Amazon Athena

以 SQL 查詢 S3 上日誌或 CSV 的服務。

Amazon Athena 是可對 S3 上的資料以 SQL 進行分析的無伺服器查詢服務。

• S3 日誌分析
• CSV 或 Parquet 的簡易分析
• 資料湖上的隨選查詢

• 是無伺服器的分析服務
• 可以 SQL 搜尋 S3 上的資料
• 依掃描量產生費用

• 將資料格式轉為 Parquet 等可減少掃描量
• 與 Glue Data Catalog 結合以管理資料表定義
• 適合作為 CloudFront 或 S3 日誌分析的選項

Amazon Athena 是可對儲存於 S3 的資料以標準 SQL 執行查詢的無伺服器分析服務。 無需事先配置資料庫伺服器,只要將資料放入 S3,並透過 Glue Data Catalog 等註冊 資料表定義,即可立即執行查詢。實務上會用於:CloudFront 或 ALB 的存取記錄分析、 CloudTrail 的稽核記錄分析、以 CSV 或 JSON 格式累積的業務資料臨時調查、資料湖 上的資料探索等用途。 Athena 的成本依查詢所掃描的 S3 資料量計費(每 1 TB 約數 USD)。因此,資料格式 與分區設計就成為成本最佳化的核心課題。將 CSV 或 JSON 等以列為導向的格式, 轉換為 Parquet 或 ORC 等以欄為導向的格式,因可只讀取所需欄位,掃描量會大幅 減少。此外,以日期或區域等查詢條件常用的鍵建立分區,Athena 端會自動略過不需要 的分區掃描。以 Glue Data Catalog 集中管理資料表定義(結構與分區資訊),並讓 Athena 與其他分析服務(Redshift Spectrum、EMR 等)共用是標準的設計。 在 CLF-C02 / SAA-C03 中,題目會以「可對 S3 上的資料以 SQL 進行分析的無伺服器 服務」的形式出題。與 EMR(代管 Hadoop/Spark)或 Redshift(資料倉儲)的區分也 是常考點,Athena 適合臨時查詢與小到中規模的記錄分析,EMR 適合大規模批次處理, Redshift 適合常態性 BI 分析,記住這樣的分工有助於判斷。

• Amazon Athena (AWS 官方)
• 什麼是 Amazon Athena (AWS 官方文件)
• 使用欄式儲存格式 (Parquet / ORC) (AWS 官方文件)

最後更新日: 2026-06-07