Habilitación de la generación automática de estadísticas a nivel de catálogo

Puede habilitar la generación automática de estadísticas de columnas en todas las tablas nuevas de Apache Iceberg y las tablas que tengan formatos que no sean OTF (Parquet, JSON, CSV, XML, ORC, ION) del catálogo de datos. Tras crear la tabla, también puede actualizar de forma explícita y manual la configuración de las estadísticas de columnas.

Para actualizar la configuración del catálogo de datos y así poder habilitar el nivel de catálogo, el rol de IAM que utilice debe tener el permiso glue:UpdateCatalog o el permiso AWS Lake Formation ALTER CATALOG del catálogo raíz. Puede utilizar la API GetCatalog para verificar las propiedades del catálogo.

AWS Management Console

Habilitación de la generación automática de estadísticas de columnas a nivel de cuenta

1. Abra la consola de Lake Formation en https://console.aws.amazon.com/lakeformation/.

2. En la barra de navegación izquierda, elija Claves.

3. En la página Resumen del catálogo, seleccione Editar en Configuración de la optimización.

   

4. En la página Configuración de la optimización de tablas, elija la opción Habilitar la generación automática de estadísticas para las tablas del catálogo.

   

5. Elija un rol de IAM existente o cree uno nuevo con los permisos necesarios para ejecutar la tarea de estadísticas de columnas.

6. Seleccione Enviar.

AWS CLI

También puede habilitar la recopilación de estadísticas a nivel de catálogo a través de AWS CLI. Para configurar la recopilación de estadísticas a nivel de tabla mediante AWS CLI, ejecute el siguiente comando:

aws glue update-catalog --cli-input-json '{
    "name": "123456789012",
    "catalogInput": {
        "description": "Updating root catalog with role arn",
        "catalogProperties": {
            "customProperties": {
                "ColumnStatistics.RoleArn": "arn:aws:iam::"123456789012":role/service-role/AWSGlueServiceRole",
                "ColumnStatistics.Enabled": "true"
            }
        }
    }
}'
                   

El comando anterior llama a operación UpdateCatalog de AWS Glue, que adopta una estructura CatalogProperties con los siguientes pares clave-valor para generar estadísticas a nivel de catálogo:

• ColumnStatistics.RoleArn: ARN del rol de IAM se utilizará en todas las tareas activadas para la generación de estadísticas a nivel de catálogo

• ColumnStatistics.Enabled: valor booleano que indica si la configuración a nivel de catálogo está habilitada o deshabilitada