AWS Firehose中间S3存储桶和传输流依赖关系出现问题

Posted 2021-05-07

1. 为多个传输流设置一个s3存储桶是个好主意吗？ （例如：考虑两个具有不同流吞吐量的传输流，s3缓冲区大小/缓冲区间...）
2. 如果两个传输流（S1，S2）将数据路由到红移。 S1将数据传送到T1，S2传送到T2。在T2中，T1上存在外键约束。是否可以保证当S2将数据（D2）传送到T2时，D2引用的T1中的所有记录都已由S1传送？ （即交付流中存在依赖关系）

顺便说一句，我正在使用firehose将我的应用程序日志推送到redshift进行分析。

答案

1. S3存储桶旨在存储几乎无限的数据，所以回答你的问题是肯定的。
2. 即使您可以定义外键，Redshift实际上也不会强制执行它们。从文档here，

唯一性，主键和外键约束仅供参考;它们不是由Amazon Redshift强制执行的。尽管如此，主键和外键用作计划提示，如果您的ETL进程或应用程序中的某个其他进程强制执行其完整性，则应声明它们。

另一答案

假设：T1和T2是同一Redshift集群中的表。

您可以（虚拟地）拥有任意数量的S3存储桶。对两个传输流使用相同的S3存储桶并不是一个好主意，因为Redshift执行的将数据加载到集群中的COPY命令将查找两个传输流的相同Manifest文件夹。

来自Amazon Kinesis Firehose FAQ：

问：我的Amazon S3存储桶中的清单文件夹是什么？

对于Amazon Redshift目标，Amazon Kinesis Firehose会生成清单文件，以便批量加载Amazon S3对象到Redshift群集。 manifests文件夹存储Firehose生成的清单文件。