大家好~昨天我們建立好 Google Analytics 與 AWS 連線，現在我們就可以透過 AWS Console 拉取 Google Analytics 資料
大致流程如下所示：

1. 於 AWS Console 搜尋 appflow，點選 Flows 並 Create Flow
2. 於 Flow name 輸入易於識別的名稱後按 next
3. 設定來源細節
4. 設定目的端細節
5. 設定 Flow 觸發的類型
6. 設定拉取的 Google Analytics 欄位
7. 設定篩選條件
8. 執行 Flow

步驟一、於 AWS Console 搜尋 appflow，點選 Flows 並 Create Flow

步驟二、於 Flow name 輸入易於識別的名稱後按 next

步驟三、設定來源細節

• Source name：選擇 Google Analytics
• Choose Google Analytics connection：選擇昨天建立的 connection
• Choose Google Analytics object：選擇 Reports
• Choose Google Analytics subobject：可能一個帳戶有建立多個資源和應用程式，你可以從 Google Analytics頁面中查看你想看的網站資料 ID，並於 AWS Console 選取此 ID
  

步驟四、設定目的端細節

這裡是定義抓取的 Google Analytics 資料要存放在哪裡

所以我們這邊選擇 Destination name 為 AWS S3、Bucket details 選擇昨天創建的 S3 Bucket name，接著展開 Additional settings

• Data transfer preference：
  預設情況下執行 Flow 會產生多個檔案結果，也可以設定聚合檔案(執行一次 Flow 僅會產生一個檔案結果)，這邊我們選擇 No aggregation，讓檔案 size 不會太大，後續可以透過 Lambda 進行處理
• Filename preference：
  檔案名稱是否加上時間戳記，這邊選擇 No timestamp
• Folder structure preference：
  使用者可以依據需求來決定資料夾的時間粒度，而選擇的粒度決定了文件夾的命名階層，且適當的階層也會大大降低後續 Athena 搜尋的速度以及費用的產生，以及因 Google Analytics API 本身時間粒度僅到 day(沒有到 hour )，故我們選擇 Place the file in a timestamped folder、Daily

選擇完後，藍底的地方就會顯示目前資料夾的命名階層：
S3://<<"bucket name">>/<<"appflow name">>/年/月/日

步驟五、設定 Flow 觸發的類型

可以選擇按排程、基於事件或手動觸發，這邊我們選擇 Run on demand (手動觸發)

步驟六、設定拉取的 Google Analytics 欄位

選擇 Manually map fields，並選取欲拉取的 Google Analytics 欄位(欄位說明請詳[1])，這邊我想瞭解不同的裝置在網站的網頁瀏覽量，故選取
ga:date|DIMENSION、ga:deviceCategory|DIMENSION、ga:pageviews|METRIC，並點選 Map fields directly 後按 Next
★小叮嚀★ 因有部分欄位無法直接選取(ex：ga:dimensionXX)，可以選擇『Upload a .csv file with mapped fields』，就可以導入自定義維度和指標。

步驟七、設定篩選條件

我們可以設定篩選條件過濾要儲存的資料，我們選擇跳過按 next、save

步驟八、執行 Flow

接著我們點擊此 Flow 並點選 Run Flow

等待 Flow 執行完成後，我們可以在 S3 看到抓取的 Google Analytics 資料~接著我們下載這個檔案看裡面的內容，我們會發現抓取的 Google Analytics 原始檔案為多行的 JSON 格式，非常不方便使用者閱讀且 Athena 也不支援此格式搜尋，讓我們無法進行後續的分析處理

我們要如何解決此問題呢? 就讓我們明天繼續討論 Data Analytics Pipeline on AWS - Google Analytics 吧~ 明天見：）
如果有任何指點與建議，也歡迎留言交流，一起漫步在 Data on AWS 中。

[1] UA Dimensions & Metrics Explorer
https://ga-dev-tools.web.app/dimensions-metrics-explorer/