Xưởng keo AWS hiện được tích hợp với AWS Keo DataBrew. AWS Glue Studio là một giao diện đồ họa giúp dễ dàng tạo, chạy và giám sát các tác vụ trích xuất, chuyển đổi và tải (ETL) trong Keo AWS. DataBrew là một công cụ chuẩn bị dữ liệu trực quan cho phép bạn dọn dẹp và chuẩn hóa dữ liệu mà không cần viết bất kỳ mã nào. Hơn 200 phép biến đổi mà nó cung cấp hiện có sẵn để sử dụng trong tác vụ trực quan của AWS Glue Studio.
Trong DataBrew, một công thức là một tập hợp các bước chuyển đổi dữ liệu mà bạn có thể tác giả một cách tương tác trong giao diện trực quan trực quan của nó. Trong bài đăng này, bạn sẽ thấy cách sử dụng xây dựng công thức trong DataBrew, sau đó áp dụng công thức đó như một phần của công việc ETL trực quan của AWS Glue Studio.
Người dùng DataBrew hiện tại cũng sẽ được hưởng lợi từ sự tích hợp này—giờ đây, bạn có thể chạy các công thức nấu ăn của mình như một phần của quy trình làm việc trực quan lớn hơn với tất cả các thành phần khác mà AWS Glue Studio cung cấp, ngoài ra còn có thể sử dụng cấu hình công việc nâng cao và phiên bản công cụ AWS Glue mới nhất .
Sự tích hợp này mang lại những lợi ích khác biệt cho người dùng hiện tại của cả hai công cụ:
- Bạn có chế độ xem tập trung trong AWS Glue Studio về sơ đồ ETL tổng thể, từ đầu đến cuối
- Bạn có thể xác định một công thức một cách tương tác, xem các giá trị, số liệu thống kê và phân phối trên bảng điều khiển DataBrew, sau đó sử dụng lại logic xử lý đã được kiểm tra và lập phiên bản đó trong các công việc trực quan của AWS Glue Studio
- Bạn có thể sắp xếp nhiều công thức DataBrew trong một tác vụ AWS Glue ETL hoặc thậm chí nhiều tác vụ bằng quy trình công việc AWS Glue
- Các công thức DataBrew hiện có thể sử dụng các tính năng công việc của AWS Glue, chẳng hạn như dấu trang để xử lý dữ liệu gia tăng, tự động thử lại, tự động chia tỷ lệ hoặc nhóm các tệp nhỏ để đạt hiệu quả cao hơn
Tổng quan về giải pháp
Trong trường hợp sử dụng hư cấu của chúng tôi, yêu cầu là làm sạch bộ dữ liệu khiếu nại y tế tổng hợp được tạo cho bài đăng này. Bộ dữ liệu này có một số vấn đề về chất lượng dữ liệu được đưa ra nhằm mục đích chứng minh khả năng chuẩn bị dữ liệu của DataBrew. Sau đó, dữ liệu xác nhận quyền sở hữu được nhập vào danh mục (để các nhà phân tích có thể nhìn thấy danh mục đó), sau khi bổ sung thêm một số chi tiết có liên quan về các nhà cung cấp dịch vụ y tế tương ứng đến từ một nguồn riêng biệt.
Giải pháp bao gồm một công việc trực quan AWS Glue Studio đọc hai tệp CSV với các xác nhận quyền sở hữu và nhà cung cấp tương ứng. Công việc áp dụng công thức của công thức đầu tiên để giải quyết các vấn đề về chất lượng, chọn các cột từ công thức thứ hai, tham gia cả hai bộ dữ liệu và cuối cùng lưu trữ kết quả trên Dịch vụ lưu trữ đơn giản của Amazon (Amazon S3), tạo bảng trên danh mục để dữ liệu đầu ra có thể được sử dụng bởi các công cụ khác như amazon Athena.
Tạo công thức DataBrew
Bắt đầu bằng cách đăng ký kho lưu trữ dữ liệu cho tệp khiếu nại. Điều này sẽ cho phép bạn xây dựng công thức trong trình chỉnh sửa tương tác của nó bằng cách sử dụng dữ liệu thực tế để bạn có thể đánh giá kết quả của các phép biến đổi khi bạn xác định chúng.
- Tải xuống tệp CSV khiếu nại bằng liên kết sau: alabama_claims_data_Jun2023.csv.
- Trên bảng điều khiển DataBrew, chọn Bộ dữ liệu trong ngăn điều hướng, sau đó chọn Kết nối tập dữ liệu mới.
- Chọn tùy chọn Tải tệp lên.
- Trong Tên tập dữ liệu, đi vào
Alabama claims
. - Trong Chọn tệp để tải lên, chọn tệp bạn vừa tải xuống trên máy tính của mình.
- Trong Nhập điểm đến S3, nhập hoặc duyệt đến một nhóm trong tài khoản và Khu vực của bạn.
- Để các tùy chọn còn lại theo mặc định (CSV được phân tách bằng dấu phẩy và bằng tiêu đề) và hoàn tất quá trình tạo tập dữ liệu.
- Chọn Dự án trong ngăn điều hướng, sau đó chọn Tạo dự án.
- Trong Tên dự án, gọi tên nó
ClaimsCleanup
. - Theo Chi tiết công thức, Cho Công thức đính kèm, chọn Tạo công thức mới, gọi tên nó
ClaimsCleanup-recipe
và chọnAlabama claims
tập dữ liệu bạn vừa tạo. - Chọn một vai trò phù hợp với DataBrew hoặc tạo một cái mới và hoàn thành việc tạo dự án.
Thao tác này sẽ tạo phiên sử dụng tập hợp con dữ liệu có thể định cấu hình. Sau khi nó đã khởi tạo phiên, bạn có thể nhận thấy một số ô có giá trị không hợp lệ hoặc bị thiếu.
Ngoài các giá trị còn thiếu trong các cột Mã chẩn đoán, Đoạt số lượngvà Ngày yêu cầu, một số giá trị trong dữ liệu có thêm một số ký tự: Mã chẩn đoán các giá trị đôi khi được bắt đầu bằng "mã" (bao gồm khoảng trắng) và Mã thủ tục giá trị đôi khi được theo sau bởi dấu nháy đơn.
Đoạt số lượng các giá trị có thể sẽ được sử dụng cho một số tính toán, vì vậy hãy chuyển đổi thành số và Yêu cầu dữ liệu nên được chuyển đổi thành loại ngày.
Bây giờ chúng tôi đã xác định các vấn đề về chất lượng dữ liệu cần giải quyết, chúng tôi cần quyết định cách xử lý từng trường hợp.
Có nhiều cách bạn có thể thêm các bước công thức, bao gồm sử dụng menu ngữ cảnh cột, thanh công cụ ở trên cùng hoặc từ phần tóm tắt công thức. Sử dụng phương pháp cuối cùng, bạn có thể tìm kiếm loại bước được chỉ định để sao chép công thức được tạo trong bài đăng này.
Đoạt số lượng là cần thiết cho trường hợp sử dụng này và quyết định là xóa các hàng đó.
- thêm bước Xóa các giá trị còn thiếu.
- Trong Cột nguồn, chọn Đoạt số lượng.
- Để lại hành động mặc định Xóa các hàng có giá trị bị thiếu Và chọn Đăng Nhập để cứu nó.
Chế độ xem hiện được cập nhật để phản ánh ứng dụng bước và các hàng có số lượng bị thiếu không còn nữa.
Mã chẩn đoán có thể để trống nên điều này được chấp nhận, nhưng trong trường hợp Ngày yêu cầu, chúng tôi muốn có một ước tính hợp lý. Các hàng trong dữ liệu được sắp xếp theo thứ tự thời gian, vì vậy, bạn có thể gán các ngày bị thiếu bằng cách sử dụng giá trị hợp lệ của bản xem trước từ các hàng trước đó. Giả sử ngày nào cũng có xác nhận quyền sở hữu, thì lỗi lớn nhất sẽ là gán nó cho ngày xem trước nếu đó là xác nhận quyền sở hữu đầu tiên vào ngày đó thiếu ngày; vì mục đích minh họa, hãy coi lỗi tiềm ẩn đó có thể chấp nhận được.
Đầu tiên, chuyển cột từ kiểu chuỗi sang kiểu ngày tháng.
- thêm bước Đổi loại.
- Chọn Ngày yêu cầu như cột và ngày như loại, sau đó chọn Đăng Nhập.
- Bây giờ để thực hiện việc gán các ngày bị thiếu, hãy thêm bước Điền hoặc gán các giá trị còn thiếu.
- Chọn Điền với giá trị hợp lệ cuối cùng làm hành động và chọn Ngày yêu cầu làm nguồn.
- Chọn Xem trước các thay đổi để xác thực nó, sau đó chọn Đăng Nhập để lưu bước.
Cho đến nay, công thức của bạn sẽ có ba bước, như thể hiện trong ảnh chụp màn hình sau.
- Tiếp theo, thêm bước Xóa dấu ngoặc kép.
- Chọn Mã thủ tục cột và chọn Dấu ngoặc kép đầu và cuối.
- Xem trước để xác minh nó có tác dụng mong muốn và áp dụng bước mới.
- thêm bước Xóa các ký tự đặc biệt.
- Chọn Đoạt số lượng và để cụ thể hơn, hãy chọn Ký tự đặc biệt tùy chỉnh và nhập
$
cho Nhập các ký tự đặc biệt tùy chỉnh. - Thêm một Đổi loại bước lên cột Đoạt số lượng Và chọn tăng gấp đôi như một loại.
- Bước cuối cùng, để loại bỏ tiền tố “mã” thừa, hãy thêm một Thay thế giá trị hoặc mẫu bậc thang.
- Chọn cột Mã chẩn đoán, Và cho Nhập giá trị tùy chỉnh, đi vào
code
(có khoảng trắng ở cuối).
Bây giờ bạn đã giải quyết tất cả các vấn đề về chất lượng dữ liệu được xác định trên mẫu, hãy xuất bản dự án dưới dạng công thức.
- Chọn Xuất bản trong Recipe ngăn, nhập mô tả tùy chọn và hoàn thành ấn phẩm.
Mỗi lần bạn xuất bản, nó sẽ tạo ra một phiên bản khác của công thức. Sau đó, bạn sẽ có thể chọn phiên bản của công thức để sử dụng.
Tạo tác vụ ETL trực quan trong AWS Glue Studio
Tiếp theo, bạn tạo công việc sử dụng công thức. Hoàn thành các bước sau:
- Trên bảng điều khiển AWS Glue Studio, hãy chọn ETL trực quan trong khung điều hướng.
- Chọn Trực quan với một canvas trống và tạo công việc trực quan.
- Ở đầu công việc, thay thế “Công việc chưa có tiêu đề” bằng một tên bạn chọn.
- trên chi tiết công việc tab, hãy chỉ định vai trò mà công việc sẽ sử dụng.
Đây cần phải là một Quản lý truy cập và nhận dạng AWS (TÔI LÀ) vai trò phù hợp với AWS Glue với quyền đối với Amazon S3 và AWS Glue Data Catalog. Lưu ý rằng vai trò được sử dụng trước đây cho DataBrew không thể sử dụng cho các công việc đang chạy, vì vậy sẽ không được liệt kê trên Vai trò IAM trình đơn thả xuống ở đây.
Nếu trước đây bạn chỉ sử dụng các công việc DataBrew, hãy lưu ý rằng trong AWS Glue Studio, bạn có thể chọn cài đặt hiệu suất và chi phí, bao gồm quy mô nhân viên, tự động thay đổi quy mô và Thực hiện linh hoạt, cũng như sử dụng thời gian chạy AWS Glue 4.0 mới nhất và hưởng lợi từ những cải tiến đáng kể về hiệu suất mà nó mang lại. Đối với công việc này, bạn có thể sử dụng các cài đặt mặc định, nhưng giảm số lượng công nhân được yêu cầu để tiết kiệm chi phí. Đối với ví dụ này, hai công nhân sẽ làm. - trên Hình ảnh tab, thêm nguồn S3 và đặt tên cho nó
Providers
. - Trong URL S3, đi vào
s3://awsglue-datasets/examples/medicare/Medicare_Hospital_Provider.csv
.
- Chọn định dạng là CSV Và chọn Suy ra lược đồ.
Bây giờ lược đồ được liệt kê trên Lược đồ đầu ra tab bằng cách sử dụng tiêu đề tệp.
Trong trường hợp sử dụng này, quyết định là không cần tất cả các cột trong tập dữ liệu nhà cung cấp, vì vậy chúng tôi có thể loại bỏ phần còn lại.
- Với Nhà cung cấp nút được chọn, thêm một Trường thả biến đổi (nếu bạn không chọn nút cha, nút đó sẽ không có; trong trường hợp đó, hãy chỉ định nút cha theo cách thủ công).
- Chọn tất cả các trường sau Mã Zip của nhà cung cấp.
Sau đó, dữ liệu này sẽ được kết hợp bởi các yêu cầu đối với bang Alabama sử dụng nhà cung cấp; tuy nhiên, tập dữ liệu thứ hai đó không có trạng thái được chỉ định. Chúng tôi có thể sử dụng kiến thức về dữ liệu để tối ưu hóa liên kết bằng cách lọc dữ liệu mà chúng tôi thực sự cần.
- Thêm một Lọc biến đổi như một đứa trẻ của Trường thả.
- Gọi tên nó
Alabama providers
và thêm một điều kiện là trạng thái phải phù hợpAL
. - Thêm nguồn thứ hai (nguồn S3 mới) và đặt tên cho nó
Alabama claims
. - Để vào URL S3, mở DataBrew trên tab trình duyệt riêng, chọn Bộ dữ liệu trong ngăn điều hướng và trên bảng, sao chép vị trí được hiển thị trên bảng cho tuyên bố của Alabama (sao chép văn bản bắt đầu bằng s3://, không phải liên kết http được liên kết). Sau đó quay lại công việc trực quan, dán nó dưới dạng URL S3; nếu nó là chính xác, bạn sẽ thấy trong Lược đồ đầu ra tab các trường dữ liệu được liệt kê.
- Chọn định dạng CSV và suy luận giản đồ giống như bạn đã làm với nguồn khác.
- Là con của nguồn này, hãy tìm kiếm trong Thêm nút thực đơn cho
recipe
Và chọn Công thức chuẩn bị dữ liệu. - Trong thuộc tính của nút mới này, hãy đặt tên cho nó
Claim cleanup recipe
và chọn công thức và phiên bản bạn đã xuất bản trước đó. - Bạn có thể xem lại các bước công thức tại đây và sử dụng liên kết đến DataBrew để thực hiện các thay đổi nếu cần.
- Thêm một Tham gia nút và chọn cả hai nhà cung cấp Alabama và Yêu cầu công thức dọn dẹp với tư cách là cha mẹ.
- Thêm một điều kiện tham gia bằng ID nhà cung cấp từ cả hai nguồn.
- Bước cuối cùng, thêm nút S3 làm mục tiêu (lưu ý nút đầu tiên được liệt kê khi bạn tìm kiếm là nguồn; đảm bảo bạn chọn phiên bản được liệt kê làm mục tiêu).
- Trong cấu hình nút, hãy để định dạng JSON mặc định và nhập URL S3 mà vai trò công việc có quyền ghi trên đó.
Ngoài ra, hãy cung cấp đầu ra dữ liệu dưới dạng bảng trong danh mục.
- Trong tạp chí Tùy chọn cập nhật Danh mục dữ liệu phần, chọn tùy chọn thứ hai Tạo một bảng trong Danh mục dữ liệu và trong các lần chạy tiếp theo, hãy cập nhật lược đồ và thêm các phân vùng mới, sau đó chọn cơ sở dữ liệu mà bạn có quyền tạo bảng.
- Chỉ định
alabama_claims
như tên và chọn Ngày yêu cầu làm khóa phân vùng (đây là mục đích minh họa; một bảng nhỏ như thế này không thực sự cần phân vùng nếu dữ liệu sau này không được thêm vào). - Bây giờ bạn có thể lưu và chạy công việc.
- trên Chạy tab, bạn có thể theo dõi quá trình và xem số liệu công việc chi tiết bằng cách sử dụng liên kết ID công việc.
Công việc sẽ mất vài phút để hoàn thành.
- Khi công việc hoàn tất, hãy điều hướng đến bảng điều khiển Athena.
- Tìm kiếm bảng
alabama_claims
trong cơ sở dữ liệu bạn đã chọn và sử dụng menu ngữ cảnh, chọn Bảng xem trước, sẽ chạy một câu lệnh SELECT * SQL đơn giản trên bảng.
Bạn có thể thấy trong kết quả của công việc rằng dữ liệu đã được làm sạch bằng công thức DataBrew và được làm giàu bằng cách tham gia AWS Glue Studio.
Apache Spark là công cụ chạy các công việc được tạo trên AWS Glue Studio. Bằng cách sử dụng Giao diện người dùng Spark trên nhật ký sự kiện mà nó tạo ra, bạn có thể xem thông tin chi tiết về kế hoạch công việc và quá trình chạy, điều này có thể giúp bạn hiểu công việc của mình đang hoạt động như thế nào và các tắc nghẽn hiệu suất tiềm ẩn. Ví dụ: đối với công việc này trên tập dữ liệu lớn, bạn có thể sử dụng nó để so sánh tác động của việc lọc rõ ràng trạng thái nhà cung cấp trước khi thực hiện liên kết hoặc xác định xem bạn có thể hưởng lợi từ việc thêm biến đổi Cân bằng tự động để cải thiện tính song song hay không.
Theo mặc định, công việc sẽ lưu trữ nhật ký sự kiện Apache Spark theo đường dẫn s3://aws-glue-assets-<your account id>-<your region name>/sparkHistoryLogs/
. Để xem các công việc, bạn phải cài đặt máy chủ Lịch sử bằng cách sử dụng một trong những phương pháp có sẵn.
Làm sạch
Nếu không cần giải pháp này nữa, bạn có thể xóa các tệp được tạo trên Amazon S3, bảng được tạo bởi tác vụ, công thức DataBrew và tác vụ AWS Glue.
Kết luận
Trong bài đăng này, chúng tôi đã chỉ ra cách bạn có thể sử dụng AWS DataBrew để xây dựng công thức bằng trình chỉnh sửa tương tác được cung cấp, sau đó sử dụng công thức đã xuất bản như một phần của công việc ETL trực quan của AWS Glue Studio. Chúng tôi đã bao gồm một số ví dụ về các tác vụ phổ biến được yêu cầu khi chuẩn bị dữ liệu và nhập dữ liệu vào bảng AWS Glue Catalog.
Ví dụ này đã sử dụng một công thức duy nhất trong công việc trực quan, nhưng có thể sử dụng nhiều công thức ở các phần khác nhau của quy trình ETL, cũng như sử dụng lại cùng một công thức cho nhiều công việc.
Các giải pháp AWS Glue này cho phép bạn tạo các quy trình ETL nâng cao một cách hiệu quả, dễ dàng xây dựng và bảo trì mà không cần viết bất kỳ mã nào. Bạn có thể bắt đầu tạo các giải pháp kết hợp cả hai công cụ ngay hôm nay.
Giới thiệu về tác giả
Mikhail Smirnov là Kỹ sư phát triển phần mềm cấp cao trong nhóm AWS Glue và là một phần của nhóm phát triển AWS Glue DataBrew. Ngoài công việc, sở thích của anh ấy bao gồm học chơi guitar và đi du lịch cùng gia đình.
Gonzalo Herreros là Kiến trúc sư dữ liệu lớn cấp cao trong nhóm AWS Glue. Làm việc tại Dublin, Ireland, anh giúp khách hàng thành công với các giải pháp dữ liệu lớn dựa trên AWS Glue. Khi rảnh rỗi, anh ấy thích chơi cờ và đạp xe.
- Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
- PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
- PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
- Trung tâmESG. Ô tô / Xe điện, Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
- BlockOffsets. Hiện đại hóa quyền sở hữu bù đắp môi trường. Truy cập Tại đây.
- nguồn: https://aws.amazon.com/blogs/big-data/use-aws-glue-databrew-recipes-in-your-aws-glue-studio-visual-etl-jobs/
- : có
- :là
- :không phải
- $ LÊN
- 10
- 100
- 12
- 15%
- 20
- 200
- 22
- 26
- 28
- 500
- 7
- 8
- a
- Có khả năng
- Giới thiệu
- chấp nhận được
- chấp nhận
- truy cập
- Tài khoản
- Hoạt động
- thực tế
- thêm vào
- thêm
- thêm
- Ngoài ra
- địa chỉ
- tiên tiến
- Sau
- Alabama
- Tất cả
- cho phép
- Ngoài ra
- đàn bà gan dạ
- Amazon Web Services
- số lượng
- an
- Các nhà phân tích
- và
- bất kì
- Apache
- Apache Spark
- Các Ứng Dụng
- Đăng Nhập
- LÀ
- AS
- liên kết
- At
- tác giả
- tự động
- Tự động
- có sẵn
- AWS
- Keo AWS
- trở lại
- dựa
- BE
- trước
- được
- hưởng lợi
- Lợi ích
- lớn
- Dữ Liệu Lớn.
- trống
- bảng
- Board Games
- bookmark
- cả hai
- Mang lại
- trình duyệt
- xây dựng
- nhưng
- by
- CAN
- khả năng
- trường hợp
- Danh mục hàng
- Tế bào
- tập trung
- thay đổi
- Những thay đổi
- nhân vật
- trẻ em
- sự lựa chọn
- Chọn
- xin
- tuyên bố
- mã
- Cột
- Cột
- kết hợp
- đến
- Chung
- so sánh
- hoàn thành
- các thành phần
- máy tính
- điều kiện
- Cấu hình
- Hãy xem xét
- bao gồm
- An ủi
- bối cảnh
- chuyển đổi
- chuyển đổi
- sửa chữa
- Tương ứng
- Phí Tổn
- có thể
- tạo
- tạo ra
- Tạo
- tạo
- khách hàng
- khách hàng
- dữ liệu
- Chuẩn bị dữ liệu
- xử lý dữ liệu
- chất lượng dữ liệu
- Cơ sở dữ liệu
- bộ dữ liệu
- Ngày
- Ngày
- ngày
- nhiều
- quyết định
- quyết định
- Mặc định
- chứng minh
- Mô tả
- mong muốn
- chi tiết
- chi tiết
- Dev
- Phát triển
- nhóm phát triển
- ĐÃ LÀM
- khác nhau
- khác biệt
- phân phối
- do
- Không
- làm
- Đô la
- tăng gấp đôi
- Rơi
- dublin
- mỗi
- dễ dàng
- biên tập viên
- hiệu lực
- hiệu quả
- cho phép
- cuối
- Động cơ
- ky sư
- Làm giàu
- làm giàu
- đăng ký hạng mục thi
- lôi
- thiết yếu
- Ether (ETH)
- đánh giá
- Ngay cả
- Sự kiện
- Mỗi
- mỗi ngày
- ví dụ
- ví dụ
- hiện tại
- thêm
- trích xuất
- gia đình
- xa
- Tính năng
- vài
- Lĩnh vực
- Tập tin
- Các tập tin
- điền
- lọc
- lọc
- Cuối cùng
- Tên
- sau
- tiếp theo
- Trong
- định dạng
- từ
- xa hơn
- Trò chơi
- tạo ra
- Cho
- lớn hơn
- Có
- he
- giúp đỡ
- giúp
- tại đây
- của mình
- lịch sử
- Độ đáng tin của
- Hướng dẫn
- Tuy nhiên
- HTML
- http
- HTTPS
- IAM
- ID
- xác định
- xác định
- Bản sắc
- if
- Va chạm
- nâng cao
- cải tiến
- in
- bao gồm
- bao gồm
- Bao gồm
- chỉ ra
- đầu vào
- những hiểu biết
- cài đặt, dựng lên
- ví dụ
- tích hợp
- hội nhập
- tương tác
- quan tâm
- lợi ích
- Giao thức
- trong
- giới thiệu
- trực quan
- ireland
- các vấn đề
- IT
- ITS
- Việc làm
- việc làm
- tham gia
- gia nhập
- jpg
- json
- chỉ
- Giữ
- Key
- kiến thức
- lớn
- lớn hơn
- lớn nhất
- Họ
- một lát sau
- mới nhất
- học tập
- Rời bỏ
- Lượt thích
- Có khả năng
- LINK
- Liệt kê
- tải
- địa điểm thư viện nào
- logic
- còn
- duy trì
- làm cho
- LÀM CHO
- thủ công
- Trận đấu
- y khoa
- Menu
- phương pháp
- phương pháp
- Metrics
- phút
- mất tích
- Màn Hình
- chi tiết
- nhiều
- phải
- tên
- Điều hướng
- THÔNG TIN
- Cần
- cần thiết
- nhu cầu
- Mới
- Không
- nút
- Để ý..
- tại
- con số
- of
- on
- ONE
- có thể
- mở
- Tối ưu hóa
- Tùy chọn
- Các lựa chọn
- or
- gọi món
- Nền tảng khác
- vfoXNUMXfipXNUMXhfpiXNUMXufhpiXNUMXuf
- đầu ra
- bên ngoài
- kết thúc
- tổng thể
- cửa sổ
- một phần
- các bộ phận
- con đường
- hiệu suất
- biểu diễn
- cho phép
- quyền
- kế hoạch
- plato
- Thông tin dữ liệu Plato
- PlatoDữ liệu
- Play
- có thể
- Bài đăng
- tiềm năng
- chuẩn bị
- Xem trước
- Xem trước
- quá trình
- xử lý
- sản xuất
- dự án
- tài sản
- cung cấp
- nhà cung cấp dịch vụ
- nhà cung cấp
- cung cấp
- Xuất bản
- xuất bản
- công bố
- mục đích
- mục đích
- chất lượng
- dấu ngoặc kép
- có thật không
- hợp lý
- công thức
- Công thức nấu ăn
- giảm
- phản ánh
- khu
- đăng ký
- có liên quan
- tẩy
- thay thế
- yêu cầu
- cần phải
- yêu cầu
- tương ứng
- REST của
- kết quả
- Kết quả
- tái sử dụng
- xem xét
- Vai trò
- chạy
- chạy
- tương tự
- Lưu
- Quy mô
- mở rộng quy mô
- Tìm kiếm
- Thứ hai
- Phần
- xem
- nhìn thấy
- chọn
- riêng biệt
- DỊCH VỤ
- Phiên
- định
- thiết lập
- nên
- cho thấy
- thể hiện
- đăng ký
- có ý nghĩa
- Đơn giản
- duy nhất
- Kích thước máy
- nhỏ
- So
- cho đến nay
- Phần mềm
- giải pháp
- Giải pháp
- một số
- nguồn
- nguồn
- Không gian
- Spark
- đặc biệt
- riêng
- quy định
- SQL
- Bắt đầu
- Bắt đầu
- Tiểu bang
- Tuyên bố
- số liệu thống kê
- Bước
- Các bước
- là gắn
- hàng
- đơn giản
- Chuỗi
- phòng thu
- tiếp theo
- thành công
- như vậy
- phù hợp
- TÓM TẮT
- chắc chắn
- sợi tổng hợp
- bàn
- Hãy
- Mục tiêu
- nhiệm vụ
- nhóm
- thử nghiệm
- việc này
- Sản phẩm
- Nguồn
- Nhà nước
- Them
- sau đó
- Đó
- điều này
- số ba
- thời gian
- đến
- bây giờ
- công cụ
- công cụ
- hàng đầu
- theo dõi
- Chuyển đổi
- Chuyển đổi
- biến đổi
- Đi du lịch
- hai
- kiểu
- ui
- Dưới
- hiểu
- Cập nhật
- cập nhật
- URL
- có thể dùng được
- sử dụng
- ca sử dụng
- đã sử dụng
- Người sử dụng
- sử dụng
- sử dụng
- HIỆU LỰC
- giá trị
- Các giá trị
- xác minh
- phiên bản
- Xem
- có thể nhìn thấy
- muốn
- là
- cách
- we
- web
- các dịch vụ web
- TỐT
- là
- khi nào
- cái nào
- sẽ
- với
- không có
- Công việc
- công nhân
- công nhân
- quy trình làm việc
- sẽ
- viết
- viết
- bạn
- trên màn hình
- zephyrnet
- Zip