本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。
生成列统计数据
按照以下步骤,使用 AWS Glue 控制台或 AWS CLI 在 Data Catalog 中生成统计数据。
- Console
-
使用控制台生成列统计数据
-
通过以下网址登录到 AWS Glue 控制台:https://console.aws.amazon.com/glue/
。 -
选择 Data Catalog 表。
-
从列表中选择一个表。
-
在操作菜单下依次选择列统计数据、按需生成。
您也可以选择表页面下半部分的列统计数据选项卡,然后选择生成统计数据按钮。
-
在生成统计数据页面上,请指定以下选项:
-
所有列 – 选择此选项可生成表中所有列的统计信息。
-
选定列 – 选择此选项可生成特定列的统计数据。您可以从下拉列表中选择列。
-
所有行 – 选择表中的所有行以生成准确的统计数据。
-
样本行 – 仅从表中选择特定百分比的行来生成统计数据。默认值为所有行。使用向上和向下箭头可增加或减少百分比值。
注意
我们建议选择表中的所有行,以计算出准确的统计数据。仅在可接受近似值时,才使用样本行来生成列统计数据。
-
-
选择创建新的 IAM 角色,创建具有所需权限策略的 IAM 角色,来运行列统计信息生成任务。选择“查看权限详细信息”,查看政策声明。您还可以从列表中选择 IAM 角色。有关所需权限的更多信息,请参阅 生成列统计数据的先决条件。
AWS Glue 代入您指定的角色权限,生成统计信息。
有关为 AWS Glue 提供角色的更多信息,请参阅 Identity-based policies for AWS Glue。
-
(可选)然后选择一种安全配置来启用日志静态加密。
-
选择生成统计数据以运行任务。
-
- AWS CLI
-
在以下示例中,请将
DatabaseName
、TableName
和ColumnNameList
的值替换为实际的数据库名、表名和列名。请将账户 ID 替换为有效的 AWS 账户,将角色名称替换为您用于生成统计数据的 IAM 角色名称。aws glue start-column-statistics-task-run --input-cli-json file://input.json { "DatabaseName": "
<test-db>
", "TableName": "<test-table>
", "ColumnNameList": [ "<column1>
", "<column2>
", ], "Role": "arn:aws:iam::<123456789012>
:role/<Stats-Role>
", "SampleSize": 10.0 }您还可以通过调用 StartColumnStatisticsTaskRun 操作来生成列统计数据。