【AWS數據戰情室】Day 7 Glue Data Catalog 教學 – Part 4

上一篇完成前置步驟後，Glue Data Catelog 教學就進入到創建 Crawler啦！首先切換到 Crawlers 頁面，點選 Add crawlers，再點開 Crawler name 下面的選單，點選 Custom classifiers 裡剛剛創建的

了解 Classifiers 後，要來介紹如何將 Classifiers 與 Crawlers 結合進行資料爬取Crawlers 的部分會以一個小範例進行說明，首先我們要到 Kaggle 取得範例資料，資料內容為零售業的歷史訂單資料

講解完 Data Catalog 以及 Classifiers 、 Crawlers 、 Tables 的關係之後，接著介紹 JSON、CSV 的 Classifiers 設定。JSON path：此處設定如何讀取 JSON 檔？例如 JSON 檔內容如下

Data Catalog 由 Classifiers、Crawlers、Tables 組成首先介紹 Classifiers，Classifiers 負責定義所要爬取的資料類型與內容格式，如下圖所示有 XML、JSON、CSV，而 Grok 是指自定義的資料內容格式

AWS Glue有另外兩個主要功能：ETL JobETL Job 有三種 ETL 方式可使用Python shell當資料量還不需要分散式運算的計算量時，可以考慮使用 Python shell，Python shell 與 Lambda 相似，可以執行 Python Script

AWS Glue 為全託管的 SaaS 服務，使用者可以不用管理 VM，以及不需要手動設置 Claster。用戶不需管理基礎設施，AWS Glue 會佈建、設定和擴展執行資料整合任務所需的資源，因此使用者可以節省部屬環境的時間，讓使用者只需專注在資料處理流程的規劃與程式開發。

AWS 上有需多數據處理與分析的服務，常見的有 Glue、Athena、Redshift 等，我們將介紹如何在 AWS 上進行數據處理與分析，並解說如何使用 AWS Service，以及使用中常見問題的解決方法，最後會有實作範例提供參考，降低大家在 AWS 數據處理與分析的門檻。

傳統上管理 MYSQL 都是開發的工作，而phpmyadmin則是cpanel中的工具，在迷你網站上cpanel已是必備工具，在拆分mysql後所需面對的就是如何去連過去。

PAAS服務的 MYSQL 在AWS中通常指的是RDS MYSQL，這是指AWS利用EC2幫你做好的服務。雖然你無法碰到底層但是AWS的調教，功力絕對比你我都好，只是一樣會受到AWS EC2中的EBS所控制。另外還有一種資料庫是AWS特色服務 Amazon Aurora

其實很多東西都要分拆，不是只有MYSQL，只要是程式碼之外的的東西都是需要分拆的對象。

但是在整體結構當中通常資料庫都是第一分拆的，原因無他，在標準三層式架構中Web、AP、DB 本身就因該是獨立的且是做到HA的架構，且合理的三層式架構比起單台主機的架構相對多了彈性與擴展性。

Amazon Virtual Private Cloud ( Amazon VPC ) 允許您在 AWS 雲端佈建一個在邏輯上隔離的部分，並在自己定義的虛擬網路中啟動 AWS 資源。您可以完全掌控虛擬聯網環境，包括選擇自己的 IP 地址範圍、建立子網路，以及配置路由表和網路閘道。

AWS Security group 功能Security group的功能很簡單，他只是限定某個特定的IP、Port或是某範圍的IP、Port，限定這些東西能不能進出，可以把它視為一道非常簡單的防火牆，設定完Security group後，再套用到某些機器上