Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Connexion aux bases de données Amazon Neptune à l'aide de l'authentification IAM avec Python
Le boto3 neptunedata le client fournit le moyen le plus simple de se connecter à un IAM-enabled Base de données Neptune de Python. Le client gère automatiquement la signature de Signature Version 4, vous n'avez donc pas besoin de signer les demandes vous-même.
Conditions préalables
Python 3.x
Le
boto3bibliothèque :pip install boto3AWS informations d'identification configurées par n'importe quelle méthode standard (variables d'environnement, AWS fichier de configuration, profil d'instance ou rôle d'exécution Lambda)
Une politique IAM qui permet
neptune-db:*actions sur votre amas Neptune
Connexion avec les informations d'identification par défaut
Cette approche fonctionne lorsque boto3 peut résoudre les informations d'identification automatiquement, par exemple sur les instances Amazon Elastic Compute Cloud avec des profils d'instance, dans AWS Lambda fonctions, ou avec configuration AWS profils.
Remplacez l'URL du point de terminaison par le point de terminaison de votre cluster Neptune.
Gremlin et OpenCypher
import boto3 from botocore.config import Config cfg = Config(retries={"total_max_attempts": 1, "mode": "standard"}, read_timeout=None) neptune = boto3.client('neptunedata', config=cfg, region_name='us-east-1', endpoint_url='https://your-neptune-endpoint:8182') # Gremlin resp = neptune.execute_gremlin_query(gremlinQuery='g.V().limit(1)') print(resp['result']) # openCypher resp = neptune.execute_open_cypher_query(openCypherQuery='MATCH (n) RETURN n LIMIT 1') print(resp['results'])
SPARQL
Le boto3 neptunedata le client ne prend pas actuellement en charge SPARQL. Pour envoyer des requêtes SPARQL à un IAM-enabled Base de données Neptune, signez les demandes manuellement en utilisant Signature Version 4 avec botocore utilitaires de signature de demandes et requests bibliothèque (pip install boto3 requests).
import requests from botocore.auth import SigV4Auth from botocore.awsrequest import AWSRequest from botocore.session import Session endpoint = 'https://your-neptune-endpoint:8182' region = 'us-east-1' query = 'SELECT ?s ?p ?o WHERE { ?s ?p ?o } LIMIT 1' request = AWSRequest(method='POST', url=f'{endpoint}/sparql/', data={'query': query}) SigV4Auth(Session().get_credentials(), 'neptune-db', region).add_auth(request) resp = requests.post(f'{endpoint}/sparql/', headers=request.headers, data={'query': query}) print(resp.json())
Cet exemple utilise botocore.session.Session pour résoudre AWS informations d'identification automatiquement à partir de variables d'environnement, AWS fichiers de configuration, profils d'instance ou rôles d'exécution Lambda. Vous n'avez pas besoin de définir les informations d'identification de manière explicite.
Utilisation d'informations d'identification temporaires
Pour un accès entre comptes, des sessions limitées dans le temps ou en tant que meilleure pratique de sécurité pour éviter des informations d'identification de longue durée, utilisez AWS STS pour obtenir des informations d'identification temporaires et créer un boto3.Session.
Gremlin et OpenCypher
import boto3 from botocore.config import Config sts = boto3.client('sts') creds = sts.assume_role( RoleArn='arn:aws:iam::123456789012:role/NeptuneRole', RoleSessionName='neptune-session' )['Credentials'] session = boto3.Session( aws_access_key_id=creds['AccessKeyId'], aws_secret_access_key=creds['SecretAccessKey'], aws_session_token=creds['SessionToken'], region_name='us-east-1' ) cfg = Config(retries={"total_max_attempts": 1, "mode": "standard"}, read_timeout=None) neptune = session.client('neptunedata', config=cfg, endpoint_url='https://your-neptune-endpoint:8182') # Gremlin resp = neptune.execute_gremlin_query(gremlinQuery='g.V().limit(1)') print(resp['result']) # openCypher resp = neptune.execute_open_cypher_query(openCypherQuery='MATCH (n) RETURN n LIMIT 1') print(resp['results'])
Les informations d'identification temporaires expirent après un intervalle spécifié (la valeur par défaut est d'une heure) et ne sont pas automatiquement actualisées par le client. Pour les applications de longue durée, utilisez plutôt des informations d'identification basées sur des profils ou des profils d'instance.
SPARQL
Parce que le boto3 neptunedata le client ne prend pas actuellement en charge SPARQL, vous devez signer les demandes manuellement avec les informations d'identification temporaires.
import boto3 import requests from botocore.auth import SigV4Auth from botocore.awsrequest import AWSRequest from botocore.credentials import ReadOnlyCredentials sts = boto3.client('sts') creds = sts.assume_role( RoleArn='arn:aws:iam::123456789012:role/NeptuneRole', RoleSessionName='neptune-session' )['Credentials'] endpoint = 'https://your-neptune-endpoint:8182' region = 'us-east-1' query = 'SELECT ?s ?p ?o WHERE { ?s ?p ?o } LIMIT 1' request = AWSRequest(method='POST', url=f'{endpoint}/sparql/', data={'query': query}) SigV4Auth(ReadOnlyCredentials( creds['AccessKeyId'], creds['SecretAccessKey'], creds['SessionToken'] ), 'neptune-db', region).add_auth(request) resp = requests.post(f'{endpoint}/sparql/', headers=request.headers, data={'query': query}) print(resp.json())
Utilisation avec AWS Lambda
Dans Lambda, le rôle d'exécution fournit automatiquement des informations d'identification via boto3. L'exemple d'informations d'identification par défaut fonctionne sans modification.
Pour un exemple Lambda complet avec gestion des connexions et logique de nouvelle tentative, voir AWS Lambda exemples de fonctions pour Amazon Neptune.