressões podem ser convertidas em filtros de fonte de dados Algumas expressões exigem avaliação do Spark (como subconsultas)	VERDADEIRO
    spark.sql.optimizer.RuntimeFilter. semiJoinReduction.habilitado	Especifica se uma junção semi-aleatória deve ser inserida para reduzir os dados aleatórios quando um lado de uma junção aleatória tem um predicado seletivo.	FALSE
    spark.sql.parquet.aggregatePushdown	Especifica se os agregados devem ser enviados para o Parquet para otimização. Suporta: MIN e MAX para tipos booleano, inteiro, flutuante e de data CONTAGEM para todos os tipos de dados Lança uma exceção se as estatísticas estiverem ausentes em qualquer rodapé do arquivo Parquet.	FALSE
    spark.sql.parquet. columnarReaderBatchTamanho	Controla o número de linhas em cada lote de leitores vetorizados do Parquet. Escolha um valor que equilibre a sobrecarga de desempenho e o uso da memória para evitar out-of-memory erros.	4096
    spark.sql.session.fuso horário	Define o fuso horário da sessão para lidar com carimbos de data/hora em literais de string e conversão de objetos Java. Aceita: area/city Formato baseado IDs na região (como América/Los_Angeles) Deslocamentos de zona no formato (+/-) HH, (+/-) HH:mm ou (+/-) HH:mm:ss (como -08 ou + 01:00) UTC ou Z como aliases para + 00:00	(valor do fuso horário local)
    spark.sql.shuffle.partições	Define o número padrão de partições para o embaralhamento de dados durante junções ou agregações. Não pode ser modificado entre reinicializações de consultas de streaming estruturadas no mesmo local do ponto de verificação.	200
    spark.sql. shuffledHashJoinFator	Define o fator de multiplicação usado para determinar a elegibilidade da junção de hash aleatória. Uma junção de hash aleatória é selecionada quando o tamanho dos dados do lado pequeno multiplicado por esse fator é menor que o tamanho dos dados do lado grande.	3
    spark.sql.sources. parallelPartitionDiscovery.limiar	Define o número máximo de caminhos para a listagem de arquivos do lado do driver com fontes baseadas em arquivos (Parquet, JSON e ORC). Quando excedidos durante a descoberta da partição, os arquivos são listados usando uma tarefa distribuída separada do Spark.	32
    spark.sql.statistics.histogram.enabled	Especifica se devem ser gerados histogramas de altura equivalente durante o cálculo das estatísticas da coluna para melhorar a precisão da estimativa. Requer uma varredura de tabela adicional além da necessária para estatísticas básicas de colunas.	FALSE
    Fonte	https://spark.apache.org/docs/latest/configuration.html#spark -propriedades

12. Escolha Executar.

    nota

    Você não poderá executar a consulta se o membro que pode receber os resultados não tiver definido as configurações dos resultados da consulta.

13. Visualize os Resultados.

    Para obter mais informações, consulte Recebendo e usando os resultados da análise.

14. Continue ajustando os parâmetros e execute sua consulta novamente ou escolha o botão + para iniciar uma nova consulta em uma nova guia.