Amazon Athena DocumentDB 連接器

Amazon Athena DocumentDB 連接器讓 Athena 能夠與您的 DocumentDB 執行個體通訊，以便使用 SQL 來查詢您的 DocumentDB 資料。此連接器也適用於 MongoDB 相容的任何端點。

與傳統的關聯式資料存放區不同，Amazon DocumentDB 集合沒有集結構描述。DocumentDB 沒有中繼資料存放區。DocumentDB 集合中的每個項目可以有不同的欄位和資料類型。

DocumentDB 連接器支援兩種產生資料表結構描述資訊的機制：基本結構描述推斷和 AWS Glue Data Catalog 中繼資料。

結構描述推斷是預設值。此選項會掃描集合中的少量文件，形成所有欄位的聯集，並指定具有非重疊資料類型的欄位。此選項適用於大多數具有統一條目的集合。

對於具有更多資料類型的集合，連接器支援從 AWS Glue Data Catalog 中擷取中繼資料。如果連接器偵測到與您的 DocumentDB 資料庫和集合名稱相匹配的 AWS Glue 資料庫和資料表，它會從相應的 AWS Glue 資料表中獲取其結構描述資訊。當您建立 AWS Glue 資料表時，我們建議您將其設為所有欄位的超集合，您可能想要從 DocumentDB 集合中存取它們。

如果您的帳戶中已啟用 Lake Formation，則您在 AWS Serverless Application Repository 中部署的 Athena 聯合 Lambda 連接器的 IAM 角色在 Lake Formation 中必須具有 AWS Glue Data Catalog 的讀取存取權。

此連接器可以作為聯合目錄向 Glue Data Catalog 註冊。它可在目錄、資料庫、資料表、資料欄、資料列和標籤層級支援 Lake Formation 中定義的資料存取控制。此連接器使用 Glue 連線來集中 Glue 中的組態屬性。

必要條件

參數

使用本節中的參數來設定 DocumentDB 連接器。

aws glue describe-connection-type --connection-type DOCUMENTDB

SELECT * FROM "docdb_instance_1".database.table

SELECT * FROM "docdb_instance_2".database.table

mongodb://:@:/?ssl=true&ssl_ca_certs=rds-combined-ca-bundle.pem&replicaSet=rs0      

mongodb://${docdb_instance_1_creds}@myhostname.com:123/?ssl=true&ssl_ca_certs=rds-combined-ca-bundle.pem&replicaSet=rs0         

擷取補充中繼資料

若要擷取補充中繼資料，請依照以下步驟，設定 Glue 資料庫和資料表。

設定 Glue 資料庫

設定 Glue 資料表

將下列參數新增至您的 Glue 資料表：

驗證中繼資料擷取

在 AWS Glue 中設定資料庫和資料表

由於連接器的內建結構描述推斷功能會掃描數量有限的文件，而且僅支援部份的資料類型，因此您可能想要將 AWS Glue 用於中繼資料。

若要啟用 AWS Glue 資料表與 Amazon DocumentDB 一起使用，對於您要為其提供補充中繼資料的 DocumentDB 資料庫和集合，您必須擁有 AWS Glue 資料庫和資料表。

支援的資料類型

本節列出 DocumentDB 連接器用於結構描述推斷的資料類型，以及使用 AWS Glue 中繼資料時的資料類型。

結構描述推斷資料類型

DocumentDB 連接器的結構描述推斷功能會嘗試將值推斷為以下資料類型之一。該資料表顯示 Amazon DocumentDB、Java 和 Apache Arrow 的相應資料類型。

AWS Glue 資料類型

如果您使用 AWS Glue 作為補充中繼資料，可以設定下列資料類型。該資料表顯示 AWS Glue 和 Apache Arrow 的相應資料類型。

所需的許可

如需詳細了解此連接器所需的 IAM 政策，請檢閱 athena-docdb.yaml 檔案的 Policies 部分。以下清單摘要說明所需的許可。

效能

Athena Amazon DocumentDB 連接器目前不支援平行掃描，但會嘗試下推述詞作為其 DocumentDB 查詢的一部分，而針對 DocumentDB 集合上之索引的述詞會導致掃描的資料大幅減少。

Lambda 函數執行投影下推，以減少查詢掃描的資料。不過，選取資料欄子集有時會導致較長的查詢執行時期。LIMIT 子句可減少掃描的資料量，但是如果您未提供述詞，則應期望具有 LIMIT 子句的 SELECT 查詢掃描至少 16 MB 的資料。

傳遞查詢

Athena Amazon DocumentDB 連接器支援傳遞查詢，並且以 NoSQL 為基礎。如需有關查詢 Amazon DocumentDB 的資訊，請參閱《Amazon DocumentDB 開發人員指南》中的查詢。

若要透過 Amazon DocumentDB 使用傳遞查詢，請使用下列語法：

SELECT * FROM TABLE(
        system.query(
            database => 'database_name',
            collection => 'collection_name',
            filter => '{query_syntax}'
        ))

下列範例會查詢 TPCDS 集合內的 example 資料庫，進而篩選出所有標題為權利法案的書籍。

SELECT * FROM TABLE(
        system.query(
            database => 'example',
            collection => 'tpcds',
            filter => '{title: "Bill of Rights"}'
        ))

其他資源