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。

# 中的 Amazon Q 資料整合 AWS Glue
<a name="q"></a>

中的 Amazon Q 資料整合 AWS Glue 是 的新生成式 AI 功能 AWS Glue ，可讓資料工程師和 ETL 開發人員使用自然語言建置資料整合任務。工程師和開發人員可以要求 Amazon Q 撰寫任務、疑難排解問題，以及回答有關 AWS Glue 和資料整合的問題。

## 什麼是 Amazon Q？
<a name="q-what-is-amazon-q"></a>

**注意**  
採用 Amazon Bedrock 技術： AWS 實作[自動濫用偵測](https://docs.aws.amazon.com/bedrock/latest/userguide/abuse-detection.html)。因為 Amazon Q 資料整合是建立在 Amazon Bedrock 的基礎上，所以使用者可以充分利用 Amazon Bedrock 中實作的控制措施，強制執行人工智慧 (AI) 的安全、保障和負責任使用目標。

Amazon Q 是生成式人工智慧 (AI) 支援的對話式助理，可協助您了解、建置、擴展和操作 AWS 應用程式。支援 Amazon Q 的模型已透過高品質 AWS 內容增強，讓您擁有更完整、可行且參考的答案，以加速您的建置 AWS。如需詳細資訊，請參閱[什麼是 Amazon Q？](https://docs.aws.amazon.com/amazonq/latest/aws-builder-use-ug/what-is.html)

## AWS Glue中的 Amazon Q 資料整合是什麼？
<a name="q-key-features"></a>

中的 Amazon Q 資料整合 AWS Glue 包含下列功能：
+ **聊天** – 中的 Amazon Q 資料整合 AWS Glue 可以用英文回答有關 AWS Glue 和資料整合網域的自然語言問題，例如 AWS Glue 來源和目的地連接器、 AWS Glue ETL 任務、資料目錄 AWS Lake Formation、爬蟲程式和其他功能文件，以及最佳實務。中的 Amazon Q 資料整合會以step-by-step指示 AWS Glue 回應，並包含其資訊來源的參考。
+ **資料整合程式碼產生** – 中的 Amazon Q 資料整合 AWS Glue 可以回答有關 AWS Glue ETL 指令碼的問題，並根據自然語言的英文問題產生新的程式碼。
+ **故障診斷** – 中的 Amazon Q 資料整合 AWS Glue 旨在協助您了解 AWS Glue 任務中的錯誤，並提供step-by-step指示，以找出根本原因並解決問題。

**注意**  
中的 Amazon Q 資料整合 AWS Glue 不會使用您的對話內容，在對話期間通知未來的回應。在 中與 Amazon Q 資料整合的每次對話 AWS Glue ，都與您先前或未來的對話無關。

## 是否使用 AWS Glue中的 Amazon Q 資料整合？
<a name="q-working-with"></a>

在 Amazon Q 面板中，您可以請求 Amazon Q 為 AWS Glue ETL 指令碼產生程式碼，或回答有關 AWS Glue 功能或故障診斷錯誤的問題。回應是 PySpark 中的 ETL 指令碼，並提供逐步指示來自訂、檢閱和執行指令碼。系統會根據資料整合知識庫產生對問題的回應，其中包含摘要和來源 URL 以供參考。

例如，您可以要求 Amazon Q 「*請提供從 Snowflake 讀取、重新命名欄位和寫入 Redshift 的 Glue 指令碼*」，而 中的 Amazon Q 資料整合 AWS Glue 將傳回可執行所請求動作 AWS Glue 的任務指令碼。您可以檢閱產生的程式碼，確保其符合請求的意圖。如果滿意，您可以在生產環境中將其部署為 AWS Glue 任務。您可以要求整合解釋錯誤和失敗，並提出解決方案，藉此疑難排解作業。Amazon Q 可以回答有關 AWS Glue 或資料整合最佳實務的問題。

![使用 AWS Glue中的 Amazon Q 資料整合的範例。](http://docs.aws.amazon.com/zh_tw/glue/latest/dg/images/q-chat-experience-1.gif)


以下是示範 中的 Amazon Q 資料整合如何 AWS Glue 協助您建置的範例問題 AWS Glue：

AWS Glue ETL 程式碼產生：
+ 撰寫從 S3 讀取 JSON 的 AWS Glue 指令碼，使用套用映射轉換欄位並寫入 Amazon Redshift
+ 如何撰寫從 DynamoDB 讀取、套用 DropNullFields 轉換並以 Parquet 形式寫入 S3 的 AWS Glue 指令碼？
+ 提供從 MySQL 讀取的 AWS Glue 指令碼、根據我的商業邏輯捨棄一些欄位，以及寫入 Snowflake
+ 撰寫 AWS Glue 任務以從 DynamoDB 讀取，並以 JSON 形式寫入 S3 
+ 協助我開發 AWS Glue Data Catalog 到 S3 的 AWS Glue 指令碼
+ 撰寫 AWS Glue 任務以從 S3 讀取 JSON、捨棄 null 並寫入 Redshift

AWS Glue 功能說明：
+ 如何使用 AWS Glue Data Quality？
+ 如何使用 AWS Glue 任務書籤？
+ 如何啟用 AWS Glue 自動擴展？
+  AWS Glue 動態影格和 Spark 資料影格之間的差異是什麼？
+ 支援哪些不同類型的連線 AWS Glue？

AWS Glue 故障診斷：
+ 如何對 AWS Glue 任務上的記憶體不足 (OOM) 錯誤進行故障診斷？
+ 設定 AWS Glue Data Quality 時可能會看到哪些錯誤訊息，以及如何修正這些錯誤訊息？
+ 如何修正錯誤為 Amazon S3 存取遭拒 AWS Glue 的任務？
+ 如何解決 AWS Glue 任務上資料隨機播放的問題？

## 與 Amazon Q 資料整合互動的最佳實務
<a name="q-best-practices"></a>

以下是與 Amazon Q 資料整合互動的最佳實務：
+ 與 Amazon Q 資料整合互動時，請提出特定問題，在有複雜的請求時反覆運算，並驗證答案的準確性。
+ 以自然語言提供資料整合時，請盡可能具體地協助助理了解您需要的內容。與其詢問「從 S3 擷取資料」，提供更多詳細資訊，例如「撰寫從 S3 擷取 JSON 檔案的 AWS Glue 指令碼」。
+ 執行產生的指令碼之前，請先進行檢閱以確保準確性。如果產生的指令碼有錯誤或不符合您的意圖，請提供指示給助理，說明如何更正。
+ 生成式 AI 技術是一種新穎的技術，在反應中可能會出現錯誤，有時也稱為幻覺。在您的環境或工作負載中使用之前，請先測試並檢閱所有程式碼是否有錯誤和漏洞。

## AWS Glue 服務改進中的 Amazon Q 資料整合
<a name="q-service-improvement"></a>

為了協助 中的 Amazon Q 資料整合 AWS Glue 提供最相關的資訊 AWS ，我們可能會使用 Amazon Q 的特定內容，例如您向 Amazon Q 提出的問題及其回應，以改善服務。

如需有關我們使用哪些內容以及如何選擇退出的資訊，請參閱《*Amazon Q Developer 使用者指南*》中的 [Amazon Q Developer 服務改善](https://docs.aws.amazon.com/amazonq/latest/qdeveloper-ug/service-improvement.html)。

## 考量事項
<a name="q-considerations"></a>

使用 AWS Glue中的 Amazon Q 資料整合之前，請考慮下列項目：
+ 目前，程式碼產生僅適用於 PySpark 核心。產生的程式碼適用於以 Python Spark 為基礎的 AWS Glue 任務。
+ 如需 中 Amazon Q 資料整合的程式碼產生功能支援組合的詳細資訊 AWS Glue，請參閱 [支援的程式碼產生功能](q-supported-actions.md)。