Amazon RedShift är det mest använda datalagret i molnet, bäst lämpat för att analysera exabyte av data och köra komplexa analytiska frågor. Amazon QuickSight är en snabb affärsanalystjänst för att bygga visualiseringar, utföra ad hoc-analyser och snabbt få affärsinsikter från din data. QuickSight ger enkel integration med Amazon Redshift, vilket ger inbyggd åtkomst till all din data och gör det möjligt för organisationer att skala sina affärsanalysfunktioner till hundratusentals användare. QuickSight levererar snabb och lyhörd frågeprestanda genom att använda en robust in-memory-motor (SPICE).
Som QuickSight-administratör kan du använda AWS molnformation mallar för att migrera tillgångar mellan olika miljöer från utveckling till test till produktion. AWS CloudFormation hjälper dig att modellera och ställa in dina AWS-resurser så att du kan spendera mindre tid på att hantera dessa resurser och mer tid på att fokusera på dina applikationer som körs i AWS. Du behöver inte längre skapa datakällor eller analyser manuellt. Du skapar en mall som beskriver alla AWS-resurser du vill ha, och AWS CloudFormation tar hand om att tillhandahålla och konfigurera dessa resurser åt dig. Dessutom, med versionshantering, har du dina tidigare tillgångar, vilket ger flexibiliteten att återställa implementeringar om behov uppstår. För mer information, se Amazon QuickSight-resurstypreferens.
I det här inlägget visar vi hur man automatiserar distributionen av en QuickSight-analys som ansluter till ett Amazon Redshift-datalager med en CloudFormation-mall.
Lösningsöversikt
Vår lösning består av följande steg:
- Skapa en QuickSight-analys med hjälp av en Amazon Redshift-datakälla.
- Skapa en QuickSight-mall för din analys.
- Skapa en CloudFormation-mall för din analys med hjälp av AWS-kommandoradsgränssnitt (AWS CLI).
- Använd den genererade CloudFormation-mallen för att distribuera en QuickSight-analys till en målmiljö.
Följande diagram visar arkitekturen för hur du kan ha flera AWS-konton, var och en med sin egen QuickSight-miljö kopplad till sin egen Amazon Redshift-datakälla. I det här inlägget beskriver vi stegen som är involverade i att migrera QuickSight-tillgångar i dev-kontot till prod-kontot. För det här inlägget använder vi Amazon Redshift som datakälla och skapar en QuickSight-visualisering med hjälp av Amazon Redshift-exempeldatabasen TICKIT.
Följande diagram illustrerar flödet av stegen på hög nivå.
Förutsättningar
Innan du ställer in CloudFormation-stackarna måste du ha ett AWS-konto och ett AWS identitets- och åtkomsthantering (IAM) användare med tillräckliga behörigheter för att interagera med AWS Management Console och de tjänster som anges i arkitekturen.
Migreringen kräver följande förutsättningar:
Skapa en QuickSight-analys i din utvecklarmiljö
I det här avsnittet går vi igenom stegen för att ställa in din QuickSight-analys med hjälp av en Amazon Redshift-datakälla.
Skapa en Amazon Redshift-datakälla
För att ansluta till ditt Amazon Redshift-datalager måste du skapa en datakälla i QuickSight. Som visas i följande skärmdump har du två alternativ:
- Auto-upptäckt
- Manuell anslutning
QuickSight upptäcker automatiskt Amazon Redshift-kluster som är associerade med ditt AWS-konto. Dessa resurser måste finnas i samma region som ditt QuickSight-konto.
Mer information finns i Auktorisera anslutningar från Amazon QuickSight till Amazon Redshift-kluster.
Du kan också ansluta manuellt och skapa en datakälla.
Skapa en Amazon Redshift-datauppsättning
Nästa steg är att skapa en QuickSight-datauppsättning, som identifierar den specifika data i en datakälla du vill använda.
För det här inlägget använder vi TICKIT-databasen skapad i ett Amazon Redshift-datalager, som består av sju tabeller: två faktatabeller och fem dimensioner, som visas i följande figur.
Denna exempeldatabasapplikation hjälper analytiker att spåra försäljningsaktivitet för den fiktiva TICKIT-webbplatsen, där användare köper och säljer biljetter online till sportevenemang, shower och konserter.
- På dataset sida, välj Nytt datasätt.
- Välj datakällan du skapade i föregående steg.
- Välja Använd anpassad SQL.
- Ange den anpassade SQL som visas i följande skärmdump.
Följande skärmdump visar vår färdiga datakälla.
Skapa en QuickSight-analys
Nästa steg är att skapa en analys som använder denna datauppsättning. I QuickSight analyserar och visualiserar du din data i analyser. När du är klar kan du publicera din analys som en instrumentpanel för att dela med andra i din organisation.
- På Alla analyser fliken på QuickSights startsida, välj Ny analys.
Smakämnen dataset sidan öppnas.
- Välj en datauppsättning och välj sedan Använd i analys.
- Skapa en visuell. Mer information om hur du skapar bilder finns i Lägga till bilder till Amazon QuickSight-analyser.
Skapa en QuickSight-mall från din analys
En QuickSight-mall är ett namngivet objekt i ditt AWS-konto som innehåller definitionen av din analys och referenser till de datauppsättningar som används. Du kan skapa en mall med QuickSight API genom att tillhandahålla information om källanalysen via en parameterfil. Du kan använda mallar för att enkelt skapa en ny analys.
Du kan använda AWS Cloud9 från konsolen för att köra AWS CLI-kommandon.
Följande AWS CLI-kommando visar hur du skapar en QuickSight-mall baserat på försäljningsanalysen du skapade (ange ditt AWS-konto-ID för ditt dev-konto):
Smakämnen parameter.json
filen innehåller följande detaljer (ange din källQuickSight-användare ARN, analys ARN och dataset ARN):
Du kan använda AWS CLI beskriv-användare, beskriv_analysoch beskriv_dataset kommandon för att få de nödvändiga ARN:erna.
För att ladda upp den uppdaterade parameter.json
fil till AWS Cloud9, välj Fil från verktygsfältet och välj Ladda upp lokal fil.
QuickSight-mallen skapas i bakgrunden. QuickSight-mallar är inte synliga i QuickSight-gränssnittet; de är en utvecklarhanterad eller adminhanterad tillgång som endast är tillgänglig via AWS CLI eller API:er.
För att kontrollera statusen för mallen, kör describe-template
kommando:
Följande kod visar kommandoutgång:
Kopiera mallen ARN; vi behöver den senare för att skapa en mall i produktionskontot.
QuickSight-mallbehörigheterna i utvecklarkontot måste uppdateras för att ge åtkomst till prodkontot. Kör följande kommando för att uppdatera QuickSight-mallen. Detta ger målkontot beskrivningsrättigheten att extrahera detaljer om mallen från källkontot:
Filen TemplatePermission.json
innehåller följande information (ange ditt mål-AWS-konto-ID):
För att ladda upp den uppdaterade TemplatePermission.json
fil till AWS Cloud9, välj Fil menyn från verktygsfältet och välj Ladda upp lokal fil.
Skapa en CloudFormation-mall
I det här avsnittet skapar vi en CloudFormation-mall som innehåller våra QuickSight-tillgångar. I det här exemplet använder vi en YAML-formaterad mall sparad på vår lokala dator. Vi uppdaterar följande olika delar av mallen:
- AWS::QuickSight::DataSource
- AWS::QuickSight::DataSet
- AWS::QuickSight::Mall
- AWS::QuickSight::Analys
En del av den information som krävs för att fylla i CloudFormation-mallen kan samlas in från källkontot för QuickSight via describe
AWS CLI-kommandon, och viss information måste uppdateras för målkontot.
Skapa en Amazon Redshift-datakälla i AWS CloudFormation
I detta steg lägger vi till AWS::QuickSight::DataSource avsnittet i CloudFormation-mallen.
Samla in följande information om Amazon Redshift-klustret i mål-AWS-kontot (produktionsmiljö):
- VPC-anslutning ARN
- Host
- Hamn
- Databas
- Användare
- Lösenord
- Kluster-ID
Du har möjlighet att skapa en anpassad DataSourceID
. Detta ID är unikt per region för varje AWS-konto.
Lägg till följande information i mallen:
Skapa en Amazon Redshift-datauppsättning i AWS CloudFormation
I detta steg lägger vi till AWS::QuickSight::DataSet avsnittet i CloudFormation-mallen för att matcha datasetdefinitionen från källkontot.
Samla datauppsättningsinformationen och kör list-data-sets
kommando för att hämta alla datauppsättningar från källkontot (ange ditt källutvecklarekonto-ID):
Följande kod är utgången:
Kör describe-data-set
kommando, som anger datauppsättnings-ID från föregående kommandos svar:
Följande kod visar partiell utdata:
Baserat på datauppsättningsbeskrivningen, lägg till AWS::Quicksight::DataSet
resurs i CloudFormation-mallen, som visas i följande kod. Observera att du också kan skapa en anpassad DataSetID
. Detta ID är unikt per region för varje AWS-konto.
Du kan ange ImportMode
att välja mellan Direct_Query
or Spice
.
Skapa en QuickSight-mall i AWS CloudFormation
I detta steg lägger vi till AWS::QuickSight::Mall avsnittet i CloudFormation-mallen, som representerar analysmallen.
Använd källmallen ARN som du skapade tidigare och lägg till AWS::Quicksight::Template
resurs i CloudFormation-mallen:
Skapa en QuickSight-analys
I detta sista steg lägger vi till AWS::QuickSight::Analys avsnittet i CloudFormation-mallen. Analysen är kopplad till mallen som skapats i målkontot.
Lägg till AWS::Quicksight::Analysis
resurs i CloudFormation-mallen som visas i följande kod:
Distribuera CloudFormation-mallen i produktionskontot
För att skapa en ny CloudFormation-stack som använder den föregående mallen via AWS CloudFormation-konsolen, utför följande steg:
- Välj på AWS CloudFormation-konsolen Skapa stack.
- Välj på rullgardinsmenyn med nya resurser (standard).
- För Förbered mall, Välj Mallen är klar.
- För Ange mallväljer Ladda upp en mallfil.
- Spara den medföljande CloudFormation-mallen i en .yaml-fil och ladda upp den.
- Välja Nästa.
- Ange ett namn för stacken. För det här inlägget använder vi
QS-RS-CF-Stack
. - Välja Nästa.
- Välja Nästa igen.
- Välja Skapa stack.
Stackens status ändras till CREATE_IN_PROGRESS
, sedan till CREATE_COMPLETE
.
Kontrollera att QuickSight-objekten i följande tabell har skapats i produktionsmiljön.
QuickSight Objekttyp | Objektnamn (Dev) | Objektnamn (Prod) |
Datakälla | RS-Försäljning-DW | RS-Försäljning-DW |
dataset | Försäljning | Försäljning |
Mall | QS-RS-Sälj-Temp | QS-RS-SalesAnalysis-Temp |
Analys | Försäljningsanalys | Försäljning-Analys |
Följande exempel visar det Sales Analysis
skapades i målkontot.
Slutsats
Det här inlägget demonstrerade ett tillvägagångssätt för att migrera en QuickSight-analys med en Amazon Redshift-datakälla från ett QuickSight-konto till ett annat med en CloudFormation-mall.
För mer information om automatisering av instrumentpanelsimplementering, anpassning av åtkomst till QuickSight-konsolen, konfigurering för teamsamarbete och implementering av multi-tenancy och klientanvändarsegregering, kolla in videorna Virtual Admin Workshop: Arbeta med Amazon QuickSight API:er och Admin Level Up Virtual Workshop, V2 på Youtube.
Om författaren
Sandeep Bajwa är en Sr. Analytics-specialist baserad i norra Virginia, specialiserad på design och implementering av analys- och datasjölösningar.
- SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
- Platoblockchain. Web3 Metaverse Intelligence. Kunskap förstärkt. Tillgång här.
- Källa: 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
- tillgång
- tillgänglig
- Konto
- konton
- åtgärder
- aktivitet
- Ad
- Dessutom
- administration
- Alla
- amason
- Amazon QuickSight
- analys
- analytiker
- Analytisk
- analytics
- analysera
- analys
- och
- Annan
- api
- API: er
- Ansökan
- tillämpningar
- tillvägagångssätt
- arkitektur
- tillgång
- Tillgångar
- associerad
- automatisera
- automatisera
- AWS
- AWS Cloud9
- AWS molnformation
- tillbaka
- bakgrund
- bar
- baserat
- BÄST
- mellan
- SLUTRESULTAT
- företag
- Köp
- kapacitet
- vilken
- Förändringar
- ta
- Välja
- Stad
- klient
- cloud
- Cloud9
- kluster
- koda
- samverkan
- Kolonner
- fullborda
- Avslutade
- komplex
- konserter
- Kontakta
- anslutna
- Anslutning
- anslutning
- Anslutningar
- Konsol
- innehåller
- skapa
- skapas
- Skapa
- referenser
- beställnings
- instrumentbräda
- datum
- datasjö
- datalagret
- Databas
- datauppsättningar
- Datum
- levererar
- demonstreras
- demonstrerar
- distribuera
- utplacering
- distributioner
- beskriva
- beskrivning
- Designa
- detaljer
- dev
- Utveckling
- olika
- dimensioner
- distinkt
- varje
- Tidigare
- lätt
- möjliggör
- Motor
- Miljö
- miljöer
- Eter (ETH)
- händelser
- exempel
- extrahera
- SNABB
- fiktiva
- Figur
- Fil
- Flexibilitet
- flöda
- fokusering
- efter
- från
- genereras
- skaffa sig
- Ge
- Grupp
- hjälper
- högnivå
- värd
- Hur ser din drömresa ut
- How To
- html
- HTTPS
- Hundratals
- IAM
- identifierar
- Identitet
- genomförande
- genomföra
- in
- informationen
- inledande
- insikter
- integrering
- interagera
- involverade
- IT
- sjö
- Efternamn
- BEGRÄNSA
- linje
- kopplade
- Noterade
- lokal
- belägen
- längre
- Maskinen
- ledning
- hantera
- manuellt
- Match
- Meny
- migrera
- migration
- modell
- mer
- mest
- multipel
- namn
- Som heter
- nativ
- Behöver
- behov
- Nya
- Nästa
- objektet
- objekt
- ONE
- nätet
- öppnas
- Alternativet
- Tillbehör
- beställa
- organisation
- organisationer
- Övrigt
- översikt
- egen
- parameter
- Lösenord
- utföra
- prestanda
- behörigheter
- plato
- Platon Data Intelligence
- PlatonData
- Inlägg
- förutsättningar
- föregående
- Principal
- Produktion
- egenskaper
- ge
- förutsatt
- ger
- tillhandahålla
- publicera
- snabbt
- referenser
- region
- representerar
- Obligatorisk
- Kräver
- resurs
- Resurser
- respons
- mottaglig
- robusta
- Rulla
- Körning
- rinnande
- försäljning
- Samma
- Skala
- §
- sektioner
- sälja
- service
- Tjänster
- in
- inställning
- sju
- Dela
- show
- visas
- Visar
- So
- lösning
- Lösningar
- några
- Källa
- Källor
- specialist
- specialiserad
- specifik
- spendera
- krydda
- SQL
- stapel
- Stacks
- standard
- starta
- status
- Steg
- Steg
- tillräcklig
- bord
- tar
- Målet
- grupp
- mall
- mallar
- testa
- Smakämnen
- den information
- källan
- deras
- tusentals
- Genom
- biljetter
- tid
- till
- verktyg
- spår
- ui
- unika
- Uppdatering
- uppdaterad
- användning
- Användare
- användare
- Återvinnare
- version
- via
- Video
- Virginia
- Virtuell
- synlig
- visualisering
- visualisera
- Warehouse
- Webbplats
- som
- brett
- inom
- arbetssätt
- verkstad
- jaml
- år
- Din
- Youtube
- zephyrnet