使用 Lambda 函数从 So DynamoDB 解析和加载数据

本文介绍如何使用aws lambda函数将s3存储桶中的json数据加载到dynamodb表中。

先决条件:

1. 拥有向S3上传对象的权限。
2. 拥有S3和DynamoDB权限的Lambda执行角色。

架构和组件:

本方案使用三个AWS服务：

1. S3存储桶: 作为可扩展、安全、高性能的对象存储服务，用于存储数据。
2. Lambda函数: 无服务器计算服务，用于运行代码并处理数据，无需管理基础设施。支持多种编程语言，易于设置。
3. DynamoDB: 无服务器NoSQL数据库，用于存储Lambda函数处理后的数据。

工作流程:

1. 用户通过控制台或CLI使用PutObject API将JSON文件上传到S3存储桶。
2. 文件上传成功后，触发S3事件，调用Lambda函数进行数据加载和处理。
3. Lambda函数处理数据并将其加载到DynamoDB表中。

实施步骤:

以下步骤详细说明如何部署和配置上述架构：

1. 创建Lambda函数:

• 函数名称：parserdemo
• 运行时：Python 3.1x (或其他支持的运行时)

其他设置保持默认值。创建函数后，修改超时配置和执行角色，如下所示：

以下Python代码实现数据处理逻辑：

Amazon Nova

亚马逊云科技（AWS）推出的一系列生成式AI基础模型

下载

<code class="python">import json
import boto3

s3_client = boto3.client('s3')
dynamodb = boto3.resource('dynamodb')

def lambda_handler(event, context):
    bucket_name = event['Records'][0]['s3']['bucket']['name']
    object_key = event['Records'][0]['s3']['object']['key']
    print(f"Bucket: {bucket_name}, Key: {object_key}")

    response = s3_client.get_object(Bucket=bucket_name, Key=object_key)
    json_data = response['Body'].read()
    string_formatted = json_data.decode('UTF-8')
    dict_format_data = json.loads(string_formatted)

    table = dynamodb.Table('DemoTable')
    if isinstance(dict_format_data, list):
        for record in dict_format_data:
            table.put_item(Item=record)
    elif isinstance(dict_format_data, dict):
        table.put_item(Item=dict_format_data)
    else:
        raise ValueError("Unsupported Format")
</code>

2. 创建S3存储桶:

桶名称：使用唯一名称。其他设置保持默认值。将创建的S3存储桶作为触发器添加到Lambda函数：

3. 创建DynamoDB表:

• 表名称：DemoTable
• 分区键：userid
• 表设置：自定义
• 容量模式：预配置

为了降低成本，将预配置容量单位设置为较低的读/写单位（例如1或2个单位）。

完成设置后，上传文件到S3进行测试。您可以在DynamoDB表中查看已创建的项目和上传的记录。 Lambda函数的CloudWatch日志和DynamoDB项目如下所示：

参考:

• S3 API
• DynamoDB API
• Boto3 for AWS services

希望此指南对您有所帮助。如有任何疑问，请提出。