> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-trino-dialect.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

> Integra ClickHouse con Amazon Glue

# Integración de Amazon Glue con ClickHouse y Spark

export const ClickHouseSupportedBadge = () => {
  return <div className="ClickHouseSupportedBadge">
            <div className="ClickHouseSupportedIcon">
                <svg width="16" height="16" viewBox="0 0 16 16" fill="none" xmlns="http://www.w3.org/2000/svg">
                    <path d="M1.30762 1.39073C1.30762 1.3103 1.37465 1.22986 1.46849 1.22986H2.64824C2.72868 1.22986 2.80912 1.29689 2.80912 1.39073V14.4886C2.80912 14.5691 2.74209 14.6495 2.64824 14.6495H1.46849C1.38805 14.6495 1.30762 14.5825 1.30762 14.4886V1.39073Z" fill="currentColor" />
                    <path d="M4.2832 1.39073C4.2832 1.3103 4.35023 1.22986 4.44408 1.22986H5.62383C5.70427 1.22986 5.7847 1.29689 5.7847 1.39073V14.4886C5.7847 14.5691 5.71767 14.6495 5.62383 14.6495H4.44408C4.36364 14.6495 4.2832 14.5825 4.2832 14.4886V1.39073Z" fill="currentColor" />
                    <path d="M7.25977 1.39073C7.25977 1.3103 7.3268 1.22986 7.42064 1.22986H8.60039C8.68083 1.22986 8.76127 1.29689 8.76127 1.39073V14.4886C8.76127 14.5691 8.69423 14.6495 8.60039 14.6495H7.42064C7.3402 14.6495 7.25977 14.5825 7.25977 14.4886V1.39073Z" fill="currentColor" />
                    <path d="M10.2354 1.39073C10.2354 1.3103 10.3024 1.22986 10.3962 1.22986H11.576C11.6564 1.22986 11.7369 1.29689 11.7369 1.39073V14.4886C11.7369 14.5691 11.6698 14.6495 11.576 14.6495H10.3962C10.3158 14.6495 10.2354 14.5825 10.2354 14.4886V1.39073Z" fill="currentColor" />
                    <path d="M13.2256 6.6057C13.2256 6.52526 13.2926 6.44482 13.3865 6.44482H14.5662C14.6466 6.44482 14.7271 6.51186 14.7271 6.6057V9.27354C14.7271 9.35398 14.6601 9.43442 14.5662 9.43442H13.3865C13.306 9.43442 13.2256 9.36739 13.2256 9.27354V6.6057Z" fill="currentColor" />
                </svg>
            </div>
            Compatible con ClickHouse
        </div>;
};

export const Image = ({img, alt, size = "lg"}) => {
  const normalizedSize = ["sm", "md", "lg"].includes(size) ? size : "lg";
  return <div className={`ch-image-${normalizedSize}`}>
      <Frame>
        <img src={img} alt={alt} />
      </Frame>
    </div>;
};

<ClickHouseSupportedBadge />

[Amazon Glue](https://aws.amazon.com/glue/) es un servicio de integración de datos sin servidor y totalmente gestionado de Amazon Web Services (AWS). Simplifica el proceso de descubrir, preparar y transformar datos para tareas de análisis, aprendizaje automático y desarrollo de aplicaciones.

<div id="installation">
  ## Instalación
</div>

Para integrar su código de Glue con ClickHouse, puede usar nuestro conector de Spark oficial en Glue de una de las siguientes maneras:

* Instalar el conector de ClickHouse Glue desde AWS Marketplace (recomendado).
* Añadir manualmente los JARs del Spark Connector a su job de Glue.

<Tabs>
  <Tab title="AWS Marketplace">
    <Steps titleSize="h3">
      <Step title="Suscribirse al conector" id="subscribe-to-the-connector">
        Para acceder al conector en su cuenta, suscríbase al ClickHouse AWS Glue conector desde AWS Marketplace.
      </Step>

      <Step title="Conceder los permisos necesarios" id="grant-required-permissions">
        Asegúrese de que el IAM role de su job de Glue tenga los permisos necesarios, como se describe en la [guía](https://docs.aws.amazon.com/glue/latest/dg/getting-started-min-privs-job.html#getting-started-min-privs-connectors) de privilegios mínimos.
      </Step>

      <Step title="Activar el conector y crear una conexión" id="activate-the-connector">
        Después de suscribirse, seleccione la versión de Glue que coincida con los requisitos de su job. En la sección **Additional details**, en **Usage instructions**, haga clic en el enlace para **Open Glue Studio - Add ClickHouse connector**. Esto abre la página de creación de conexiones de Glue con los campos clave ya rellenados. Asigne un nombre a la conexión y haga clic en Create (no es necesario proporcionar los detalles de conexión de ClickHouse en esta etapa).

        <Image img="https://mintcdn.com/private-7c7dfe99-trino-dialect/zkBy8QRjLpx6BosZ/images/integrations/data-ingestion/aws-glue/marketplace-usage-instructions.png?fit=max&auto=format&n=zkBy8QRjLpx6BosZ&q=85&s=d7eb0a5c56bb6478043408c7f043abaf" size="md" alt="Instrucciones de uso de AWS Marketplace para el conector ClickHouse Glue" width="1024" height="182" data-path="images/integrations/data-ingestion/aws-glue/marketplace-usage-instructions.png" />
      </Step>

      <Step title="Usarlo en un job de Glue" id="use-in-glue-job">
        En su job de Glue, seleccione la pestaña `Job details` y expanda la ventana `Advanced properties`. En la sección `Connections`, seleccione la conexión que acaba de crear. El conector inyecta automáticamente los JARs necesarios en el entorno de ejecución del job.

        <Image img="https://mintcdn.com/private-7c7dfe99-trino-dialect/zkBy8QRjLpx6BosZ/images/integrations/data-ingestion/aws-glue/notebook-connections-config.webp?fit=max&auto=format&n=zkBy8QRjLpx6BosZ&q=85&s=37ac0c0187108958739175644e161f4a" size="md" alt="Configuración de conexiones de Notebook de Glue" force="true" width="877" height="742" data-path="images/integrations/data-ingestion/aws-glue/notebook-connections-config.webp" />

        <Note>
          Asegúrese de seleccionar la versión del conector que coincida con la configuración de su job de Glue:

          * **Glue 4**: Spark 3.3, Scala 2, Python 3
          * **Glue 5**: Spark 3.5, Scala 2, Python 3
        </Note>
      </Step>
    </Steps>
  </Tab>

  <Tab title="Instalación manual">
    Para añadir manualmente los JARs necesarios, siga estos pasos:

    <Steps titleSize="h3">
      <Step title="Cargar el JAR del conector">
        Cargue el JAR más reciente del conector de Spark (`clickhouse-spark-runtime-3.X_2.X-0.10.X.jar`) en un bucket de S3.
      </Step>

      <Step title="Conceder acceso al bucket de S3">
        Asegúrese de que el job de Glue tenga acceso a este bucket.
      </Step>

      <Step title="Configurar la ruta de JAR dependientes">
        En la pestaña `Job details`, desplácese hacia abajo, expanda el menú desplegable `Advanced properties` y complete la ruta de los JARs en `Dependent JARs path`:

        <Image img="https://mintcdn.com/private-7c7dfe99-trino-dialect/zkBy8QRjLpx6BosZ/images/integrations/data-ingestion/aws-glue/dependent_jars_path_option.webp?fit=max&auto=format&n=zkBy8QRjLpx6BosZ&q=85&s=b9e7143669a8e5d7ffa10ea0e105307c" size="md" alt="Opciones de ruta de JAR del Notebook de Glue" force="true" width="954" height="753" data-path="images/integrations/data-ingestion/aws-glue/dependent_jars_path_option.webp" />
      </Step>
    </Steps>
  </Tab>
</Tabs>

<div id="secrets-manager">
  ## Uso de AWS Secrets Manager para las credenciales
</div>

En lugar de incluir de forma fija el usuario y la contraseña de ClickHouse en el job, guárdalos en [AWS Secrets Manager](https://docs.aws.amazon.com/secretsmanager/) y haz referencia al secreto desde tu conexión de Glue o el script del job. En tiempo de ejecución, Glue obtiene el secreto y combina sus pares clave-valor en las opciones de conexión del conector.

<div id="create-secret">
  ### Crear el secreto
</div>

En AWS Secrets Manager, crea un secreto de tipo **Otro tipo de secreto** con pares clave-valor cuyas claves coincidan con los nombres de las opciones del conector:

| Clave      | Valor                              |
| ---------- | ---------------------------------- |
| `user`     | tu nombre de usuario de ClickHouse |
| `password` | tu contraseña de ClickHouse        |

Cualquier clave que incluyas en el secreto se pasa al conector, así que también puedes almacenar `host`, `database` o cualquier otra opción allí si quieres mantenerlos fuera del código.

<div id="reference-secret">
  ### Referenciar el secreto
</div>

Hay dos formas de vincular el secreto a un job.

**Opción 1: adjuntarlo a la conexión de Glue.** Al crear o editar la conexión de ClickHouse en Glue Studio, establece el campo **AWS secret** con el nombre del secreto. Cualquier job que use esta conexión resolverá el secreto automáticamente, sin necesidad de cambiar el código.

**Opción 2: pasar `secretId` en las opciones de conexión.** Úsalo cuando el secreto no esté adjunto a la conexión. Agrega `secretId` junto con `connectionName`:

<Tabs>
  <Tab title="Python">
    ```python theme={null}
    source = glueContext.create_dynamic_frame.from_options(
        connection_type="marketplace.spark",
        connection_options={
            "connectionName": "<your-connection-name>",
            "secretId": "clickhouse/glue/credentials",
            "database": "default",
            "table": "example_table"
        },
        transformation_ctx="clickhouse_source"
    )
    ```
  </Tab>

  <Tab title="Scala">
    ```scala theme={null}
    val source = glueContext.getSource(
      connectionType = "marketplace.spark",
      connectionOptions = JsonOptions(Map(
        "connectionName" -> "<your-connection-name>",
        "secretId" -> "clickhouse/glue/credentials",
        "database" -> "default",
        "table" -> "example_table"
      )),
      transformationContext = "clickhouseSource"
    )
    ```
  </Tab>
</Tabs>

Las claves `user` y `password` del secreto se combinan con las opciones del conector en tiempo de ejecución, por lo que nunca necesitas leerlas en tu script.

<div id="example">
  ## Ejemplos
</div>

Los ejemplos siguientes usan `marketplace.spark` y hacen referencia al conector mediante `connectionName`. Si instaló el conector manualmente (pestaña Instalación manual), use `connection_type="custom.spark"` y pase `className`, `host`, `http_port`, `user` y `password` directamente en las opciones.

Si asoció un secreto de AWS a la propia conexión (opción 1 en [Uso de AWS Secrets Manager para credenciales](#secrets-manager)), elimine `secretId` de las opciones: Glue obtiene las credenciales de la conexión automáticamente.

<Tabs>
  <Tab title="Editor visual">
    Puede usar el conector de ClickHouse como origen o destino en el editor visual de Glue Studio. Solo tiene que arrastrar el componente ClickHouse Spark Connector al lienzo y conectarlo a su pipeline de datos.

    <Image img="https://mintcdn.com/private-7c7dfe99-trino-dialect/zkBy8QRjLpx6BosZ/images/integrations/data-ingestion/aws-glue/glue-studio-visual-editor.png?fit=max&auto=format&n=zkBy8QRjLpx6BosZ&q=85&s=7cd32932dec2893a03442470e201b034" size="md" alt="Editor visual de Glue Studio con el conector de ClickHouse" width="1024" height="645" data-path="images/integrations/data-ingestion/aws-glue/glue-studio-visual-editor.png" />
  </Tab>

  <Tab title="Scala">
    ```java theme={null}
    import com.amazonaws.services.glue.GlueContext
    import com.amazonaws.services.glue.util.{GlueArgParser, Job, JsonOptions}
    import org.apache.spark.SparkContext
    import scala.collection.JavaConverters._

    object ClickHouseGlueExample {
      def main(sysArgs: Array[String]): Unit = {
        val args = GlueArgParser.getResolvedOptions(sysArgs, Seq("JOB_NAME").toArray)

        val sc = new SparkContext()
        val glueContext = new GlueContext(sc)
        Job.init(args("JOB_NAME"), glueContext, args.asJava)

        val readOptions = JsonOptions(Map(
          "connectionName" -> "<your-connection-name>",
          "secretId" -> "clickhouse/glue/credentials",
          "database" -> "default",
          "table" -> "example_table"
        ))

        val source = glueContext.getSource(
          connectionType = "marketplace.spark",
          connectionOptions = readOptions,
          transformationContext = "clickhouseSource"
        )
        val dyf = source.getDynamicFrame()

        val writeOptions = JsonOptions(Map(
          "connectionName" -> "<your-connection-name>",
          "secretId" -> "clickhouse/glue/credentials",
          "database" -> "default",
          "table" -> "target_table"
        ))

        glueContext.getSink(
          connectionType = "marketplace.spark",
          connectionOptions = writeOptions
        ).writeDynamicFrame(dyf)

        Job.commit()
      }
    }
    ```
  </Tab>

  <Tab title="Python">
    ```python theme={null}
    import sys
    from awsglue.utils import getResolvedOptions
    from pyspark.context import SparkContext
    from awsglue.context import GlueContext
    from awsglue.job import Job

    args = getResolvedOptions(sys.argv, ['JOB_NAME'])

    sc = SparkContext()
    glueContext = GlueContext(sc)
    logger = glueContext.get_logger()
    job = Job(glueContext)
    job.init(args['JOB_NAME'], args)

    read_options = {
        "connectionName": "<your-connection-name>",
        "secretId": "clickhouse/glue/credentials",
        "database": "default",
        "table": "example_table"
    }

    source = glueContext.create_dynamic_frame.from_options(
        connection_type="marketplace.spark",
        connection_options=read_options,
        transformation_ctx="clickhouse_source"
    )
    dyf = source

    logger.info(f"Read {dyf.count()} rows from ClickHouse")

    write_options = {
        "connectionName": "<your-connection-name>",
        "secretId": "clickhouse/glue/credentials",
        "database": "default",
        "table": "target_table"
    }

    glueContext.write_dynamic_frame.from_options(
        frame=dyf,
        connection_type="marketplace.spark",
        connection_options=write_options,
        transformation_ctx="clickhouse_sink"
    )

    job.commit()
    ```
  </Tab>
</Tabs>

Para obtener más información, visite nuestra [documentación de Spark](/es/integrations/connectors/data-ingestion/apache-spark).