Amazon Athena

지금 데이터 쿼리를 시작하십시오. 수 초 만에 쿼리 결과를 얻을 수 있습니다. 실행한 쿼리에 대해서만 비용을 지불합니다.

Amazon Athena는 표준 SQL을 사용해 Amazon S3에 저장된 데이터를 간편하게 분석할 수 있는 대화식 쿼리 서비스입니다. Athena는 서버리스 서비스이므로 관리할 인프라가 없으며 실행한 쿼리에 대해서만 비용을 지불하면 됩니다.

Athena는 사용이 쉽습니다. Amazon S3에 저장된 데이터를 가리키고 스키마를 정의한 후 표준 SQL을 사용하여 쿼리를 시작하기만 하면 됩니다. 그러면 대부분 결과가 수 초 이내에 제공됩니다. Athena에서는 데이터 분석을 준비하기 위한 복잡한 ETL 작업이 필요 없습니다. 따라서 SQL을 다룰 수 있는 사람은 누구나 신속하게 대규모 데이터 세트를 분석할 수 있습니다.

Athena는 AWS Glue 데이터 카탈로그와 즉시 통합되므로, 다양한 서비스에 걸쳐 통합된 메타데이터 리포지토리를 생성하고, 데이터 원본을 크롤링하여 스키마를 검색하고 카탈로그를 신규 및 수정된 테이블 정의와 파티션 정의로 채우며, 스키마 버전을 관리할 수 있습니다.

개념 증명 또는 평가를 위한 지원 요청 »

혜택

즉각적인 쿼리 시작

서버리스, ETL 불필요

Athena는 서버리스 서비스입니다. 서버나 데이터 웨어하우스를 설정하거나 관리할 필요 없이 데이터 쿼리를 빠르게 실행할 수 있습니다. Amazon S3에 저장된 데이터를 지정하고 스키마를 정의한 다음 기본적으로 제공되는 쿼리 편집기를 사용해 쿼리를 시작하면 됩니다. Amazon Athena는 복잡한 ETL 프로세스를 설정하지 않고도 S3에 저장된 모든 데이터를 이용할 수 있습니다.

쿼리당 비용 지불

스캔한 데이터에 대해서만 비용 지불

Amazon Athena에서는 실행한 쿼리에 대한 비용만 지불합니다. 비용은 쿼리를 실행하면서 스캔한 1테라바이트의 데이터 용량당 5 USD입니다. 데이터를 압축 및 파티셔닝하고 컬럼 형식으로 변환함으로써 쿼리당 비용을 30%에서 90% 절감하고 성능을 더 향상할 수 있습니다. Athena는 Amazon S3에서 직접 데이터 쿼리를 실행합니다. 따라서 S3 외에 별도로 스토리지 비용이 발생하지 않습니다.

개방성, 강력함, 표준

Presto 기반, 표준 SQL 실행

Amazon Athena는 ANSI SQL을 지원하는 Presto를 사용하며, CSV, JSON, ORC, Avro, Parquet 등 다양한 표준 데이터 형식과 호환됩니다. 이 서비스는 빠른 속도의 임시 쿼리에 적합하지만 대용량 조인, 창 함수, 어레이 등 복잡한 분석을 처리하는 데도 손색이 없습니다. 또한 가용성이 뛰어나기 때문에 여러 설비에서, 혹은 단일 설비의 여러 디바이스에서 컴퓨팅 리소스를 사용해 쿼리를 실행하기도 합니다. Amazon Athena는 Amazon S3를 기본 데이터 스토어로 사용하여 데이터 가용성과 내구성이 매우 우수합니다.

매우 빠른 속도

대용량 데이터세트에서도 대화식 성능 구현

Amazon Athena에서는 빠른 속도의 대화식 쿼리 성능을 구현하기 위해 컴퓨팅 리소스가 충분한지 걱정할 필요가 없습니다. Amazon Athena가 병렬 방식으로 쿼리를 자동 실행하기 때문에 대부분 결과가 수 초 만에 반환됩니다.

새로운 기능은 현재 평가판으로 제공됨

어디서든지 가능한 데이터 쿼리

관계형 데이터베이스, 데이터 웨어하우스, 객체 스토어 및 비관계형 데이터 스토어에 대해 연합 쿼리를 실행하십시오. 연합 SQL 쿼리를 사용하면 데이터가 어디에 상주하든 관계없이 현재 위치에서 쿼리할 수 있습니다. 익숙한 SQL을 사용하여 여러 데이터 원본에서 데이터를 결합하여 빠른 분석을 수행하고 후속 사용을 위해 Amazon S3에 결과를 저장할 수 있습니다. 또한 Athena 연합 쿼리에 도입된 새로운 Query Federation SDK를 사용하면 데이터 원본 커넥터를 직접 작성하여 사용자 지정 데이터 스토어를 쿼리할 수 있습니다.

사용자 정의 함수(UDF) 직접 생성

사용자 지정 스칼라 함수를 작성하고 SQL 쿼리에서 호출하십시오. Athena Query Federation SDK를 사용하여 UDF를 작성할 수 있습니다. UDF는 SQL 쿼리의 SELECT 절과 FILTER 절에서 모두 사용할 수 있습니다. 동일한 쿼리에서 여러 UDF를 호출할 수 있습니다. Athena에서는 기본 제공 함수가 지원되지만 UDF를 사용하면 데이터 압축 및 압축 해제, 중요한 데이터 삭제 또는 사용자 지정된 복호화 적용 같은 사용자 지정 처리를 수행할 수 있습니다.

SQL에서 이뤄지는 기계 학습

추론을 위한 기계 학습 모델을 SQL 쿼리에서 바로 호출하십시오. 고객은 Amazon SageMaker에서 제공되는 수십 개의 기본 제공 기계 학습 알고리즘을 사용하거나, 모델을 직접 교육하거나, AWS Marketplace에서 모델 패키지를 찾아 구독하고 Amazon SageMaker 호스팅 서비스에 배포할 수 있습니다. 추가로 설정할 필요는 없습니다. SQL 쿼리에서 기계 학습 모델을 사용할 수 있는 덕분에 이상 탐지, 고객 집단 분석, 매출 예측 같은 복잡한 작업을 SQL 쿼리에서 함수를 호출하는 것처럼 간단히 수행할 수 있습니다.