Amazon RedShift er det mest brukte datavarehuset i skyen, best egnet for å analysere exabyte med data og kjøre komplekse analytiske spørringer. Amazon QuickSight er en rask forretningsanalysetjeneste for å bygge visualiseringer, utføre ad hoc-analyser og raskt få forretningsinnsikt fra dataene dine. QuickSight gir enkel integrasjon med Amazon Redshift, og gir innfødt tilgang til alle dataene dine og gjør det mulig for organisasjoner å skalere sine forretningsanalysefunksjoner til hundretusenvis av brukere. QuickSight leverer rask og responsiv søkeytelse ved å bruke en robust minnemotor (SPICE).
Som QuickSight-administrator kan du bruke AWS skyformasjon maler for å migrere eiendeler mellom forskjellige miljøer fra utvikling, til test, til produksjon. AWS CloudFormation hjelper deg med å modellere og sette opp AWS-ressursene dine slik at du kan bruke mindre tid på å administrere disse ressursene og mer tid på å fokusere på applikasjonene dine som kjører i AWS. Du trenger ikke lenger opprette datakilder eller analyser manuelt. Du lager en mal som beskriver alle AWS-ressursene du ønsker, og AWS CloudFormation tar seg av klargjøring og konfigurering av disse ressursene for deg. I tillegg, med versjonering, har du dine tidligere eiendeler, som gir fleksibiliteten til å rulle tilbake distribusjoner hvis behovet oppstår. For flere detaljer, se Amazon QuickSight ressurstypereferanse.
I dette innlegget viser vi hvordan du automatiserer distribusjonen av en QuickSight-analyse som kobles til et Amazon Redshift-datavarehus med en CloudFormation-mal.
Løsningsoversikt
Vår løsning består av følgende trinn:
- Lag en QuickSight-analyse ved å bruke en Amazon Redshift-datakilde.
- Lag en QuickSight-mal for analysen din.
- Lag en CloudFormation-mal for analysen din ved å bruke AWS kommandolinjegrensesnitt (AWS CLI).
- Bruk den genererte CloudFormation-malen til å distribuere en QuickSight-analyse til et målmiljø.
Følgende diagram viser arkitekturen for hvordan du kan ha flere AWS-kontoer, hver med sitt eget QuickSight-miljø koblet til sin egen Amazon Redshift-datakilde. I dette innlegget skisserer vi trinnene som er involvert i å migrere QuickSight-eiendeler i utviklerkontoen til prod-kontoen. For dette innlegget bruker vi Amazon Redshift som datakilde og lager en QuickSight-visualisering ved å bruke Amazon Redshift-eksempel TICKIT-databasen.
Følgende diagram illustrerer flyten av trinnene på høyt nivå.
Forutsetninger
Før du setter opp CloudFormation-stakkene, må du ha en AWS-konto og en AWS identitets- og tilgangsadministrasjon (IAM) bruker med tilstrekkelige tillatelser til å samhandle med AWS-administrasjonskonsoll og tjenestene som er oppført i arkitekturen.
Migreringen krever følgende forutsetninger:
Lag en QuickSight-analyse i utviklermiljøet ditt
I denne delen går vi gjennom trinnene for å sette opp QuickSight-analysen din ved å bruke en Amazon Redshift-datakilde.
Opprett en Amazon Redshift-datakilde
For å koble til Amazon Redshift-datavarehuset ditt, må du opprette en datakilde i QuickSight. Som vist i følgende skjermbilde har du to alternativer:
- Auto-oppdaget
- Manuell tilkobling
QuickSight oppdager automatisk Amazon Redshift-klynger som er knyttet til AWS-kontoen din. Disse ressursene må være plassert i samme region som QuickSight-kontoen din.
For mer informasjon, se Godkjenner tilkoblinger fra Amazon QuickSight til Amazon Redshift-klynger.
Du kan også koble til manuelt og opprette en datakilde.
Lag et Amazon Redshift-datasett
Det neste trinnet er å lage et QuickSight-datasett, som identifiserer de spesifikke dataene i en datakilde du vil bruke.
For dette innlegget bruker vi TICKIT-databasen opprettet i et Amazon Redshift-datavarehus, som består av syv tabeller: to faktatabeller og fem dimensjoner, som vist i følgende figur.
Denne prøvedatabaseapplikasjonen hjelper analytikere med å spore salgsaktivitet for det fiktive TICKIT-nettstedet, der brukere kjøper og selger billetter online til sportsbegivenheter, show og konserter.
- På datasett side, velg Nytt datasett.
- Velg datakilden du opprettet i forrige trinn.
- Velg Bruk tilpasset SQL.
- Skriv inn den egendefinerte SQL-en som vist i følgende skjermbilde.
Følgende skjermbilde viser vår fullførte datakilde.
Lag en QuickSight-analyse
Det neste trinnet er å lage en analyse som bruker dette datasettet. I QuickSight analyserer og visualiserer du dataene dine i analyser. Når du er ferdig, kan du publisere analysen din som et dashbord for å dele med andre i organisasjonen din.
- På Alle analyser på QuickSight-startsiden, velg Ny analyse.
De datasett siden åpnes.
- Velg et datasett, og velg deretter Bruk i analyse.
- Lag en visuell. For mer informasjon om hvordan du oppretter visuelle elementer, se Legger til visuelle elementer i Amazon QuickSight-analyser.
Lag en QuickSight-mal fra analysen din
En QuickSight-mal er et navngitt objekt i AWS-kontoen din som inneholder definisjonen av analysen din og referanser til datasettene som brukes. Du kan lage en mal ved å bruke QuickSight API ved å oppgi detaljene for kildeanalysen via en parameterfil. Du kan bruke maler for enkelt å lage en ny analyse.
Du kan bruke AWS Cloud9 fra konsollen til å kjøre AWS CLI-kommandoer.
Følgende AWS CLI-kommando demonstrerer hvordan du oppretter en QuickSight-mal basert på salgsanalysen du opprettet (gi AWS-konto-ID-en din for utviklerkontoen din):
De parameter.json
filen inneholder følgende detaljer (gi kilde QuickSight-bruker ARN, analyse ARN og datasett ARN):
Du kan bruke AWS CLI beskrive-bruker, beskrive_analyseog beskrive_datasett kommandoer for å få de nødvendige ARN-ene.
For å laste opp den oppdaterte parameter.json
fil til AWS Cloud9, velg filet fra verktøylinjen og velg Last opp lokal fil.
QuickSight-malen lages i bakgrunnen. QuickSight-maler er ikke synlige i QuickSight-grensesnittet; de er en utvikleradministrert eller adminadministrert ressurs som bare er tilgjengelig via AWS CLI eller APIer.
For å sjekke statusen til malen, kjør describe-template
kommando:
Følgende kode viser kommandoutgang:
Kopier malen ARN; vi trenger den senere for å lage en mal i produksjonskontoen.
QuickSight-maltillatelsene i utviklerkontoen må oppdateres for å gi tilgang til prodkontoen. Kjør følgende kommando for å oppdatere QuickSight-malen. Dette gir beskrivelsesprivilegiet til målkontoen for å trekke ut detaljer om malen fra kildekontoen:
Filen TemplatePermission.json
inneholder følgende detaljer (oppgi din mål-AWS-konto-ID):
For å laste opp den oppdaterte TemplatePermission.json
fil til AWS Cloud9, velg filet menyen fra verktøylinjen og velg Last opp lokal fil.
Lag en CloudFormation-mal
I denne delen lager vi en CloudFormation-mal som inneholder våre QuickSight-ressurser. I dette eksemplet bruker vi en YAML-formatert mal lagret på vår lokale maskin. Vi oppdaterer følgende ulike deler av malen:
- AWS::QuickSight::DataSource
- AWS::QuickSight::DataSet
- AWS::QuickSight::Mal
- AWS::QuickSight::Analyse
Noe av informasjonen som kreves for å fullføre CloudFormation-malen kan samles inn fra QuickSight-kildekontoen via describe
AWS CLI-kommandoer, og noe informasjon må oppdateres for målkontoen.
Opprett en Amazon Redshift-datakilde i AWS CloudFormation
I dette trinnet legger vi til AWS::QuickSight::DataSource delen av CloudFormation-malen.
Samle følgende informasjon om Amazon Redshift-klyngen i mål-AWS-kontoen (produksjonsmiljø):
- VPC-tilkobling ARN
- Host
- Havn
- Database
- Bruker
- Passord
- Klynge-ID
Du har muligheten til å lage en egendefinert DataSourceID
. Denne IDen er unik per region for hver AWS-konto.
Legg til følgende informasjon i malen:
Opprett et Amazon Redshift-datasett i AWS CloudFormation
I dette trinnet legger vi til AWS::QuickSight::DataSet delen i CloudFormation-malen for å matche datasettdefinisjonen fra kildekontoen.
Samle datasettdetaljene og kjør list-data-sets
kommando for å hente alle datasett fra kildekontoen (oppgi ID-en for kildeutviklerkontoen):
Følgende kode er utdata:
Kjør describe-data-set
kommando, som spesifiserer datasett-ID fra forrige kommandos svar:
Følgende kode viser delvis utgang:
Basert på datasettbeskrivelsen, legg til AWS::Quicksight::DataSet
ressurs i CloudFormation-malen, som vist i følgende kode. Merk at du også kan lage en egendefinert DataSetID
. Denne IDen er unik per region for hver AWS-konto.
Du kan spesifisere ImportMode
å velge mellom Direct_Query
or Spice
.
Lag en QuickSight-mal i AWS CloudFormation
I dette trinnet legger vi til AWS::QuickSight::Mal delen i CloudFormation-malen, som representerer analysemalen.
Bruk kildemalen ARN du opprettet tidligere og legg til AWS::Quicksight::Template
ressurs i CloudFormation-malen:
Lag en QuickSight-analyse
I dette siste trinnet legger vi til AWS::QuickSight::Analyse delen i CloudFormation-malen. Analysen er knyttet til malen som er opprettet i målkontoen.
Legg til AWS::Quicksight::Analysis
ressurs i CloudFormation-malen som vist i følgende kode:
Distribuer CloudFormation-malen i produksjonskontoen
For å lage en ny CloudFormation-stabel som bruker den forrige malen via AWS CloudFormation-konsollen, fullfør følgende trinn:
- Velg på AWS CloudFormation-konsollen Lag stabel.
- Velg på rullegardinmenyen med nye ressurser (standard).
- Til Forbered mal, plukke ut Malen er klar.
- Til Angi mal, velg Last opp en malfil.
- Lagre den medfølgende CloudFormation-malen i en .yaml-fil og last den opp.
- Velg neste.
- Skriv inn et navn for stabelen. For dette innlegget bruker vi
QS-RS-CF-Stack
. - Velg neste.
- Velg neste en gang til.
- Velg Lag stabel.
Statusen til stabelen endres til CREATE_IN_PROGRESS
, så til CREATE_COMPLETE
.
Kontroller at QuickSight-objektene i tabellen nedenfor er opprettet i produksjonsmiljøet.
QuickSight-objekttype | Objektnavn (utvikler) | Objektnavn (Prod) |
Datakilde | RS-Salg-DW | RS-Salg-DW |
datasett | Salg | Salg |
Mal | QS-RS-Salg-Temp | QS-RS-SalgAnalysis-Temp |
Analyse | Salgsanalyse | Salg-Analyse |
Følgende eksempel viser det Sales Analysis
ble opprettet i målkontoen.
konklusjonen
Dette innlegget demonstrerte en tilnærming for å migrere en QuickSight-analyse med en Amazon Redshift-datakilde fra en QuickSight-konto til en annen med en CloudFormation-mal.
For mer informasjon om automatisering av dashbord-distribusjon, tilpasse tilgang til QuickSight-konsollen, konfigurering for teamsamarbeid og implementering av multi-tenancy og klientbrukersegregering, sjekk ut videoene Virtual Admin Workshop: Arbeid med Amazon QuickSight APIer og Admin Level-Up Virtual Workshop, V2 på YouTube.
Om forfatteren
Sandeep Bajwa er en Sr. Analytics-spesialist basert i Nord-Virginia, spesialisert på design og implementering av analyse- og datainnsjøløsninger.
- SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
- Platoblokkkjede. Web3 Metaverse Intelligence. Kunnskap forsterket. Tilgang 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 oss
- adgang
- tilgjengelig
- Logg inn
- kontoer
- handlinger
- aktivitet
- Ad
- tillegg
- admin
- Alle
- Amazon
- Amazon QuickSight
- analyse
- analytikere
- Analytisk
- analytics
- analysere
- analyserer
- og
- En annen
- api
- APIer
- Søknad
- søknader
- tilnærming
- arkitektur
- eiendel
- Eiendeler
- assosiert
- automatisere
- Automatisere
- AWS
- AWS Cloud9
- AWS skyformasjon
- tilbake
- bakgrunn
- Bar
- basert
- BEST
- mellom
- bygge
- virksomhet
- kjøpe
- evner
- hvilken
- Endringer
- sjekk
- Velg
- City
- kunde
- Cloud
- Cloud9
- Cluster
- kode
- samarbeid
- kolonner
- fullføre
- Terminado
- komplekse
- konserter
- Koble
- tilkoblet
- Tilkobling
- tilkobling
- Tilkoblinger
- Konsoll
- inneholder
- skape
- opprettet
- Opprette
- Credentials
- skikk
- dashbord
- dato
- Data Lake
- datalager
- Database
- datasett
- Dato
- leverer
- demonstrert
- demonstrerer
- utplassere
- distribusjon
- distribusjoner
- beskrive
- beskrivelse
- utforming
- detaljer
- dev
- Utvikling
- forskjellig
- dimensjoner
- distinkt
- hver enkelt
- Tidligere
- lett
- muliggjør
- Motor
- Miljø
- miljøer
- Eter (ETH)
- hendelser
- eksempel
- trekke ut
- FAST
- fiktiv
- Figur
- filet
- fleksibilitet
- flyten
- fokusering
- etter
- fra
- generert
- få
- Gi
- Gruppe
- hjelper
- høyt nivå
- vert
- Hvordan
- Hvordan
- HTML
- HTTPS
- Hundrevis
- IAM
- identifiserer
- Identitet
- gjennomføring
- implementere
- in
- informasjon
- innledende
- innsikt
- integrering
- samhandle
- involvert
- IT
- innsjø
- Siste
- BEGRENSE
- linje
- knyttet
- oppført
- lokal
- ligger
- lenger
- maskin
- ledelse
- administrerende
- manuelt
- Match
- Meny
- migrere
- migrasjon
- modell
- mer
- mest
- flere
- navn
- oppkalt
- innfødt
- Trenger
- behov
- Ny
- neste
- objekt
- gjenstander
- ONE
- på nett
- åpner
- Alternativ
- alternativer
- rekkefølge
- organisasjon
- organisasjoner
- andre
- omriss
- egen
- parameter
- Passord
- utføre
- ytelse
- tillatelser
- plato
- Platon Data Intelligence
- PlatonData
- Post
- forutsetninger
- forrige
- Principal
- Produksjon
- egenskaper
- gi
- forutsatt
- gir
- gi
- publisere
- raskt
- referanser
- region
- representerer
- påkrevd
- Krever
- ressurs
- Ressurser
- svar
- responsive
- robust
- Rull
- Kjør
- rennende
- salg
- samme
- Skala
- Seksjon
- seksjoner
- selger
- tjeneste
- Tjenester
- sett
- innstilling
- syv
- Del
- Vis
- vist
- Viser
- So
- løsning
- Solutions
- noen
- kilde
- Kilder
- spesialist
- spesialisert
- spesifikk
- bruke
- krydder
- SQL
- stable
- Stabler
- Standard
- Begynn
- status
- Trinn
- Steps
- tilstrekkelig
- bord
- tar
- Target
- lag
- mal
- maler
- test
- De
- informasjonen
- Kilden
- deres
- tusener
- Gjennom
- billetter
- tid
- til
- verktøy
- spor
- ui
- unik
- Oppdater
- oppdatert
- bruke
- Bruker
- Brukere
- bruker
- versjon
- av
- videoer
- Virginia
- virtuelle
- synlig
- visualisering
- visualisere
- Warehouse
- Nettsted
- hvilken
- allment
- innenfor
- arbeid
- verksted
- yaml
- år
- Din
- youtube
- zephyrnet