Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Koneksi yang didukung untuk sumber data dan output
<a name="supported-data-connection-sources"></a>

Anda dapat terhubung ke sumber data berikut untuk pekerjaan DataBrew resep. Ini termasuk sumber data apa pun yang bukan file yang Anda unggah langsung. DataBrew Sumber data yang Anda gunakan mungkin disebut database, gudang data, atau sesuatu yang lain. Kami menyebut semua penyedia data sebagai sumber data atau koneksi. 

Anda dapat membuat kumpulan data menggunakan salah satu dari berikut ini sebagai sumber data. 

Anda juga dapat menggunakan database Amazon S3,AWS Glue Data Catalog, atau JDBC yang didukung melalui Amazon RDS untuk output pekerjaan resep. DataBrew Amazon AppFlow dan AWS Data Exchange tidak didukung penyimpanan data untuk output pekerjaan DataBrew resep.
+ **Amazon S3**

  Anda dapat menggunakan S3 untuk menyimpan dan melindungi sejumlah data. Untuk membuat kumpulan data, Anda menentukan URL S3 tempat DataBrew dapat mengakses file data, misalnya: `s3://your-bucket-name/inventory-data.csv`

  DataBrew juga dapat membaca semua file dalam folder S3, yang berarti bahwa Anda dapat membuat dataset yang mencakup beberapa file. Untuk melakukan ini, tentukan URL S3 dalam formulir ini:`s3://your-bucket-name/your-folder-name/`.

   DataBrew hanya mendukung kelas penyimpanan Amazon S3 berikut: Standar, Redundansi yang Dikurangi, dan S3 One Standard-IA. Zone-IA DataBrew mengabaikan file dengan kelas penyimpanan lainnya. DataBrew juga mengabaikan file kosong (file yang berisi 0 byte). Untuk informasi selengkapnya tentang kelas penyimpanan Amazon S3, lihat [Menggunakan kelas penyimpanan Amazon S3 di Panduan Pengguna](https://docs.aws.amazon.com/AmazonS3/latest/userguide/storage-class-intro.html) Konsol Amazon *S3*. 
+ **AWS Glue Data Catalog**

  Anda dapat menggunakan Katalog Data untuk menentukan referensi ke data yang disimpan di AWS Cloud. Dengan Katalog Data, Anda dapat membangun koneksi ke tabel individual dalam layanan berikut:
  + Katalog Data Amazon S3
  + Katalog Data Amazon Redshift
  + Katalog Data Amazon RDS
  + AWS Glue

  DataBrew juga dapat membaca semua file di folder Amazon S3, yang berarti Anda dapat membuat kumpulan data yang mencakup beberapa file. Untuk melakukan ini, tentukan URL Amazon S3 dalam formulir ini: `s3://your-bucket-name/your-folder-name/`

  Untuk digunakan DataBrew, tabel Amazon S3 yang didefinisikan dalam AWS Glue Data Catalog, harus memiliki properti tabel yang ditambahkan ke tabel yang disebut a`classification`, yang mengidentifikasi format data sebagai`csv`, atau `json``parquet`, dan as. `typeOfData` `file` Jika properti tabel tidak ditambahkan saat tabel dibuat, Anda dapat menambahkannya menggunakan AWS Glue konsol. 

   DataBrew hanya mendukung kelas penyimpanan Amazon S3 Standar, Redundansi yang Dikurangi, dan S3 One Standard-IA. Zone-IA DataBrew mengabaikan file dengan kelas penyimpanan lainnya. DataBrew juga mengabaikan file kosong (file yang berisi 0 byte). Untuk informasi selengkapnya tentang kelas penyimpanan Amazon S3, lihat [Menggunakan kelas penyimpanan Amazon S3 di Panduan Pengguna](https://docs.aws.amazon.com/AmazonS3/latest/userguide/storage-class-intro.html) Konsol Amazon *S3*. 

  DataBrew juga dapat mengakses tabel AWS Glue Data Catalog S3 dari akun lain jika kebijakan sumber daya yang sesuai dibuat. Anda dapat membuat kebijakan di AWS Glue konsol pada tab **Pengaturan** di bawah **Katalog Data**. Berikut ini adalah contoh kebijakan khusus untuk satu Wilayah AWS.
**Awas**  
Ini adalah kebijakan sumber daya yang sangat permisif yang memberikan akses `*$ACCOUNT_TO*` tak terbatas ke Katalog Data. `*$ACCOUNT_FROM*` Dalam kebanyakan kasus, kami menyarankan Anda mengunci kebijakan sumber daya Anda ke katalog atau tabel tertentu. Untuk informasi selengkapnya, lihat [kebijakan AWS Glue sumber daya untuk kontrol akses](https://docs.aws.amazon.com/glue/latest/dg/glue-resource-policies.html) di *Panduan AWS Glue Pengembang*.

  Dalam beberapa kasus, Anda mungkin ingin membuat proyek atau menjalankan pekerjaan `*$ACCOUNT_TO*` dengan tabel AWS Glue Data Catalog S3 `*$ACCOUNT_FROM*` yang mengarah ke lokasi S3 yang juga ada.AWS Glue DataBrew`*$ACCOUNT_FROM*` Dalam kasus seperti itu, peran IAM yang digunakan saat membuat proyek dan pekerjaan `*$ACCOUNT_TO*` harus memiliki izin untuk membuat daftar dan mendapatkan objek di lokasi S3 itu dari. `*$ACCOUNT_FROM*` Untuk informasi selengkapnya, lihat [Memberikan akses lintas akun](https://docs.aws.amazon.com/glue/latest/dg/cross-account-access.html) di Panduan *AWS Glue Pengembang*.
+ **Data terhubung menggunakan driver JDBC**

  Anda dapat membuat kumpulan data dengan menghubungkan ke data dengan driver JDBC yang didukung. Untuk informasi selengkapnya, lihat [Menggunakan driver dengan AWS Glue DataBrew](dbms-driver-connections.md).

  DataBrew secara resmi mendukung sumber data berikut menggunakan Java Database Connectivity (JDBC): 
  + Microsoft SQL Server
  + MySQL
  + Oracle
  + PostgreSQL
  + Amazon Redshift
  + Konektor Kepingan Salju untuk Spark

  Sumber data dapat ditemukan di mana saja Anda dapat terhubung dengannya DataBrew. Daftar ini hanya mencakup koneksi JDBC yang telah kami uji dan karenanya dapat mendukung.

  Amazon Redshift dan Snowflake Connector untuk sumber data Spark dapat dihubungkan dengan salah satu cara berikut:
  + Dengan nama tabel.
  + Dengan query SQL yang mencakup beberapa tabel dan operasi.

  Kueri SQL dijalankan ketika Anda memulai proyek atau menjalankan pekerjaan.

  Untuk terhubung ke data yang memerlukan driver JDBC yang tidak terdaftar, pastikan driver tersebut kompatibel dengan JDK 8. Untuk menggunakan driver, simpan di S3 dalam ember tempat Anda dapat mengaksesnya dengan peran IAM Anda. DataBrew Kemudian arahkan dataset Anda ke file driver. Untuk informasi selengkapnya, lihat [Menggunakan driver dengan AWS Glue DataBrew](dbms-driver-connections.md). 

  Contoh kueri untuk SQL-based kumpulan data:

  ```
  SELECT
      * 
  FROM
      public.customer as c 
  JOIN
      public.customer_address as ca on c.current_address=ca.current_address
  WHERE
      ca.address_id>0 AND ca.address_id<10001 ORDER BY ca.address_id
  ```

  **Keterbatasan SQL Kustom**

  Jika Anda menggunakan koneksi JDBC untuk mengakses data untuk DataBrew kumpulan data, ingatlah hal berikut:
  + AWS Glue DataBrew tidak memvalidasi SQL kustom yang Anda berikan sebagai bagian dari pembuatan dataset. Query SQL akan dieksekusi ketika Anda memulai proyek atau menjalankan pekerjaan. DataBrew mengambil kueri yang Anda berikan dan meneruskannya ke mesin database menggunakan driver JDBC default atau yang disediakan.
  + Dataset yang dibuat dengan kueri yang tidak valid akan gagal saat digunakan dalam proyek atau pekerjaan. Validasi kueri Anda sebelum membuat kumpulan data.
  + Fitur **Validasi SQL** hanya tersedia untuk sumber Redshift-based data Amazon.
  + Jika Anda ingin menggunakan kumpulan data dalam proyek, batasi runtime kueri SQL hingga kurang dari tiga menit untuk menghindari batas waktu selama pemuatan proyek. Periksa runtime kueri sebelum membuat proyek.
+ **Amazon AppFlow**

  Menggunakan Amazon AppFlow, Anda dapat mentransfer data ke Amazon S3 dari aplikasi pihak ketiga ( Software-as-a-Service SaaS) seperti Salesforce, Zendesk, Slack, dan. ServiceNow Anda kemudian dapat menggunakan data untuk membuat DataBrew dataset.

  Di Amazon AppFlow, Anda membuat koneksi dan alur untuk mentransfer data antara aplikasi pihak ketiga Anda dan aplikasi tujuan. Saat menggunakan Amazon AppFlow dengan DataBrew, pastikan bahwa aplikasi AppFlow tujuan Amazon adalah Amazon S3. Aplikasi AppFlow tujuan Amazon selain Amazon S3 tidak muncul di konsol. DataBrew Untuk informasi selengkapnya tentang mentransfer data dari aplikasi pihak ketiga Anda serta membuat AppFlow koneksi dan alur Amazon, lihat [ AppFlow dokumentasi Amazon](https://docs.aws.amazon.com/appflow/index.html). 

  Bila Anda memilih **Connect new dataset** di tab **Datasets** dan DataBrew klik Amazon AppFlow, Anda akan melihat semua flow di Amazon AppFlow yang dikonfigurasi dengan Amazon S3 sebagai aplikasi tujuan. Untuk menggunakan data flow untuk kumpulan data Anda, pilih alur tersebut.

   Memilih **Buat alur**, **Kelola alur**, dan **Lihat detail** untuk Amazon AppFlow di DataBrew konsol akan membuka AppFlow konsol Amazon sehingga Anda dapat melakukan tugas tersebut. 

  Setelah membuat kumpulan data dari Amazon AppFlow, Anda dapat menjalankan alur dan melihat detail proses alur terbaru saat melihat detail kumpulan data atau detail pekerjaan. Saat Anda menjalankan alur DataBrew, kumpulan data diperbarui di S3 dan siap digunakan. DataBrew

  Situasi berikut dapat muncul saat Anda memilih AppFlow aliran Amazon di DataBrew konsol untuk membuat kumpulan data:
  + **Data belum dikumpulkan** - Jika pemicu aliran **Jalankan sesuai permintaan** atau **Jalankan sesuai jadwal** dengan transfer data lengkap, pastikan untuk menggabungkan data untuk alur sebelum menggunakannya untuk membuat DataBrew kumpulan data. Mengagregasi aliran menggabungkan semua catatan dalam aliran ke dalam satu file. Alur dengan tipe pemicu **Jalankan sesuai jadwal** dengan transfer data tambahan, atau **Run on event** tidak memerlukan agregasi. Untuk menggabungkan data di Amazon AppFlow, pilih **Edit konfigurasi alur** > **Detail tujuan** > **Pengaturan tambahan** > **Preferensi transfer data**.
  + **Flow belum dijalankan** - Jika status run untuk aliran kosong, itu berarti salah satu dari berikut ini:
    + Jika pemicu untuk menjalankan aliran adalah **Run on demand**, aliran belum dijalankan.
    + Jika pemicu untuk menjalankan alur adalah **Run on event**, peristiwa pemicu belum terjadi.
    + Jika pemicu untuk menjalankan alur adalah **Jalankan sesuai jadwal**, proses terjadwal belum terjadi.

    Sebelum membuat dataset dengan flow, pilih **Run flow untuk flow** tersebut.

    Untuk informasi selengkapnya, lihat [ AppFlow Aliran Amazon](https://docs.aws.amazon.com/appflow/latest/userguide/flows.html) di Panduan AppFlow Pengguna Amazon.
+ **AWS Data Exchange**

  Anda dapat memilih dari ratusan sumber data pihak ketiga yang tersedia di AWS Data Exchange. Dengan berlangganan sumber data ini, Anda mendapatkan versi data terbaru.

  Untuk membuat kumpulan data, Anda menentukan nama produk AWS Data Exchange data yang Anda berlangganan dan berhak untuk digunakan.