Athena

Définition

• Service serverless de requêtage SQL
• Aucune infrastructure à gérer
• Basé sur Presto / Trino

Cas d’utilisation

• Analyse de logs (CloudTrail, ALB, VPC Flow Logs…)
• Exploration de data lake
• Requêtes ad-hoc pour data analysts / engineers
• Alternatives simples à Redshift pour des besoins ponctuels

Athena n’est pas adapté pour des requêtes ultra fréquentes à faible latence ou des workloads transactionnels

Fonctionnement

• Schéma simple S3 (données) Athena (requêtes SQL) Résultats stockés dans S3
• Athena ne stocke pas les données
• Les requêtes sont stateless

Concepts

Base de données & tables

• Database Athena structure logique
• Les tables décrivent les données dans S3
• Les données ne bougent pas

Concepts

Schéma “schema-on-read”

• Le schéma est appliqué au moment de la lecture
• Contrairement à une DB classique (schema- on-write)

Formats supportés

• CSV, JSON, TSV
• Parquet / ORC (fortement recommandé)
• Avro

Glue DataCatalog

• Athena s’appuie sur AWS Glue Data Catalog pour :
  • Stocker les métadonnées
  • Définir bases, tables et partitions

Athena ne fonctionne pas sans Glue Data Catalog

Performances

• Une partition est un filtre logique sur les données (permet de réduire la quantité de données scannées)
• Le format Parquet / ORC permet la lecture partielle des colonnes et dispose d’une compression intégrée

Coûts

• Facturation au volume scanné (Attention au format et au partionnement)
• Environ $5 / TB scanné