Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Siguientes pasos
<a name="next-steps"></a>

## Entender AWS Glue las transformaciones
<a name="transformations"></a>

Para un procesamiento de datos más eficiente, AWS Glue incluye [funciones de transformación](https://docs.aws.amazon.com/glue/latest/dg/aws-glue-programming-python-transforms.html) integradas. Las funciones pasan de una transformación a otra en una estructura de datos denominada a DynamicFrame, que es una extensión de un SQL de [Apache Spark](https://spark.apache.org/) DataFrame. A DynamicFrame es similar a a DataFrame, excepto que cada registro se describe a sí mismo, por lo que inicialmente no se requiere ningún esquema.

Para familiarizarse con varias funciones AWS Glue PySpark integradas, consulte la entrada del blog Cómo [crear una canalización de AWS Glue ETL de forma local sin una Cuenta de AWS](https://aws.amazon.com/blogs/big-data/building-an-aws-glue-etl-pipeline-locally-without-an-aws-account/).

## Crear su primer trabajo de ETL
<a name="authoring"></a>

Si no ha escrito un trabajo de ETL anteriormente, puede empezar utilizando los [tres tipos de trabajo de AWS Glue ETL para convertir datos al patrón de Apache Parquet](https://docs.aws.amazon.com/prescriptive-guidance/latest/patterns/three-aws-glue-etl-job-types-for-converting-data-to-apache-parquet.html).

Si tiene experiencia escribiendo trabajos de ETL, puede usar los [AWS Glue GitHub ejemplos](https://github.com/aws-samples/aws-glue-samples/tree/master/examples) para explorar más a fondo.

## Precios
<a name="pricing"></a>

Para obtener información sobre precios, consulte [Precios de AWS Glue](https://aws.amazon.com/glue/pricing/). También puede utilizarlos [Calculadora de precios de AWS](https://calculator.aws/#/createCalculator)para estimar el coste mensual que supone el uso de diferentes AWS Glue componentes.