Amazon S3 configureren in een kopieeractiviteit

Artikel
02/01/2024

In dit artikel wordt beschreven hoe u de kopieeractiviteit in een gegevenspijplijn gebruikt om gegevens van en naar Amazon S3 te kopiëren.

Vereiste machtigingen

Als u gegevens van Amazon S3 wilt kopiëren, moet u ervoor zorgen dat u de volgende machtigingen hebt gekregen voor Amazon S3-objectbewerkingen: s3:GetObject en s3:GetObjectVersion.

Daarnaast s3:ListAllMyBuckets s3:ListBucket/s3:GetBucketLocation zijn machtigingen vereist voor bewerkingen zoals het testen van verbinding en bladeren vanuit de hoofdmap.

Voor de volledige lijst met Amazon S3-machtigingen gaat u naar Machtigingen opgeven in een beleid op de AWS-site.

Ondersteunde indeling

Amazon S3 ondersteunt de volgende bestandsindelingen. Raadpleeg elk artikel voor op indeling gebaseerde instellingen.

Ondersteunde configuratie

Voor de configuratie van elk tabblad onder kopieeractiviteit gaat u respectievelijk naar de volgende secties.

Algemeen
Source
Bestemming
Toewijzing
Instellingen

Algemeen

Raadpleeg de richtlijnen voor algemene instellingen voor het configureren van het tabblad Algemene instellingen.

Bron

De volgende eigenschappen worden ondersteund voor Amazon S3 op het tabblad Bron van een kopieeractiviteit.

De volgende eigenschappen zijn vereist:

Gegevensarchieftype: Selecteer Extern.
Verbinding maken ion: Selecteer een Amazon S3-verbinding in de lijst met verbindingen. Als er geen verbinding bestaat, maakt u een nieuwe Amazon-verbinding door Nieuw te selecteren.
Verbinding maken iontype: Selecteer Amazon S3 voor uw verbindingstype.
Bestandstype: U kunt het bestandspad, het voorvoegsel, het pad naar het jokerteken of de lijst met bestanden kiezen als bestandspadtype. De configuratie voor elke instelling is:
- Bestandspad: Als u dit type kiest, kunnen de gegevens worden gekopieerd uit de opgegeven bucket of het opgegeven bucket- en mappad.
- Voorvoegsel: Als u dit type kiest, geeft u de bucket en het voorvoegsel op.
  - Bucket: Geef de naam van de S3-bucket op. Het is vereist.
  - Voorvoegsel: Geef het voorvoegsel op voor de S3-sleutelnaam onder de opgegeven bucket om bron-S3-bestanden te filteren. S3-sleutels waarvan de namen beginnen met bucket/this_prefix geselecteerd. Het maakt gebruik van het servicefilter van S3, wat betere prestaties biedt dan een jokertekenfilter.
    
    Wanneer u voorvoegsel gebruikt en ervoor kiest om te kopiëren naar een op bestanden gebaseerde bestemming met behoud van de hiërarchie, moet u het subpad na het laatste '/'-voorvoegsel behouden. U hebt bijvoorbeeld bron bucket/folder/subfolder/file.txten configureer het voorvoegsel als folder/sub, dan is subfolder/file.txthet behouden bestandspad .
- Pad naar jokertekens: Als u dit type kiest, geeft u de paden Bucket en Jokerteken op.
  - Bucket: Geef de naam van de S3-bucket op. Het is vereist.
  - Jokertekenpaden: geef de map of het bestandspad op met jokertekens onder uw opgegeven bucket om uw bronmappen of bestanden te filteren.
    
    Toegestane jokertekens zijn: * (komt overeen met nul of meer tekens) en ? (komt overeen met nul of één teken). Gebruik ^ deze optie om te escapen als uw mapnaam jokerteken of dit escape-teken bevat. Bekijk meer voorbeelden in voorbeelden van mappen en bestandsfilters. Pad naar jokertekens: het pad naar de map met jokertekens onder de opgegeven bucket om bronmappen te filteren.
    
    Bestandsnaam met jokertekens: de bestandsnaam met jokertekens onder het opgegeven bucket- en mappad (of pad naar jokertekens) om bronbestanden te filteren.
- Lijst met bestanden: Als u dit type kiest, geeft u het mappad en het pad naar de bestandslijst op om aan te geven dat een bepaalde bestandsset moet worden gekopieerd. Wijs een tekstbestand aan met een lijst met bestanden die u wilt kopiëren, één bestand per regel. Dit is het relatieve pad naar het pad dat is geconfigureerd. Ga naar Voorbeelden van bestandslijsten voor meer voorbeelden.
  - Mappad: Geef het pad naar de map onder de opgegeven bucket op. Het is vereist.
  - Pad naar bestandslijst: geef het pad op van het tekstbestand dat een lijst met bestanden bevat die u wilt kopiëren.
Recursief: geef aan of de gegevens recursief worden gelezen uit de submappen of alleen uit de opgegeven map. Wanneer Recursief is geselecteerd en het doel een archief op basis van bestanden is, wordt een lege map of submap niet gekopieerd of gemaakt op het doel. Deze eigenschap is standaard geselecteerd en is niet van toepassing wanneer u Pad naar bestandslijst configureert.
Bestandsindeling: Selecteer de bestandsindeling die is toegepast in de vervolgkeuzelijst. Selecteer Instellingen om de bestandsindeling te configureren. Raadpleeg voor instellingen van verschillende bestandsindelingen artikelen in ondersteunde indeling voor gedetailleerde informatie.

Onder Geavanceerd kunt u de volgende velden opgeven:

Filteren op laatst gewijzigd: Bestanden worden gefilterd op basis van de datums die u voor het laatst hebt opgegeven. Deze eigenschap is niet van toepassing wanneer u het bestandstype configureert als Lijst met bestanden.
- Begintijd (UTC): de bestanden worden geselecteerd als de laatste wijzigingstijd groter is dan of gelijk is aan de geconfigureerde tijd.
- Eindtijd (UTC): de bestanden worden geselecteerd als de laatste wijzigingstijd kleiner is dan de geconfigureerde tijd.
Wanneer de begintijd (UTC) datum/tijd heeft, maar de eindtijd (UTC) NULL is, betekent dit dat de bestanden waarvan het kenmerk voor het laatst is gewijzigd groter is dan of gelijk is aan de datum/tijd-waarde wordt geselecteerd. Wanneer de eindtijd (UTC) datum/tijd heeft, maar de begintijd (UTC) NULL is, betekent dit dat de bestanden waarvan het kenmerk voor het laatst is gewijzigd kleiner is dan de datum/tijd-waarde wordt geselecteerd. De eigenschappen kunnen NULL zijn, wat betekent dat er geen bestandskenmerkfilter wordt toegepast op de gegevens.
Partitiedetectie inschakelen: geef op of de partities van het bestandspad moeten worden geparseerd en als extra bronkolommen moeten worden toegevoegd. Deze optie wordt standaard niet geselecteerd en wordt niet ondersteund wanneer u binaire bestandsindeling gebruikt.
- Hoofdpad partitie: wanneer partitiedetectie is ingeschakeld, geeft u het absolute hoofdpad op om gepartitioneerde mappen als gegevenskolommen te lezen.
  
  Als deze niet is opgegeven, is dit standaard het volgende:
  - Wanneer u het bestandspad of de lijst met bestanden op de bron gebruikt, is het pad naar de partitiehoofdmap dat u hebt geconfigureerd.
  - Wanneer u het filter voor jokertekens gebruikt, is het hoofdpad van de partitie het subpad vóór het eerste jokerteken.
  - Wanneer u voorvoegsel gebruikt, is het hoofdpad van de partitie vóór het laatste '/'.
  Stel dat u het pad configureert als root/folder/year=2020/month=08/day=27:
  - Als u het hoofdpad van de partitie opgeeft als root/folder/year=2020, genereert de kopieeractiviteit twee kolommen maand en dag met respectievelijk de waarde 08 en 27, naast de kolommen in de bestanden.
  - Als het pad naar de partitiehoofdmap niet is opgegeven, wordt er geen extra kolom gegenereerd.
Maximale gelijktijdige verbinding: de bovengrens van gelijktijdige verbindingen die tijdens de uitvoering van de activiteit tot stand zijn gebracht met het gegevensarchief. Geef alleen een waarde op wanneer u gelijktijdige verbindingen wilt beperken.
Aanvullende kolommen: voeg extra gegevenskolommen toe om het relatieve pad of de statische waarde van bronbestanden op te slaan. Expressie wordt ondersteund voor de laatste.

Doel

De volgende eigenschappen worden ondersteund voor Amazon S3 op het tabblad Bestemming van een kopieeractiviteit.

De volgende eigenschappen zijn vereist:

Gegevensarchieftype: Selecteer Extern.
Verbinding maken ion: Selecteer een Amazon S3-verbinding in de lijst met verbindingen. Als er geen verbinding bestaat, maakt u een nieuwe Amazon-verbinding door Nieuw te selecteren.
Verbinding maken iontype: Selecteer Amazon S3 voor uw verbindingstype.
Bestandspad: De gegevens kunnen worden gekopieerd naar de opgegeven bucket of het opgegeven pad naar de opgegeven bucket en map.
Bestandsindeling: Selecteer de bestandsindeling die is toegepast in de vervolgkeuzelijst. Selecteer Instellingen om de bestandsindeling te configureren. Raadpleeg voor instellingen van verschillende bestandsindelingen artikelen in ondersteunde indeling voor gedetailleerde informatie.

Onder Geavanceerd kunt u de volgende velden opgeven:

Kopieergedrag: Definieert het kopieergedrag wanneer de bron bestanden uit een bestandsgegevensarchief is. U kunt een gedrag kiezen in de vervolgkeuzelijst.
- Platgemaakte hiërarchie: alle bestanden uit de bronmap bevinden zich op het eerste niveau van de doelmap. De doelbestanden hebben automatisch gegenereerde namen.
- Bestanden samenvoegen: hiermee worden alle bestanden uit de bronmap samengevoegd tot één bestand. Als de bestandsnaam is opgegeven, is de naam van het samengevoegde bestand de opgegeven naam. Anders is het een automatisch gegenereerde bestandsnaam.
- Hiërarchie behouden: behoudt de bestandshiërarchie in de doelmap. Het relatieve pad van het bronbestand naar de bronmap is identiek aan het relatieve pad van het doelbestand naar de doelmap.
Maximum aantal gelijktijdige verbindingen: deze eigenschap geeft de bovengrens aan van gelijktijdige verbindingen die tijdens de uitvoering van de activiteit tot stand zijn gebracht met het gegevensarchief. Geef alleen een waarde op wanneer u gelijktijdige verbindingen wilt beperken.

Toewijzing

Voor de configuratie van het tabblad Toewijzing gaat u naar De toewijzingen configureren onder het tabblad Toewijzing. Als u Binair als bestandsindeling kiest, wordt toewijzing niet ondersteund.

Instellingen

Ga voor de configuratie van het tabblad Instellingen naar De andere instellingen configureren op het tabblad Instellingen.

Tabelsamenvatting

De volgende tabellen bevatten meer informatie over de kopieeractiviteit in Amazon S3.

Brongegevens

Name	Beschrijving	Waarde	Vereist	JSON-scripteigenschap
Gegevensarchieftype	Het gegevensarchieftype.	Extern	Ja	/
Verbinding	Uw verbinding met het brongegevensarchief.	<uw Amazon S3-verbinding>	Ja	verbinding
Verbindingstype	Selecteer een type voor uw verbinding.	Amazon S3	Ja	/
Bestandstype	Het bestandstype dat wordt gebruikt om brongegevens op te halen.	• Bestandspad • Voorvoegsel • Pad naar jokertekens • Lijst met bestanden	Ja	/
Voor bestandspad
Emmer	De naam van de S3-bucket.	<de naam van uw bucket>	Ja	bucketName
Directory	Het pad naar de map onder de opgegeven bucket.	<de naam van uw map>	Nee	mappad
Bestandsnaam	De bestandsnaam onder het opgegeven bucket- en mappad.	<uw bestandsnaam>	Nee	fileName
Voor voorvoegsel
Emmer	De naam van de S3-bucket.	<de naam van uw bucket>	Ja	bucketName
Voorvoegsel	Het voorvoegsel voor de S3-sleutelnaam onder de opgegeven bucket om bron-S3-bestanden te filteren.	<uw voorvoegsel>	Nee	Voorvoegsel
Voor pad naar jokertekens
Emmer	De naam van de S3-bucket.	<de naam van uw bucket>	Ja	bucketName
Pad naar map met jokertekens	Het pad naar de map met jokertekens onder de opgegeven bucket om bronmappen te filteren.	<uw mappad met jokertekens>	Nee	wildcardFolderPath
Bestandsnaam van jokerteken	De bestandsnaam met jokertekens onder het opgegeven bucket- en mappad (of pad naar een jokerteken) om bronbestanden te filteren.	<uw bestandsnaam met jokertekens>	Ja	jokertekenBestandName
Voor Lijst met bestanden
Emmer	De naam van de S3-bucket.	<de naam van uw bucket>	Ja	bucketName
Directory	Het pad naar de map onder de opgegeven bucket.	<de naam van uw map>	Nee	mappad
Pad naar bestandslijst	Geeft aan om een bepaalde bestandsset te kopiëren. Wijs een tekstbestand aan met een lijst met bestanden die u wilt kopiëren, één bestand per regel.	< bestandslijstpad >	Nee	fileListPath

Bestandsindeling	De bestandsindeling voor uw brongegevens. Raadpleeg voor de informatie over verschillende bestandsindelingen artikelen in ondersteunde indeling voor gedetailleerde informatie.	/	Ja	/
Recursief	Hiermee wordt aangegeven of de gegevens recursief worden gelezen uit de submappen of alleen uit de opgegeven map. Wanneer Recursief is geselecteerd en het doel een archief op basis van bestanden is, wordt een lege map of submap niet gekopieerd of gemaakt op het doel. Deze eigenschap is niet van toepassing wanneer u Pad naar bestandslijst configureert.	geselecteerd (standaard) of selectie opheffen	Nee	Recursieve
Filteren op laatst gewijzigd	De bestanden met de laatst gewijzigde tijd in het bereik [Begintijd, Eindtijd) worden gefilterd op verdere verwerking. De tijd wordt toegepast op de UTC-tijdzone in de notatie van `yyyy-mm-ddThh:mm:ss.fffZ`. Deze eigenschappen kunnen worden overgeslagen. Dit betekent dat er geen filter voor bestandskenmerken wordt toegepast. Deze eigenschap is niet van toepassing wanneer u het bestandstype configureert als Lijst met bestanden.	datetime	Nee	modifiedDatetimeStart modifiedDatetimeEnd
Partitiedetectie inschakelen	Geeft aan of de partities van het bestandspad moeten worden geparseerd en als extra bronkolommen moeten worden toegevoegd.	geselecteerd of niet geselecteerd (standaard)	Nee	enablePartitionDiscovery: waar of onwaar (standaard)
Hoofdpad van partitie	Wanneer partitiedetectie is ingeschakeld, geeft u het absolute hoofdpad op om gepartitioneerde mappen als gegevenskolommen te lezen.	< uw partitiehoofdpad >	Nee	partitionRootPath
Maximale gelijktijdige verbinding	De bovengrens van gelijktijdige verbindingen die tijdens de uitvoering van de activiteit tot stand zijn gebracht met het gegevensarchief. Geef alleen een waarde op wanneer u gelijktijdige verbindingen wilt beperken.	<maximum aantal gelijktijdige verbindingen>	Nee	maxConcurrent Verbinding maken ions
Aanvullende kolommen	Voeg extra gegevenskolommen toe om het relatieve pad of de statische waarde van bronbestanden op te slaan. Expressie wordt ondersteund voor de laatste.	• Naam •Waarde	Nee	additionalColumns: •Naam •Waarde

Doelgegevens

Name	Beschrijving	Waarde	Vereist	JSON-scripteigenschap
Gegevensarchieftype	Het gegevensarchieftype.	Extern	Ja	/
Verbinding	Uw verbinding met het doelgegevensarchief.	<uw Amazon S3-verbinding>	Ja	verbinding
Verbindingstype	Selecteer een type voor uw verbinding.	Amazon S3	Ja	/
Bestandspad	Het pad naar de map/het bestandspad naar het doelbestand.	<map/bestandspad>	Ja	/
Emmer	De naam van de S3-bucket.	<de naam van uw bucket>	Ja	bucketName
Directory	Het pad naar de map onder de opgegeven bucket.	<de naam van uw map>	Nee	mappad
Bestandsnaam	De bestandsnaam onder het opgegeven bucket- en mappad.	<uw bestandsnaam>	Nee	fileName
Gedrag van kopiëren	Definieert het kopieergedrag wanneer de bron bestanden is uit een gegevensarchief op basis van bestanden.	• Platgemaakte hiërarchie • Bestanden samenvoegen • Hiërarchie behouden	Nee	copyBehavior: • FlattenHierarchy • MergeFiles • PreserveHierarchy
Maximum aantal gelijktijdige verbindingen	De bovengrens van gelijktijdige verbindingen die tijdens de uitvoering van de activiteit tot stand zijn gebracht met het gegevensarchief. Geef alleen een waarde op wanneer u gelijktijdige verbindingen wilt beperken.	<maximum aantal gelijktijdige verbindingen>	Nee	maxConcurrent Verbinding maken ions

Uw Amazon S3-verbinding instellen

Delen via

Amazon S3 configureren in een kopieeractiviteit

Vereiste machtigingen

Ondersteunde indeling