« Analytik

Amazon Athena

Daten im Petabyte-Bereich einfach und flexibel dort analysieren, wo sie gespeichert sind

Erhalten Sie einen optimierten, nahezu sofortigen Start von SQL- oder Apache Spark-Analyse-Workloads mit einer serverlosen Erfahrung.

Erstellen Sie interaktive, fortschrittliche Analyseanwendungen mit Daten vor Ort, in Ihrem Data Lake oder in Cloud-Speichern.

Gewinnen Sie an Flexibilität durch die Unterstützung der Sprachauswahl, offene Datenformate, Open-Source-Frameworks und die Integration von BI- und Machine-Learning-Tools (ML).

Zahlen Sie nur für die Abfragen, die Sie ausführen, und sparen Sie Kosten für die Konfiguration, Softwareaktualisierungen oder die Skalierung der Infrastruktur.

Funktionsweise

Amazon Athena ist ein serverloser, interaktiver Analytik-Service, der auf Open-Source-Frameworks entwickelt wurde und offene Tabellen- und Dateiformate unterstützt. Athena bietet eine vereinfachte, flexible Möglichkeit, Petabytes an Daten dort zu analysieren, wo sie gespeichert sind. Analysieren Sie Daten oder entwickeln Sie Anwendungen aus einem Data Lake von Amazon Simple Storage Service (S3) und über 25 Datenquellen, einschließlich On-Premises Datenquellen oder anderer Cloud-Systeme mithilfe von SQL oder Python. Athena wurde auf den Open-Source-Engines Trino und Presto sowie den Apache Spark-Frameworks entwickelt, ohne dass ein Bereitstellungs- oder Konfigurationsaufwand erforderlich ist.

Diagramm, das zeigt, wie Amazon Athena Daten aus Data Lakes, Warehouses und anderen Quellen abfragt, die lokal oder in der Cloud ausgeführt werden.

Anwendungsfälle

Verbundabfragen ausführen

Senden Sie eine einzige SQL-Abfrage, um Daten in relationalen, nicht-relationalen, objektbezogenen und benutzerdefinierten Datenquellen zu analysieren, die On-Premises oder in der Cloud ausgeführt werden.

Weitere Informationen über Verbundabfragen »

Daten für ML-Modelle vorbereiten

Verwenden Sie ML-Modelle in SQL-Abfragen oder Python, um komplexe Aufgaben zu vereinfachen, z. B. das Erkennen von Anomalien, die Analyse von Kundenkohorten und Umsatzprognosen.

Weitere Informationen über SQL-Abfragen und ML-Modelle »