查询编辑器：将 JupyterLab 与 Aurora DSQL 结合使用

本指南提供了有关如何将 JupyterLab 与 Python 结合使用以连接并查询 Amazon Aurora DSQL 的分步操作说明。JupyterLab 是一类常用的交互式计算环境，可在单个文档中整合代码、文本和可视化内容，被广泛用于数据科学与研究应用场景。

以下说明将介绍在本地安装的 JupyterLab 与使用 Amazon SageMaker AI（一项完全托管的机器学习服务，可提供带数据工作流 UI 的托管环境）这两种场景中，Aurora DSQL 的基本用法。

开始使用

要求

使用本地 JupyterLab

要开始使用 JupyterLab，用户必须先使用 Python 的 pip 安装该应用程序：

pip install jupyterlab

随后，可以通过运行 jupyter lab 来打开 JupyterLab。这将在 localhost:8888 打开 JupyterLab 应用程序，可通过浏览器进行访问。继续操作之前，请确保已在本地环境中配置 AWS 凭证。

使用 Amazon SageMaker AI

在 AWS 管理控制台中，转至 Amazon SageMaker AI 控制台页面，然后转至应用程序和 IDE 下的笔记本部分。您可以在此部分中选择创建笔记本实例以开始创建 SageMaker 环境。在单击创建笔记本实例之前，请选择实例类型和平台。

有关设置和实例选项的更多信息，请参阅 Amazon SageMaker AI 设置文档。

在 SageMaker 实例变为活动状态后，您可以在笔记本实例部分中使用打开 JupyterLab 将其打开。在笔记本中开始使用 Aurora DSQL 之前，您必须以 SageMaker 实例的 IAM 角色身份提供对 DSQL 集群的访问权限。要执行此操作，最简单的方法是单击笔记本实例页面中的 IAM 角色的链接。您可以在该处编辑附加到 SageMaker IAM 角色的策略。有关配置 IAM 策略以允许访问 Aurora DSQL 的更多信息，请参阅身份验证和授权。

使用 JupyterLab 连接到 Aurora DSQL

设置 JupyterLab 实例后，用于在本地环境和 SageMaker AI 中连接到 Aurora DSQL 的步骤相同。创建一个空白 Python 3 笔记本，可在其中添加带 Python 代码的单元。

在 Python 单元中，从官方信任存储下载 Amazon 根证书：

import urllib.request
urllib.request.urlretrieve('https://www.amazontrust.com/repository/AmazonRootCA1.pem', 'root.pem')
            

要连接到 Aurora DSQL，请先在 Python 单元中安装适用于 Python 的 Aurora DSQL 连接器和 Psycopg 驱动程序，然后将其导入：

pip install aurora_dsql_python_connector psycopg

import aurora_dsql_psycopg as dsql

导入该连接器后，您可以创建 DSQL 配置并进行连接。Aurora DSQL Python 连接器会在每次建立连接时自动创建身份验证令牌。

config = {
    'host': "your-cluster.dsql.us-east-1.on.aws",
    'region': "us-east-1",
    'user': "admin"
    }

conn = dsql.connect(**config)

运行代码后，您现在应已建立与 Aurora DSQL 的 Psycopg 连接。随后，您可以使用 Psycopg 游标并提供您的 SQL 查询来运行查询。有关如何将 Psycopg 用于兼容 Postgres 的数据库的更多信息，请参阅 Psycopg 文档。此查询的结果将以元组列表的形式存储在 results_list 中。

with conn:
    with conn.cursor() as cur:
        cur.execute("SELECT * FROM table")
        results_list = cur.fetchall()

随后，您可以使用 Python 框架（如 Pandas）来分析或可视化您的查询结果，例如：

pip install pandas

import pandas as pd

df = pd.DataFrame(tuples_list)
print(df)
print(f"Total records: {len(df)}")

示例笔记本

Aurora DSQL 示例存储库包含使用 Aurora DSQL 的示例笔记本。

延伸阅读

Amazon SageMaker AI 设置文档

适用于 Python 的 Aurora DSQL 连接器

Pandas 文档