AWS Glue

分析用データを整理し、使いやすい形に変換するサービス。

AWS Glueは、データの抽出、変換、ロード、カタログ管理を行うサーバーレスデータ統合サービスです。

• ETL処理
• データカタログ管理
• S3データレイクの前処理

• ETLサービスである
• Glue Data Catalogでメタデータ管理ができる
• AthenaやRedshiftと組み合わせられる

• バッチ分析基盤で利用される
• S3上のデータ変換に使える
• ジョブ実行時間に応じたコストを考える

AWS Glue は、データレイクやデータウェアハウス向けの ETL（Extract / Transform / Load） 処理とデータカタログ管理をサーバーレスで実行できるデータ統合サービスである。中核 コンポーネントは Glue Data Catalog（メタデータの中央リポジトリ）、Glue Crawler（データ ソースをスキャンしてスキーマを自動推論しカタログ登録）、Glue ETL ジョブ（Spark または Python シェル環境で変換処理を実行）、Glue Studio（GUI でジョブを設計）、Glue DataBrew（コード不要のデータ前処理ツール）などである。Apache Spark ベースのジョブ実行 基盤を AWS 側がフルマネージドで提供するため、クラスタ管理が不要となる。 代表的な構成は、S3 にログ・CSV・Parquet などのデータを集約してデータレイクとし、 Glue Crawler でスキーマを推論して Glue Data Catalog に登録、Amazon Athena から SQL で クエリする「サーバーレス分析基盤」である。Athena は Glue Data Catalog をメタストアと して参照するため、Glue でカタログ化したテーブルをそのまま Athena でクエリできる。 Amazon Redshift Spectrum や Amazon EMR からも同じ Data Catalog を参照でき、複数の分析 ツール間でメタデータを共有できる点が大きな利点となる。 ETL ジョブでは、S3 上の CSV や JSON を読み込み、列の型変換・欠損値補完・JOIN・集計を 施したうえで、Parquet や ORC などの列指向フォーマットへ変換して S3 に書き戻す、と いったパターンが典型的に使われる。試験文脈では、CLF-C02 で「ETL サービスである」 「Glue Data Catalog でメタデータ管理ができる」「Athena や Redshift と組み合わせられる」 程度が問われる。SAA-C03 では S3 データレイク + Glue + Athena の構成、Lake Formation との 役割分担、Glue ジョブのコスト最適化（DPU 数とジョブ実行時間）が踏み込んで問われる。

• AWS Glue（AWS公式）↗
• AWS Glue とは（AWS公式ドキュメント）↗

最終更新日：2026-06-07