Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com6. Januar 2024 · Q010794

AWS: Create QuickSight Datasource, Dataset, Analysis and Dashboard using CDK

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der vollständige Bericht erläutert, wie der Autor mit CDK und CloudFormation QuickSight-Ressourcen für Athena-Daten in S3 erstellt und dafür IAM- sowie QuickSight-Berechtigungen konfiguriert. Er bezeichnet die CDK-Unterstützung als experimentell und schildert praktische Einschränkungen bei Spaltenerkennung, Berechtigungsänderungen und dem Wechsel des Importmodus; diese Angaben beruhen auf seinen eigenen Versuchen.

Mittel

Der Bericht zeigt anhand von Codebeispielen, wie sich mit AWS CDK und CloudFormation QuickSight-Ressourcen für Athena-Daten in S3 erstellen lassen: Datenquelle, Dataset, eine leere Analyse mit zwei Sheets sowie eine Dashboard-Vorlage und ein Dashboard. Der Autor setzt einen über Glue angebundenen S3-Bucket voraus und beschreibt die nötigen IAM- und QuickSight-Berechtigungen. QuickSight verwendet laut Beitrag eigene Principal-ARNs; bei föderiertem Login musste der Autor den Benutzernamen fest eintragen. Die CDK-Bibliothek bewertet er als experimentell und das Erstellen von Visualisierungen im Code als aufwendig, weshalb er diese später in der Konsole anlegen würde.

Für das Dataset zeigt er SQL-Abfragen, DIRECT_QUERY und SPICE samt Beispiel für einen täglichen Refresh. Er berichtet, dass mindestens eine Spaltendeklaration erforderlich sei und dass die Konsole nach erneutem Speichern des Datasets weitere Spalten anzeigen könne. Änderungen von DIRECT_QUERY zu SPICE sowie Berechtigungsänderungen während eines laufenden Updates hätten in seinen Versuchen zusätzliche Schritte erfordert, etwa Löschen und Neuerstellen. Diese Hinweise beruhen auf seinen Erfahrungen; der Beitrag dokumentiert keine systematische Prüfung über verschiedene AWS-Umgebungen hinweg.

Ausführlich lesen

Der vollständige Bericht von Itsuki beschreibt, wie sich mit AWS CDK und CloudFormation eine QuickSight-Datenquelle, ein Dataset, eine leere Analyse mit mehreren Sheets sowie ein Dashboard anlegen lassen. Als Beispiel dient Athena mit Daten in S3, die über Glue eingebunden sind. Der Autor hält die Ressourcen in einem Stack für übersichtlicher, besonders wenn mehrere Datenquellen und Datasets gemeinsam genutzt werden sollen. Zugleich bewertet er die CDK-Unterstützung für QuickSight als experimentell und das Erstellen von Visualisierungen per Code als aufwendig; er empfiehlt, Visuals später in der QuickSight-Konsole anzulegen.

Vor dem Start setzt der Beitrag ein vorhandenes CDK-Python-Projekt sowie einen mit Athena und Glue verbundenen S3-Bucket voraus. Für den Zugriff des QuickSight-Dienstes auf den Bucket soll dessen IAM-Rolle ermittelt und mit Lese- und Schreibrechten ausgestattet werden. Der Autor zeigt sowohl das direkte Erteilen von Bucket-Rechten als auch eine eigene verwaltete IAM-Richtlinie. Aus seiner Erfahrung kann eine selbst angehängte Richtlinie bei der von QuickSight verwalteten Rolle später zu Konflikten führen, wenn man weitere Berechtigungen über die Konsole hinzufügen möchte.

Ein weiterer Schwerpunkt sind QuickSight-Ressourcenberechtigungen. Anders als bei üblichen IAM-Ressourcen verwendet QuickSight laut Beitrag eigene Principal-ARNs. Der Autor bildet seinen Principal aus Region, Konto und QuickSight-Benutzernamen; bei seinem föderierten Login kann er den Namen nach eigener Aussage nicht im Stack ermitteln und trägt ihn deshalb fest ein. Ein alternativer Ansatz, den Benutzernamen über CDK abzuleiten, scheitert in seinem Versuch mit einem CloudFormation-Fehler. Für Datenquelle, Dataset, Analyse, Dashboard-Vorlage und Dashboard listet er jeweils mögliche Aktionen. Die vollständigen Rechte für den eigenen Principal sollen laut Autor ermöglichen, in der Konsole als Eigentümer aufzutreten und Ressourcen zu verwalten. Für andere Personen seien gezielt ausgewählte Aktionen zu vergeben. Seine Methode, zulässige Aktionen durch einen zunächst zu weit gefassten Berechtigungsversuch und die anschließende Fehlermeldung herauszufinden, ist eine persönliche Vorgehensweise; er sagt, er habe die maßgebliche Dokumentation nicht gefunden.

Das Dataset kann laut Beispiel eine Athena-Tabelle per SQL abfragen oder eine Tabelle relational einbinden. Obwohl im Code eine einzelne Eingabespalte angegeben ist, berichtet der Autor, dass die Konsole zunächst alle Tabellenspalten importiert; für eine gezielte Auswahl soll die SQL-Abfrage maßgeblich sein. Mindestens eine Spaltendeklaration sei erforderlich. Die Analyse wird mit zwei interaktiven, zunächst leeren Sheets angelegt. Der Autor berichtet, dass Visuals zunächst nur die im Stack angegebenen Spalten zeigen können und nach einem erneuten Speichern und Veröffentlichen des Datasets alle Spalten erscheinen. Als Datenzugriff nennt der Beitrag DIRECT_QUERY und SPICE; bei SPICE wird ein Beispiel für einen täglichen vollständigen Refresh gezeigt. Einen Wechsel von DIRECT_QUERY zu SPICE könne man nach seiner Erfahrung nicht allein durch Ändern des Parameters erreichen, sondern müsse das Dataset löschen und neu erstellen.

Für das Dashboard erstellt der Beitrag zuerst eine Vorlage aus der Analyse und verwendet diese als Quelle des Dashboards. Alternativ nennt er eine Dashboard-Definition als flexiblere Möglichkeit. Außerdem beschreibt er einen Konflikt beim Ändern von Berechtigungen während eines laufenden Updates; als mögliche Abhilfe nennt er eine neue Ressourcen-ID oder das Löschen und erneute Erstellen. Der Bericht liefert Codebeispiele und einen Link zum Beispielprojekt, aber keine systematische Prüfung unterschiedlicher Konten oder Umgebungen. Mehrere Einschränkungen werden ausdrücklich als Erfahrungen des Autors dargestellt, nicht als allgemeingültige AWS-Garantie.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Es wurden keine Fragen angegeben, daher ist die Einordnung leer. Die Prüfung bezieht sich auf beide Zusammenfassungen von Luna: Beide geben den Bericht inhaltlich korrekt wieder und erfinden keine Fakten; die Kürzungen und Auslassungen führen zum Urteil 'kleine Mängel'.

Im Bericht, aber nicht in der Zusammenfassung

  • Die kurze Fassung nennt die erzeugten Ressourcen nicht (Datenquelle, Dataset, Analyse mit zwei Sheets, Template, Dashboard).
  • Die Voraussetzung, dass S3 über Glue und Athena angebunden ist, fehlt in der kurzen Fassung.
  • Die Alternative einer eigenen Managed Policy statt der QuickSight-managed Rolle und der dabei auftretende Konflikt ('unknown policies') fehlen in beiden Fassungen.
  • Die Aussage, dass der eigene QuickSight-Principal alle möglichen Aktionen benötigt, damit das Objekt als 'Me' erscheint, fehlt in beiden Fassungen.
  • Die Dashboard-Erstellung über 'definition' statt 'source_entity' fehlt in beiden Fassungen.
  • Die Athena-Datenquelle wird als Beispiel für weitere Quellen (z. B. Aurora PostgreSQL mit VPC und RDS-Rechten) nicht erwähnt.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle

Kein Modell sieht bei diesem Bericht einen Bezug zu einer der 44 Sammelfragen.

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →