AWS Lake Formation 入门

基于 AWS Lake Formation 您可以轻松构建起安全的数据湖。 数据湖是一个集中的、有组织的、安全的数据存储环境，可以存储您的任意规模的结构化和非结构化数据。 您可以按原样存储数据，而无需先对其进行结构化。 您可以运行包括：仪表板、可视化、大数据处理、实时分析和机器学习等各种类型的分析和处理，以更好地指导决策制定。

构建数据湖面临的挑战

数据湖管理的主要挑战，源于原始数据存储内容没有被监管。为了使数据湖中的数据可用，您需要通过定义处理机制对数据进行编目和安全管理。Lake Formation提供了对数据湖实施治理、语义一致性和访问控制的机制。 Lake Formation使您的数据更容易的用于分析和机器学习，为您的业务提供更好的价值。Lake Formation 允许您控制和审计对数据湖的访问。AWS Glue Data Catalog集成了数据访问策略，无论数据来源如何，均可确保合规性。

演练

在本演练中，我将展示如何构建和使用数据湖：

• 创建数据湖管理员。

• 注册 Amazon S3 路径。

• 创建数据库。

• 授予权限。

• 使用 AWS Glue 对数据进行爬取，以创建元数据表。

• 授予对表数据的访问权限。

• 使用 Amazon Athena 查询数据。

• 添加具有受限访问权限的新用户并验证结果。

先决条****件

对于本演练，您需要以下资源：

• AWS 账户
  

• 具有 AWSLakeFormationDataAdmin 策略的 IAM 用户。有关更多信息，请参阅 IAM 访问策略。

• 名为 datalake-yourname-region 的 S3 存储桶（位于US-East (N. Virginia)）

• 新 S3 存储桶中名为 zipcode 的文件夹。

您需要下载样本数据集。在本演练中，使用纽约市统计数据。该数据可在 DATA.GOV 网站上的按邮政编码统计的纽约市人口统计数据表中找到。将文件上传到 S3 存储桶的 /zipcode 文件夹中。

确保您设置好了 S3 存储桶，并且已经将数据集上传到上述位置。现在，使用 Lake Formation 设置您的数据湖。

步骤 1：创建数据湖管理员

首先，将您自己指定为数据湖管理员，以允许访问任何 Lake Formation 资源。

步骤 2：注册 Amazon S3 路径

接下来，注册 Amazon S3 路径以将您的数据包含在数据湖中。

步骤 3：创建数据库

接下来，在 AWS Glue Data Catalog 中创建一个数据库以包含 zipcode 表定义。

• Database: zipcode-db.

• Location: 您的 S3 存储桶/zipcode.

• New tables in this database: 请不要选择Grant All to Everyone.

步骤 4：授予权限

接下来，授予 AWS Glue 使用 zipcode-db 数据库的权限。对于“IAM users and roles”，选择你的用户和 AWSGlueServiceRoleDefault。

授予你的用户和 AWSServiceRoleForLakeFormationDataAccess 使用数据湖的权限，该数据湖使用以下数据位置：

• 针对“IAM users and roles”，选择你的用户和 AWSServiceRoleForLakeFormationDataAccess。

• 针对存储位置，输入 s3://datalake-yourname-region。

步骤 5：使用 AWS Glue 对数据进行爬取以创建元数据和表

在此步骤中，爬取程序将连接到数据存储，处理分类器的优先级列表以确定数据的结构，然后在 AWS Glue 数据目录中创建元数据表。

使用 AWS Glue Crawl 创建表。使用以下配置设置：

• Crawler name: zipcodecrawler.

• Data stores: Select this field.

• Choose a data store: Select S3.

• Specified path: Select this field.

• Include path: s3://datalake-yourname-location/zipcode.

• Add another data store: Choose No.

• Choose an existing IAM role: Select this field.

• IAM role: Select AWSGlueServiceRoleDefault.

• Run on demand: Select this field.

• Database: Select zipcode-db.

选择“Run it now? ”。 然后等到爬取程序停止运行，再继续下一步。

本文转载自 AWS 技术博客。

原文链接：https://amazonaws-china.com/cn/blogs/china/getting-started-with-aws-lake-formation/