步骤 6：转换数据集 - AWS Glue DataBrew

步骤 6：转换数据集

到目前为止，您仅在数据集的样本上测试了您的配置。现在是时候通过创建 DataBrew 配方作业来转换整个数据集了。

当作业运行时，DataBrew 会将您的配方应用于数据集中的所有数据，并将转换后的数据写入 Amazon S3 存储桶。转换后的数据与原始数据集分离。DataBrew 不会更改源数据。

在您继续之前，请确保您的账户中有 Amazon S3 存储桶可供您写入。在该存储桶中，请创建一个文件夹来捕获 DataBrew 的作业输出。要执行这些步骤，请使用以下过程。

创建 S3 存储桶和文件夹以捕获作业输出

  1. 登录到 AWS 管理控制台，然后通过以下网址打开 Amazon S3 控制台：https://console.aws.amazon.com/databrew/。

    如果您已有一个 Amazon S3 存储桶可用，并且您具有写入权限，请跳到下一个步骤。

  2. 如果没有 Amazon S3 存储桶，请选择创建存储桶。对于存储桶名称，请为新存储桶输入一个唯一名称。选择创建存储桶 。

  3. 从存储桶列表中，选择您想要使用的存储桶。

  4. 选择创建文件夹。

  5. 对于文件夹名称，输入 databrew-output，然后选择创建文件夹。

在创建用于包含作业的 Amazon S3 存储桶和文件夹后，请使用以下过程运行您的作业。

创建并运行配方作业

  1. 在导航窗格上，选择作业。

  2. 在配方作业选项卡上，选择创建作业。

  3. 对于作业名称，输入 chess-winner-summary。

  4. 对于作业类型，选择创建配方作业。

  5. 在作业输入窗格上，执行以下操作：

    • 对于运行于，选择数据集。

    • 选择选择数据集以查看可用数据集列表，然后选择 chess-games。

    • 选择选择配方以查看可用配方列表，然后选择 chess-project-recipe。

  6. 在作业输出设置窗格上，执行以下操作：

    • 文件类型：选择 CSV（逗号分隔值）。

    • S3 位置：选择此字段可查看可用 Amazon S3 存储桶列表，然后选择要使用的存储桶。然后选择浏览。在文件夹列表中，选择 databrew-output，然后选择选择。

  7. 在访问权限窗格上，选择 AwsGlueDataBrewDataAccessRole。此服务相关角色让 DataBrew 可以代表您访问 Amazon S3 存储桶。

  8. 选择创建并运行作业。DataBrew 将使用您的设置创建一个作业，然后运行它。

  9. 在作业运行历史记录窗格上，等待作业状态从 Running 更改为 Succeeded。

  10. 选择输出以访问 Amazon S3 控制台。选择您的 S3 存储桶，然后选择用于访问作业输出的 databrew-output 文件夹。

  11. （可选）选择下载以下载文件并查看其内容。