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

1. 通过以下网址登录到 AWS Glue 控制台：https://console.aws.amazon.com/glue/。

2. 选择 Data Catalog 表。

3. 从列表中选择一个表。

4. 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。

5. 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。

6. 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。

7. （可选）然后选择一种安全配置来启用日志静态加密。

8. 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。