Amazon DynamoDB 中的彙總資料，用於 Athena 中的 ML 預測 - AWS 方案指引
Summary先決條件和限制架構工具史詩相關資源

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。

Amazon DynamoDB 中的彙總資料，用於 Athena 中的 ML 預測

Sachin Doshi 和 Peter Molnar，Amazon Web Services

Summary

此模式說明如何使用 Amazon Athena 在 Amazon DynamoDB 資料表中建置複雜的物聯網 (IoT) 資料彙總。您也會了解如何使用 Amazon SageMaker AI 透過機器學習 (ML) 推論豐富資料，以及如何使用 Athena 查詢地理空間資料。您可以使用此模式做為建立符合組織需求的 ML 預測解決方案的基礎。

基於示範目的，此模式使用營運機車共乘的業務範例案例，並希望預測必須為不同城市社區客戶部署的最佳機車數量。企業使用預先訓練的 ML 模型，根據過去四小時預測下一個小時的客戶需求。此案例使用路易斯維爾都會政府公民創新技術辦公室的公有資料集。此案例的資源可在 GitHub 儲存庫中使用。

先決條件和限制

  • 作用中 AWS 帳戶

  • 為下列項目建立具有 AWS Identity and Access Management (IAM) 角色的 AWS CloudFormation 堆疊的許可：

    • Amazon Simple Storage Service (Amazon S3) 儲存貯體

    • Athena

    • DynamoDB

    • SageMaker AI

    • AWS Lambda

架構

技術堆疊

  • Amazon QuickSight

  • Amazon S3

  • Athena

  • DynamoDB

  • Lambda

  • SageMaker AI

目標架構

下圖顯示使用 Athena、Lambda 函數、Amazon S3 儲存體、SageMaker AI 端點和 QuickSight 儀表板的查詢功能，在 DynamoDB 中建置複雜資料彙總的架構。

在 DynamoDB 中建置複雜資料彙總的架構。

該圖顯示以下工作流程：

  1. DynamoDB 資料表會擷取從機群機群傳輸的 IoT 資料。

  2. Lambda 函數會使用擷取的資料載入 DynamoDB 資料表。

  3. Athena 查詢會為代表城市鄰里的地理空間資料建立新的 DynamoDB 資料表。

  4. 查詢位置會儲存在 S3 儲存貯體中。

  5. Athena 函數會從託管預先訓練 ML 模型的 SageMaker AI 端點查詢 ML 推論。

  6. Athena 會直接從 DynamoDB 資料表查詢資料，並彙總資料進行分析。

  7. 使用者在 QuickSight 儀表板中檢視分析資料的輸出。

工具

AWS 服務

  • Amazon Athena 是一種互動式查詢服務，可協助您使用標準 SQL 直接在 Amazon S3 中分析資料。

  • Amazon DynamoDB 是一項全受管 NoSQL 資料庫服務，可提供快速、可預期且可擴展的效能。

  • Amazon SageMaker AI 是一種受管 ML 服務，可協助您建置和訓練 ML 模型，然後將模型部署到生產就緒的託管環境中。

  • Amazon Simple Storage Service (Amazon S3) 是一種雲端型物件儲存服務，可協助您儲存、保護和擷取任何數量的資料。

  • Amazon QuickSight 是一種雲端規模的商業智慧 (BI) 服務，可協助您在單一儀表板中視覺化、分析和報告您的資料。

  • AWS Lambda 是一項運算服務，可協助您執行程式碼，無需佈建或管理伺服器。它只會在需要時執行程式碼並自動擴展，因此您只需按使用的運算時間付費。

程式碼儲存庫

此模式的程式碼可在 GitHub 透過 Amazon Athena ML 儲存庫的 Amazon DynamoDB 資料使用 ML 預測中取得。您可以從儲存庫使用 CloudFormation 範本來建立範例案例中使用的下列資源：

  • DynamoDB 資料表

  • 使用相關資料載入資料表的 Lambda 函數

  • 適用於推論請求的 SageMaker AI 端點，具有存放在 Amazon S3 中的預先訓練 XGBoost 模型

  • 名為 的 Athena 工作群組V2EngineWorkGroup

  • 具名 Athena 查詢以查詢地理空間形狀檔並預測滑步車需求

  • 預先建置的 Amazon Athena DynamoDB 連接器，可讓 Athena 與 DynamoDB 通訊，並使用 AWS Serverless Application Model(AWS SAM) 參考 DynamoDB 連接器建置應用程式

史詩

任務描述所需的技能

下載資料集和資源。

  1. 下載停駐車輛租賃的公有資料集。基於示範目的，此資料會預先填入 DynamoDB 做為使用案例的一部分，但在生產環境中，您會透過 IoT 裝置或Amazon Kinesis 取用者等各種機制，將此資料傳送至 DynamoDB。這些機制使用 Lambda 將資料插入 DynamoDB。

  2. 下載代表肯塔基州路易斯維爾市內歷史和文化鄰里邊界的 GIS 形狀檔。公有資料集由 Louisville 和 Jefferson 縣， KY Information Consortium 提供。原始形狀檔案已轉換為文字檔案，您可以使用 Athena 進行查詢，但您可以在 GitHub 中使用 Amazon Athena 進行 GIS 形狀檔案的地理空間處理時，在 Jupyter 筆記本中找到轉換形狀檔案的 Python 程式碼。

  3. 下載預先訓練的 Python 程式碼，該程式碼使用 SageMaker AI 和 Athena 來訓練 ML 模型每小時預測。

  4. 取得 Athena 中的 SQL 查詢，從存放在 DynamoDB 中的資料整合所有內容以進行即時預測。

  5. （選用） 使用 QuickSight 透過肯塔基州路易斯維爾的地圖視覺化地理空間資料。

應用程式開發人員、資料科學家
任務描述所需的技能

建立 CloudFormation 堆疊。

  1. 從 GitHub 儲存庫下載 CloudFormation 範本。

  2. 注意

    登入 AWS Management Console，然後選擇 us-east-1。：ML 模型存放在 的 Amazon Elastic Container Registry (Amazon ECR) 中us-east-1 AWS 區域，但模式與區域無關。您可以在支援此模式 AWS 服務 中使用的 的任何區域中複寫模式。

  3. 開啟 CloudFormation 主控台，然後在導覽窗格中選擇堆疊。

  4. 選擇建立堆疊，然後選擇使用現有資源 （匯入資源）。

  5. 在識別資源頁面上，選擇下一步。

  6. 在指定範本區段中，針對範本來源，選取上傳範本檔案。

  7. 選擇檔案，然後選擇您先前下載的 CloudFormation 範本。

  8. 選擇下一步，接受預設參數值，然後選擇下一步以逐步完成其餘的設定精靈。

  9. 選取我確認 AWS CloudFormation 可能會建立具有自訂名稱的 IAM 資源核取方塊。

  10. 選擇建立堆疊。

注意

 CloudFormation 堆疊可能需要 15-20 分鐘才能建立這些資源。

AWS DevOps

驗證 CloudFormation 部署。

若要確認 CloudFormation 範本中的範例資料已載入 DynamoDB，請執行下列動作：

  1. 開啟 DynamoDB 主控台，然後從導覽窗格中選擇資料表。

  2. 在資料表區段中，檢查DynamoDBTableDocklessVehicles資料表。

  3. 資源建立完成後，開啟 Athena 主控台，然後從導覽窗格中選擇工作群組。

  4. 選擇V2EngineWorkGroup工作群組，然後選擇切換工作群組。

  5. 如果您收到儲存查詢結果位置的提示，請選擇您具有寫入許可的 Amazon S3 位置。

  6. 選擇儲存。

  7. 在導覽窗格中，選擇查詢編輯器，然後選取athena-ml-db-<your-AWS-account-number>資料庫。

應用程式開發人員
任務描述所需的技能

使用地理空間資料建立 Athena 資料表。

若要將地理位置檔案載入 Athena，請執行下列動作：

  1. 開啟 Athena 主控台，然後從導覽窗格中選擇查詢編輯器。

  2. 選擇已儲存的查詢索引標籤。

  3. 搜尋並選取Q1：鄰里。

  4. 若要返回查詢編輯器，請選擇編輯器索引標籤。

  5. 選擇執行。這會在您的資料庫中建立名為louisville_ky_neighborhoods 的資料表。確定已在athena-ml-db-<your-AWS-account-number>資料庫中建立資料表。

查詢會為代表城市鄰里的地理空間資料建立新的資料表。資料表是從 GIS shapefiles 建立。CREATE EXTERNAL TABLE 陳述式定義資料表的結構描述，以及基礎資料檔案的位置和格式。

如需處理 shapefile 並產生此表格的 Python 程式碼，請參閱 AWS 範例中的使用 Amazon Athena 對 GIS shapefile 進行地理空間處理。如需詳細的 SQL 程式碼，請參閱 GitHub 上的 create_neighborhood_table.sql。

資料工程師
任務描述所需的技能

在 Athena 中宣告函數以查詢 SageMaker AI。

  1. 開啟 Athena 主控台，從導覽窗格中選擇查詢編輯器，然後選擇編輯器索引標籤。

  2. 將下列 SQL 陳述式複製並貼到查詢編輯器中。

    USING EXTERNAL FUNCTION predict_demand
( location_id BIGINT, 
hr BIGINT , 
dow BIGINT, 
n_pickup_1 BIGINT, 
n_pickup_2 BIGINT, 
n_pickup_3 BIGINT, 
n_pickup_4 BIGINT, 
n_dropoff_1 BIGINT, 
n_dropoff_2 BIGINT, 
n_dropoff_3 BIGINT, 
n_dropoff_4 BIGINT ) 
RETURNS DOUBLE SAGEMAKER '<Your SageMaker endpoint>'

    SQL 陳述式的第一部分宣告外部函數，從託管預先訓練模型的 SageMaker AI 端點查詢 ML 推論。

  3. 定義輸入參數的順序和類型，以及傳回值的類型。

  4. 選擇執行。

資料科學家、資料工程師

從彙總的 DynamoDB 資料中，依鄰里預測摩托車的需求。

現在，您可以使用 Athena 直接從 DynamoDB 查詢交易資料，然後彙總資料進行分析和預測。這無法透過直接查詢 DynamoDB NoSQL 資料庫輕鬆達成。

  1. 開啟 Athena 主控台，然後從導覽窗格中選擇查詢編輯器。

  2. 選擇儲存的查詢索引標籤。

  3. 搜尋並選取Q2：DynamoDBAthenaMLScooterPredict。

  4. 若要返回查詢編輯器，請選擇編輯器索引標籤。

  5. 選擇執行。

SQL 陳述式會執行下列動作：

  • 使用 Athena 聯合查詢來查詢具有原始行程資料的 DynamoDB 資料表

  • 使用 Athena 的地理空間函數，將地理座標放在鄰里

  • 使用 SageMaker AI 透過 ML 推論豐富資料

如需有關使用 SQL 在 Athena 中彙總 DynamoDB 資料和 SageMaker AI 推論資料的資訊，請參閱 GitHub 中的 athena_long.sql。

應用程式開發人員、資料科學家

驗證輸出。

輸出資料表包含鄰里、經度和鄰里中樞的緯度。它還包含預測下一個小時的車輛數量。

查詢會產生所選時間點的預測。您可以變更陳述式中TIMESTAMP '2019-09-07 15:00'每個位置的表達式，進行任何其他時間的預測。

如果您的 DynamoDB 資料表中有即時資料饋送，請將時間戳記變更為 NOW()。

應用程式開發人員、資料科學家
任務描述所需的技能

刪除 資源。

  1. 開啟 Athena 主控台，並清空您在 CloudFormation 堆疊中建立的儲存貯體。 CloudFormation

  2. 開啟 CloudFormation 主控台，然後刪除名為 的堆疊bdb-1462-athena-dynamodb-ml-stack。

  3. 開啟Amazon CloudWatch 主控台，然後刪除名為 的日誌群組/aws/sagemaker/Endpoints/Sg-athena-ml-dynamodb-model-endpoint。

應用程式開發人員、AWS DevOps

相關資源