Amazon S3 Select

Amazon S3 Select では、オブジェクトから必要なデータのみを取得できます。 Databricks S3 Select コネクタは、S3 Select を利用する Apache Spark データソースを提供します。 S3 Select データソースを使用すると、DataFrame のフィルターと列の選択がプッシュダウンされ、S3 データ帯域幅が節約されます。

制限事項

Amazon S3 Select は、以下のファイル形式をサポートしています。

  • CSV ファイルと JSON ファイル

  • UTF-8 エンコード

  • GZIPまたは圧縮なし

Databricks S3 Select コネクタには、次の制限があります。

  • 複合型 (配列とオブジェクト) は JSON では使用できません

  • スキーマ推論はサポートされていません

  • ファイル分割はサポートされていませんが、複数行レコードはサポートされています

  • DBFS マウント ポイントはサポートされていません

重要

DatabricksS3AFileSystemDatabrickss3a://では、 のs3:// 、 、およびs3n:// ファイル システム スキームのデフォルトである、 が提供するDatabricks Runtime を使用することを強くお勧めします。S3AFileSystemへの移行に関してサポートが必要な場合は、Databricks サポートまたは Databricks アカウント チームにお問い合わせください。

使用方法 

sc.read.format("s3select").schema(...).options(...).load("s3://bucket/filename")

CREATE TABLE name (...) USING S3SELECT LOCATION 's3://bucket/filename' [ OPTIONS (...) ]

ファイル名拡張子が .csv または .jsonの場合、形式は自動的に検出されます。それ以外の場合は、 FileFormat オプションを指定する必要があります。

オプション

このセクションでは、すべてのファイルタイプのオプションと、CSV と JSON に固有のオプションについて説明します。

ジェネリックオプション

オプション名

デフォルト値

説明

ファイル形式

'自動'

入力ファイルの種類 ('auto'、'csv'、または 'JSON')

CompressionType

'なし'

入力ファイルで使用される圧縮コーデック ('none' または 'gzip')

CSV 固有のオプション

オプション名

デフォルト値

説明

nullValue

''

入力の null 値を表す文字列

header

偽

入力の最初の行をスキップするかどうか (潜在的なヘッダーの内容は無視されます)

Comment

'#'

このパラメーターの値で始まる行は無視されます

RecordDelimiter

'n'

ファイル内のレコードを区切る文字

Delimiter

','

レコード内のフィールドを区切る文字

quote

'"'

予約文字を含む値を引用するために使用される文字

escape

'"'

引用符で囲まれた引用符文字をエスケープするために使用される文字

AllowQuotedRecordDelimiter

偽

引用符付きレコード区切り文字を値に含めることができるかどうか

JSON 固有のオプション

オプション名

デフォルト値

説明

タイプ

document

入力の種類 ('document' または 'lines')

S3 認証

Databricks で使用できる S3 認証方法 (キーとインスタンス プロファイル) を使用できます。 インスタンスプロファイルを使用することをお勧めします。 資格情報を提供するには、次の 3 つの方法があります。

  1. デフォルト Credential Provider Chain (推奨オプション): AWS 認証情報は、 DefaultAWSCredentialsProviderChain を通じて自動的に取得されます。 インスタンスプロファイルを使用して S3 への認証を行う場合は、この方法を使用する必要があります。 資格情報を提供する他の方法 (方法 2 と 3) は、このデフォルトよりも優先されます。

  2. Hadoop confでキーを設定します。Hadoop 設定プロパティで AWS キーを指定します。

    重要

    • AWS keys を使用して S3 にアクセスする場合は、次の例に示すように、常に設定プロパティ fs.s3n.awsAccessKeyId と fs.s3n.awsSecretAccessKey を設定します。プロパティ fs.s3a.access.key と fs.s3a.secret.key はサポートされていません。

    • s3a://ファイルシステムを参照するには、Hadoop XML構成ファイルでfs.s3n.awsAccessKeyIdプロパティとfs.s3n.awsSecretAccessKeyプロパティを設定するか、sc.hadoopConfiguration.set()を呼び出してSparkのグローバルHadoop構成を設定します。

      sc.hadoopConfiguration.set("fs.s3n.awsAccessKeyId", "$AccessKey")
sc.hadoopConfiguration.set("fs.s3n.awsSecretAccessKey", "$SecretKey")

      sc._jsc.hadoopConfiguration().set("fs.s3n.awsAccessKeyId", ACCESS_KEY)
sc._jsc.hadoopConfiguration().set("fs.s3n.awsSecretAccessKey", SECRET_KEY)

  3. URI のキーのエンコード: たとえば、URI s3a://$AccessKey:$SecretKey@bucket/path/to/dir はキーペア(AccessKey、 SecretKey)をエンコードします。