메타데이터 테이블 쿼리
Amazon S3 Metadata 테이블은 테이블 형식 데이터에 최적화된 스토리지를 제공하는 AWS 관리형 S3 테이블 버킷에 저장됩니다. 메타데이터를 쿼리하기 위해 테이블 버킷을 Amazon SageMaker Lakehouse와 통합할 수 있습니다. AWS Glue Data Catalog 및 AWS Lake Formation을 사용하는 이 통합을 통해 AWS 분석 서비스는 테이블 데이터를 자동으로 검색하고 액세스할 수 있습니다.
테이블 버킷이 AWS Glue Data Catalog와 통합되면 Amazon Athena, Amazon EMR, Amazon Redshift와 같은 AWS 분석 서비스를 사용하여 메타데이터 테이블을 직접 쿼리할 수 있습니다. 여기에서 Amazon QuickSight를 사용하여 쿼리 데이터로 대화형 대시보드를 만들 수 있습니다.
AWS 관리형 S3 테이블 버킷을 Amazon SageMaker Lakehouse와 통합하는 방법에 대한 자세한 내용은 AWS 분석 서비스에서 Amazon S3 Tables 사용 섹션을 참조하세요.
AWS Glue Iceberg REST 엔드포인트, Amazon S3 Tables Iceberg REST 엔드포인트 또는 Apache Iceberg 클라이언트 카탈로그용 Amazon S3 Tables Catalog를 사용하여 Apache Iceberg 형식을 지원하는 Apache Spark, Apache Trino 및 기타 애플리케이션을 사용하여 메타데이터 테이블을 쿼리할 수도 있습니다. 메타데이터 테이블에 액세스하는 방법에 대한 자세한 내용은 테이블 데이터에 액세스 섹션을 참조하세요.
Apache Iceberg 형식을 지원하는 쿼리 엔진을 사용하여 메타데이터 테이블을 분석할 수 있습니다. 예를 들어 메타데이터 테이블을 쿼리하여 다음을 수행할 수 있습니다.
-
스토리지 사용 패턴 및 추세 알아보기
-
객체 전반에서 AWS Key Management Service(AWS KMS) 암호화 키 사용량 감사
-
사용자 정의 메타데이터 및 객체 태그로 객체 검색
-
시간 경과에 따른 객체 메타데이터 변경 사항 이해
-
요청을 수행한 AWS 계정 ID 또는 IP 주소를 포함하여 객체가 업데이트되거나 삭제되는 시점 알아보기
S3 관리형 메타데이터 테이블과 사용자 지정 메타데이터 테이블을 조인하여 여러 데이터세트를 쿼리할 수도 있습니다.
쿼리 요금 고려 사항
메타데이터 테이블에서 쿼리를 실행하는 경우 추가 요금이 적용됩니다. 자세한 내용은 사용 중인 쿼리 엔진의 요금 정보를 참조하세요.
쿼리의 비용 효과를 높이는 방법에 대한 자세한 내용은 메타데이터 테이블 쿼리 성능 최적화 섹션을 참조하세요.
주제
