本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

查詢編輯器：搭配 Aurora DSQL 使用 JupyterLab

本指南提供step-by-step指示，說明如何使用 JupyterLab 搭配 Python 來連接和查詢 Amazon Aurora DSQL。JupyterLab 是一種熱門的互動式運算環境，將程式碼、文字和視覺化結合在單一文件中。它廣泛用於資料科學和研究應用程式。

以下說明將涵蓋 JupyterLab 的本機安裝以及使用 Amazon SageMaker AI 的 Aurora DSQL 使用基本知識，Amazon SageMaker AI 是一種全受管的機器學習服務，可為資料工作流程提供具有 UI 的託管環境。

開始使用

要求

使用本機 JupyterLab

若要開始使用 JupyterLab，使用者必須先使用 Python 的 pip 安裝應用程式：

pip install jupyterlab

然後，執行 即可開啟 JupyterLabjupyter lab。這將在 localhost：8888 開啟 JupyterLab 應用程式，可在瀏覽器中存取。在繼續之前，請確定已在本機環境中設定 AWS 登入資料。

使用 Amazon SageMaker AI

在 AWS 主控台中，繼續前往 Amazon SageMaker AI 主控台頁面，然後前往應用程式和 IDEs 下的筆記本區段。您可以在該處選取建立筆記本執行個體，以開始建立 SageMaker 環境。選取執行個體類型和平台，再按一下建立筆記本執行個體。

如需設定和執行個體選項的詳細資訊，請參閱 Amazon SageMaker AI 設定文件。

一旦 SageMaker 執行個體變成作用中，您就可以使用 Open JupyterLab 從筆記本執行個體區段開啟它。在筆記本中開始使用 Aurora DSQL 之前，您必須在 SageMaker 執行個體的 IAM 角色中提供 DSQL 叢集的存取權。最簡單的方法是遵循筆記本執行個體頁面中 IAM 角色的連結。您可以在該處編輯連接到 SageMaker IAM 角色的政策。如需設定 IAM 政策以允許存取 Aurora DSQL 的詳細資訊，請參閱身分驗證和授權。

使用 JupyterLab 連線至 Aurora DSQL

設定 JupyterLab 執行個體後，連線至 Aurora DSQL 的步驟會在本機和 SageMaker AI 中相同。建立空的 Python 3 筆記本，您可以在其中使用 Python 程式碼新增儲存格。

在 Python 儲存格中，從官方信任存放區下載 Amazon 根憑證：

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

若要連線至 Aurora DSQL，請先在 Python 儲存格中安裝適用於 Python 的 Aurora DSQL Connector 和 Psycopg 驅動程式，然後將其匯入：

pip install aurora_dsql_python_connector psycopg

import aurora_dsql_psycopg as dsql

匯入連接器後，您就可以建立 DSQL 組態並進行連線。Aurora DSQL Python Connector 會自動在每個連線上處理身分驗證字符的建立。

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

conn = dsql.connect(**config)

執行程式碼時，您現在應該擁有與 Aurora DSQL 的 Psycopg 連線。然後，您可以使用 Psycopg 游標執行查詢並提供 SQL 查詢。如需搭配 Postgres 相容資料庫使用 Psycopg 的詳細資訊，請參閱 Psycopg 文件。此查詢將產生 中的元組清單results_list。

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

然後，您可以使用 Pandas 等 Python 架構來分析或視覺化查詢結果，例如：

pip install pandas

import pandas as pd

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

筆記本範例

使用 Aurora DSQL 的範例筆記本可在 Aurora DSQL 範例儲存庫中使用。

深入閱讀

Amazon SageMaker AI 設定文件

適用於 Python 的 Aurora DSQL 連接器

Pandas 文件