Amazon rødforskydning er det mest udbredte datavarehus i skyen, bedst egnet til at analysere exabytes af data og køre komplekse analytiske forespørgsler. Amazon QuickSight er en hurtig virksomhedsanalysetjeneste til at bygge visualiseringer, udføre ad hoc-analyser og hurtigt få forretningsindsigt fra dine data. QuickSight giver nem integration med Amazon Redshift, hvilket giver indbygget adgang til alle dine data og gør det muligt for organisationer at skalere deres virksomhedsanalysefunktioner til hundredtusindvis af brugere. QuickSight leverer hurtig og responsiv forespørgselsydeevne ved at bruge en robust in-memory-motor (SPICE).
Som QuickSight-administrator kan du bruge AWS CloudFormation skabeloner til at migrere aktiver mellem forskellige miljøer fra udvikling, til test til produktion. AWS CloudFormation hjælper dig med at modellere og opsætte dine AWS-ressourcer, så du kan bruge mindre tid på at administrere disse ressourcer og mere tid på at fokusere på dine applikationer, der kører i AWS. Du behøver ikke længere at oprette datakilder eller analyser manuelt. Du opretter en skabelon, der beskriver alle de AWS-ressourcer, du ønsker, og AWS CloudFormation sørger for at klargøre og konfigurere disse ressourcer for dig. Derudover har du med versionering dine tidligere aktiver, som giver fleksibiliteten til at rulle implementeringer tilbage, hvis behovet opstår. For flere detaljer, se Amazon QuickSight-ressourcetypereference.
I dette indlæg viser vi, hvordan man automatiserer implementeringen af en QuickSight-analyse, der forbinder til et Amazon Redshift-datavarehus med en CloudFormation-skabelon.
Løsningsoversigt
Vores løsning består af følgende trin:
- Opret en QuickSight-analyse ved hjælp af en Amazon Redshift-datakilde.
- Opret en QuickSight-skabelon til din analyse.
- Opret en CloudFormation-skabelon til din analyse ved hjælp af AWS kommandolinjegrænseflade (AWS CLI).
- Brug den genererede CloudFormation-skabelon til at implementere en QuickSight-analyse til et målmiljø.
Følgende diagram viser arkitekturen for, hvordan du kan have flere AWS-konti, hver med sit eget QuickSight-miljø forbundet til sin egen Amazon Redshift-datakilde. I dette indlæg skitserer vi de trin, der er involveret i at migrere QuickSight-aktiver på udviklerkontoen til prodkontoen. Til dette indlæg bruger vi Amazon Redshift som datakilde og opretter en QuickSight-visualisering ved hjælp af Amazon Redshift-eksempel-TICKIT-databasen.
Følgende diagram illustrerer forløbet af trinene på højt niveau.
Forudsætninger
Før du opsætter CloudFormation-stakkene, skal du have en AWS-konto og en AWS identitets- og adgangsstyring (IAM) bruger med tilstrækkelige tilladelser til at interagere med AWS Management Console og de tjenester, der er anført i arkitekturen.
Migreringen kræver følgende forudsætninger:
Opret en QuickSight-analyse i dit udviklermiljø
I dette afsnit gennemgår vi trinene til opsætning af din QuickSight-analyse ved hjælp af en Amazon Redshift-datakilde.
Opret en Amazon Redshift-datakilde
For at oprette forbindelse til dit Amazon Redshift-datavarehus skal du oprette en datakilde i QuickSight. Som vist på følgende skærmbillede har du to muligheder:
- Auto-opdaget
- Manuel tilslutning
QuickSight opdager automatisk Amazon Redshift-klynger, der er knyttet til din AWS-konto. Disse ressourcer skal være placeret i samme region som din QuickSight-konto.
For flere detaljer henvises til Godkendelse af forbindelser fra Amazon QuickSight til Amazon Redshift-klynger.
Du kan også manuelt oprette forbindelse og oprette en datakilde.
Opret et Amazon Redshift-datasæt
Det næste trin er at oprette et QuickSight-datasæt, som identificerer de specifikke data i en datakilde, du vil bruge.
Til dette indlæg bruger vi TICKIT-databasen, der er oprettet i et Amazon Redshift-datavarehus, som består af syv tabeller: to faktatabeller og fem dimensioner, som vist i den følgende figur.
Denne prøvedatabaseapplikation hjælper analytikere med at spore salgsaktivitet for det fiktive TICKIT-websted, hvor brugere køber og sælger billetter online til sportsbegivenheder, shows og koncerter.
- På datasæt side, vælg Nyt datasæt.
- Vælg den datakilde, du oprettede i det forrige trin.
- Vælg Brug tilpasset SQL.
- Indtast den brugerdefinerede SQL som vist på det følgende skærmbillede.
Følgende skærmbillede viser vores færdige datakilde.
Lav en QuickSight-analyse
Det næste trin er at lave en analyse, der bruger dette datasæt. I QuickSight analyserer og visualiserer du dine data i analyser. Når du er færdig, kan du udgive din analyse som et dashboard for at dele med andre i din organisation.
- På Alle analyser fanen på QuickSight-startsiden, skal du vælge Ny analyse.
datasæt siden åbnes.
- Vælg et datasæt, og vælg derefter Brug i analyse.
- Skab en visualisering. For mere information om oprettelse af visuals, se Tilføjelse af visuals til Amazon QuickSight-analyser.
Opret en QuickSight-skabelon ud fra din analyse
En QuickSight-skabelon er et navngivet objekt i din AWS-konto, der indeholder definitionen af din analyse og referencer til de anvendte datasæt. Du kan oprette en skabelon ved hjælp af QuickSight API ved at give detaljerne om kildeanalysen via en parameterfil. Du kan bruge skabeloner til nemt at oprette en ny analyse.
Du kan bruge AWS Cloud9 fra konsollen til at køre AWS CLI-kommandoer.
Følgende AWS CLI-kommando viser, hvordan du opretter en QuickSight-skabelon baseret på den salgsanalyse, du har oprettet (angiv dit AWS-konto-id for din udviklerkonto):
parameter.json
fil indeholder følgende detaljer (giv din kilde QuickSight-bruger ARN, analyse ARN og datasæt ARN):
Du kan bruge AWS CLI beskrive-bruger, beskrive_analyseog beskriv_datasæt kommandoer for at få de nødvendige ARN'er.
For at uploade den opdaterede parameter.json
fil til AWS Cloud9, vælg File (Felt) fra værktøjslinjen og vælg Upload lokal fil.
QuickSight-skabelonen oprettes i baggrunden. QuickSight-skabeloner er ikke synlige i QuickSight-brugergrænsefladen; de er et udvikler- eller administratoradministreret aktiv, som kun er tilgængeligt via AWS CLI eller API'er.
For at kontrollere status for skabelonen skal du køre describe-template
kommando:
Følgende kode viser kommandooutput:
Kopier skabelonen ARN; vi skal bruge det senere for at oprette en skabelon i produktionskontoen.
QuickSight-skabelontilladelserne på udviklerkontoen skal opdateres for at give adgang til prod-kontoen. Kør følgende kommando for at opdatere QuickSight-skabelonen. Dette giver beskrivelsesprivilegiet til målkontoen til at udtrække detaljer om skabelonen fra kildekontoen:
Filen TemplatePermission.json
indeholder følgende detaljer (angiv dit mål-AWS-konto-id):
For at uploade den opdaterede TemplatePermission.json
fil til AWS Cloud9, skal du vælge File (Felt) menuen fra værktøjslinjen og vælg Upload lokal fil.
Opret en CloudFormation-skabelon
I dette afsnit opretter vi en CloudFormation-skabelon, der indeholder vores QuickSight-aktiver. I dette eksempel bruger vi en YAML-formateret skabelon gemt på vores lokale maskine. Vi opdaterer følgende forskellige sektioner af skabelonen:
- AWS::QuickSight::DataSource
- AWS::QuickSight::DataSet
- AWS::QuickSight::Skabelon
- AWS::QuickSight::Analyse
Nogle af de oplysninger, der kræves for at udfylde CloudFormation-skabelonen, kan indsamles fra QuickSight-kildekontoen via describe
AWS CLI-kommandoer, og nogle oplysninger skal opdateres for målkontoen.
Opret en Amazon Redshift-datakilde i AWS CloudFormation
I dette trin tilføjer vi AWS::QuickSight::DataSource afsnittet i CloudFormation-skabelonen.
Saml følgende oplysninger om Amazon Redshift-klyngen i mål-AWS-kontoen (produktionsmiljø):
- VPC tilslutning ARN
- Host
- port
- Database
- Bruger
- Adgangskode
- Klynge-id
Du har mulighed for at oprette en brugerdefineret DataSourceID
. Dette id er unikt pr. region for hver AWS-konto.
Tilføj følgende oplysninger til skabelonen:
Opret et Amazon Redshift-datasæt i AWS CloudFormation
I dette trin tilføjer vi AWS::QuickSight::DataSet afsnittet i CloudFormation-skabelonen for at matche datasætdefinitionen fra kildekontoen.
Saml datasætdetaljerne og kør list-data-sets
kommando for at hente alle datasæt fra kildekontoen (angiv dit kildeudviklerkonto-id):
Følgende kode er output:
Kør describe-data-set
kommando, der angiver datasæt-id'et fra den forrige kommandos svar:
Følgende kode viser delvis output:
Baseret på datasætbeskrivelsen skal du tilføje AWS::Quicksight::DataSet
ressource i CloudFormation-skabelonen, som vist i følgende kode. Bemærk, at du også kan oprette en brugerdefineret DataSetID
. Dette id er unikt pr. region for hver AWS-konto.
Du kan angive ImportMode
at vælge imellem Direct_Query
or Spice
.
Opret en QuickSight-skabelon i AWS CloudFormation
I dette trin tilføjer vi AWS::QuickSight::Skabelon afsnittet i CloudFormation-skabelonen, der repræsenterer analyseskabelonen.
Brug kildeskabelonen ARN, du oprettede tidligere, og tilføj AWS::Quicksight::Template
ressource i CloudFormation-skabelonen:
Lav en QuickSight-analyse
I dette sidste trin tilføjer vi AWS::QuickSight::Analyse afsnittet i CloudFormation-skabelonen. Analysen er knyttet til skabelonen oprettet i målkontoen.
Tilsæt AWS::Quicksight::Analysis
ressource i CloudFormation-skabelonen som vist i følgende kode:
Implementer CloudFormation-skabelonen i produktionskontoen
For at oprette en ny CloudFormation-stak, der bruger den foregående skabelon via AWS CloudFormation-konsollen, skal du udføre følgende trin:
- På AWS CloudFormation-konsollen skal du vælge Opret stak.
- Vælg i rullemenuen med nye ressourcer (standard).
- Til Forbered skabelon, Vælg Skabelonen er klar.
- Til Angiv skabelon, vælg Upload en skabelonfil.
- Gem den medfølgende CloudFormation-skabelon i en .yaml-fil, og upload den.
- Vælg Næste.
- Indtast et navn til stakken. Til dette indlæg bruger vi
QS-RS-CF-Stack
. - Vælg Næste.
- Vælg Næste igen.
- Vælg Opret stak.
Stakkens status ændres til CREATE_IN_PROGRESS
, så til CREATE_COMPLETE
.
Kontroller, at QuickSight-objekterne i følgende tabel er blevet oprettet i produktionsmiljøet.
QuickSight objekttype | Objektnavn (Dev) | Objektnavn (Prod) |
Datakilde | RS-Salg-DW | RS-Salg-DW |
datasæt | Salg | Salg |
Skabelon | QS-RS-Salg-Temp | QS-RS-SalgAnalysis-Temp |
Analyse | Salgsanalyse | Salg-Analyse |
Det viser følgende eksempel Sales Analysis
blev oprettet i målkontoen.
Konklusion
Dette indlæg demonstrerede en tilgang til at migrere en QuickSight-analyse med en Amazon Redshift-datakilde fra en QuickSight-konto til en anden med en CloudFormation-skabelon.
For flere oplysninger om automatisering af dashboard-implementering, tilpasning af adgang til QuickSight-konsollen, konfiguration til teamsamarbejde og implementering af adskillelse af flere lejemål og klientbruger, se videoerne Virtual Admin Workshop: Arbejde med Amazon QuickSight API'er , Admin Level-Up Virtual Workshop, V2 på YouTube.
Om forfatteren
Sandeep Bajwa er en Sr. Analytics Specialist baseret i det nordlige Virginia, specialiseret i design og implementering af analyse- og datasøløsninger.
- SEO Powered Content & PR Distribution. Bliv forstærket i dag.
- Platoblokkæde. Web3 Metaverse Intelligence. Viden forstærket. Adgang her.
- Kilde: https://aws.amazon.com/blogs/big-data/automate-deployment-of-an-amazon-quicksight-analysis-connecting-to-an-amazon-redshift-data-warehouse-with-an-aws-cloudformation-template/
- 1
- 10
- 100
- 7
- a
- Om
- adgang
- tilgængelig
- Konto
- Konti
- aktioner
- aktivitet
- Ad
- Desuden
- admin
- Alle
- Amazon
- Amazon QuickSight
- analyse
- Analytikere
- Analytisk
- analytics
- analysere
- analysere
- ,
- En anden
- api
- API'er
- Anvendelse
- applikationer
- tilgang
- arkitektur
- aktiv
- Aktiver
- forbundet
- automatisere
- Automatisering
- AWS
- AWS Cloud9
- AWS CloudFormation
- tilbage
- baggrund
- Bar
- baseret
- BEDSTE
- mellem
- bygge
- virksomhed
- købe
- kapaciteter
- hvilken
- Ændringer
- kontrollere
- Vælg
- By
- kunde
- Cloud
- Cloud9
- Cluster
- kode
- samarbejde
- Kolonner
- fuldføre
- Afsluttet
- komplekse
- koncerter
- Tilslut
- tilsluttet
- Tilslutning
- tilslutning
- Tilslutninger
- Konsol
- indeholder
- skabe
- oprettet
- Oprettelse af
- Legitimationsoplysninger
- skik
- instrumentbræt
- data
- Data Lake
- datalager
- Database
- datasæt
- Dato
- leverer
- demonstreret
- demonstrerer
- indsætte
- implementering
- implementeringer
- beskrive
- beskrivelse
- Design
- detaljer
- dev
- Udvikling
- forskellige
- størrelse
- distinkt
- hver
- tidligere
- nemt
- muliggør
- Engine (Motor)
- Miljø
- miljøer
- Ether (ETH)
- begivenheder
- eksempel
- ekstrakt
- FAST
- fiktive
- Figur
- File (Felt)
- Fleksibilitet
- flow
- fokusering
- efter
- fra
- genereret
- få
- Giv
- gruppe
- hjælper
- højt niveau
- host
- Hvordan
- How To
- HTML
- HTTPS
- Hundreder
- IAM
- identificerer
- Identity
- implementering
- gennemføre
- in
- oplysninger
- initial
- indsigt
- integration
- interagere
- involverede
- IT
- sø
- Efternavn
- GRÆNSE
- Line (linje)
- forbundet
- Børsnoterede
- lokale
- placeret
- længere
- maskine
- ledelse
- styring
- manuelt
- Match
- Menu
- migrere
- migration
- model
- mere
- mest
- flere
- navn
- Som hedder
- indfødte
- Behov
- behov
- Ny
- næste
- objekt
- objekter
- ONE
- online
- åbner
- Option
- Indstillinger
- ordrer
- organisation
- organisationer
- Andre
- skitse
- egen
- parameter
- Adgangskode
- udføre
- ydeevne
- Tilladelser
- plato
- Platon Data Intelligence
- PlatoData
- Indlæg
- forudsætninger
- tidligere
- Main
- produktion
- egenskaber
- give
- forudsat
- giver
- leverer
- offentliggøre
- hurtigt
- referencer
- region
- repræsenterer
- påkrævet
- Kræver
- ressource
- Ressourcer
- svar
- lydhør
- robust
- Roll
- Kør
- kører
- salg
- samme
- Scale
- Sektion
- sektioner
- sælger
- tjeneste
- Tjenester
- sæt
- indstilling
- syv
- Del
- Vis
- vist
- Shows
- So
- løsninger
- Løsninger
- nogle
- Kilde
- Kilder
- specialist
- specialiserede
- specifikke
- tilbringe
- krydderi
- SQL
- stable
- Stakke
- standard
- starte
- Status
- Trin
- Steps
- tilstrækkeligt
- bord
- tager
- mål
- hold
- skabelon
- skabeloner
- prøve
- oplysninger
- The Source
- deres
- tusinder
- Gennem
- billetter
- tid
- til
- værktøj
- spor
- ui
- enestående
- Opdatering
- opdateret
- brug
- Bruger
- brugere
- udnytter
- udgave
- via
- Videoer
- Virginia
- Virtual
- synlig
- visualisering
- Visualiser
- Warehouse
- Hjemmeside
- som
- bredt
- inden for
- arbejder
- værksted
- yaml
- år
- Din
- youtube
- zephyrnet