在不到一秒内在 Apache Spark 上运行交互式分析
使用 Amazon Athena for Apache Spark 在不到一秒内开始交互式分析，以便分析数 PB 数据。通过我们经过优化的 Spark 运行时，交互式 Spark 应用程序立即启动并更快速地运行，以便您可以将更多时间花在获取洞察而不是等待结果上。只需简单的笔记本经验，即可在 Athena 控制台或通过 Athena API 使用 Python 的表现力构建 Spark 应用程序。使用 Athena 无服务器、完全托管式模型，无需管理、预置和配置任何资源，并且没有最低费用或设置成本。您只需为自己运行的查询付费。
优势
加速获取洞察
将更多时间花在获取洞察而不是等待结果上。通过我们经过优化的 Spark 运行时，交互式 Spark 应用程序可以在不到一秒内启动并更快速地运行。
利用 Spark 进行复杂而功能强大的分析
将 Python 的表现力与流行的开源 Spark 框架结合使用，从数据中寻找更复杂的洞察。 使用笔记本查询数据，关联计算和可视化结果。
构建应用程序而无需管理任何资源
更经济高效地运行 Spark 应用程序，而无需预置和管理任何资源。构建 Spark 应用程序，而无需担心 Spark 配置或版本升级。
就地处理数据
通过业务应用程序，以开放数据格式处理不同数据湖中的数据，无需移动数据。使用 AWS Glue 发掘和分类的数据构建 Spark 洞察。
工作原理
此图显示如何使用 Amazon Athena for Apache Spark 以交互方式探索和准备您的数据。
第一部分描述了不同的数据来源，包括 Amazon S3 数据、大数据和数据存储。第一部分显示“Query data from data lakes, big data frameworks, and other data sources”。
第二部分的标题为“AWS Glue Data Catalog”。 第二部分显示“Crawl the data stores to generate metadata (like tables and schema) about your data”。
第三部分的标题为“Amazon Athena for Apache Spark”。 第三部分显示“Use Amazon Athena to interactively explore and prepare your data”。
第四部分包含两个项目。上方的项目包括一幅可视化报告的插图。文本显示“Build applications to analyze and visualize your data”。下方的项目包括一幅齿轮的插图。文本显示“Integrate with ML tools to interactively explore the data and prepare sample datasets for training and inference”。
使用案例
就地探索数据
使用 Athena 和 AWS Glue 探索数据集和处理数据。
跨多个数据集生成洞察
查看不同数据集和数据格式，以生成洞察。
将业务应用程序与数据相关联
构建 SaaS 应用程序，以使用 Athena for Apache Spark 交互式处理数据。
将数据湖与机器学习相结合
探索数据存储，以生成示例数据集和交互式功能。
