« Análisis

Amazon Athena

Analice datos a escala de petabytes donde residan con facilidad y flexibilidad

Comience a usar Athena

Consiga una puesta en marcha ágil y casi instantánea de cargas de trabajo analíticas SQL o Apache Spark con una experiencia sin servidor.

Cree aplicaciones analíticas interactivas y avanzadas utilizando datos en sus instalaciones, en su lago de datos o en almacenes en la nube.

Adquiera flexibilidad gracias a la compatibilidad con el lenguaje que elija, los formatos de datos abiertos, los marcos de trabajo de código abierto y la integración de herramientas de inteligencia empresarial y machine learning (ML).

Pague solo por las consultas que ejecute y ahorre los costes necesarios en configuración, actualizaciones de software o ampliación de la infraestructura.

Funcionamiento

Amazon Athena es un servicio de análisis interactivo y sin servidor creado en marcos de código abierto, lo que lo hace compatible con formatos abiertos de archivos y tablas. Athena proporciona un método simplificado y flexible de analizar petabytes de datos donde residan. Analice datos o cree aplicaciones a partir de un lago de datos de Amazon Simple Storage Service (S3) y más de 25 orígenes de datos, que incluyen orígenes de datos en las instalaciones u otros sistemas en la nube que usan SQL o Python. Athena se ha creado con motores Trino y Presto de código abierto y marcos de Apache Spark, sin necesidad de esfuerzos de aprovisionamiento ni configuración.

Diagrama que muestra cómo consulta Amazon Athena los datos de lagos de datos, almacenes y otros orígenes de datos que se ejecutan en las instalaciones o en la nube.

Casos de uso

Ejecute consultas federadas

Envíe una sola consulta SQL para analizar datos en orígenes de datos personalizados, de objetos, relacionales y no relacionales que se ejecuten en las instalaciones o en la nube.

Más información sobre las consultas federadas »

Prepare datos para modelos de ML

Utilice modelos de ML en consultas SQL o Python para simplificar tareas complejas, como la detección de anomalías, el análisis de cohortes de clientes y las predicciones de ventas.

Más información sobre consultas SQL y modelos de ML »

Cree motores de reconciliación de macrodatos distribuidos

Implemente una herramienta de reconciliación con un motor creado para la nube cuyo objetivo es la validación efectiva de grandes cantidades de datos a escala.

Más información sobre los motores de reconciliación de datos »