Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# Fasi successive
<a name="next-steps"></a>

## Comprendere le trasformazioni AWS Glue
<a name="transformations"></a>

Per un'elaborazione dei dati più efficiente, AWS Glue include [funzioni di trasformazione](https://docs.aws.amazon.com/glue/latest/dg/aws-glue-programming-python-transforms.html) integrate. Le funzioni passano da una trasformazione all'altra in una struttura di dati chiamata a DynamicFrame, che è un'estensione di [Apache Spark SQL](https://spark.apache.org/). DataFrame A DynamicFrame è simile a a DataFrame, tranne per il fatto che ogni record è autodescrittivo, quindi inizialmente non è richiesto alcuno schema.

Per familiarizzare con diverse funzioni AWS Glue PySpark integrate, consulta il post sul blog [Costruire una pipeline AWS Glue ETL localmente senza un](https://aws.amazon.com/blogs/big-data/building-an-aws-glue-etl-pipeline-locally-without-an-aws-account/). Account AWS

## Creazione del tuo primo lavoro ETL
<a name="authoring"></a>

Se non hai mai scritto un lavoro ETL prima, puoi iniziare utilizzando i [tre tipi di lavoro AWS Glue ETL per convertire i dati](https://docs.aws.amazon.com/prescriptive-guidance/latest/patterns/three-aws-glue-etl-job-types-for-converting-data-to-apache-parquet.html) nel pattern Apache Parquet.

Se hai esperienza nella scrittura di lavori ETL, puoi utilizzare gli [AWS Glue GitHub esempi](https://github.com/aws-samples/aws-glue-samples/tree/master/examples) per approfondire l'argomento.

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

Per informazioni sui prezzi, consulta [Prezzi di AWS Glue](https://aws.amazon.com/glue/pricing/). Puoi anche utilizzare il [Calcolatore dei prezzi AWS](https://calculator.aws/#/createCalculator)per stimare il costo mensile per l'utilizzo di diversi AWS Glue componenti.