【Day 12】 实作 - 透过 AWS 服务 - Athena 建立以及查询资料表

大家午安~
在第 8、9 天我们完成 Data Collection 以及 Google Analytics 原始资料储存至 AWS S3 Bucket，第 11 天时我们透过 AWS Lambda 处理原始资料并将档案从 json 转换成 Parquet 格式，那接下来的这几天就正式进入资料分析以及视觉化的阶段啦~

我们现在拥有了资料，我们可以使用 AWS Athena 透过标准的 SQL 语法快速查询我们的资料，不过在查询前需要创建『资料表』，用於定义基础来源资料的结构描述(像是：有哪些栏位、栏位的格式、资料的来源位置为何等)。
创建『资料表』有多种方式，我比较常使用以下两种方式：

1. 手动建立：透过 Athena SQL 语法建立『资料表』
   (需要定义有哪些栏位、每个栏位的格式)
2. 自动建立：透过 AWS Glue Crawlers 建立『资料表』
   (不需要定义有哪些栏位、每个栏位格式是什麽，非常适用一个资料集中有大量栏位的情况下 0…0 )

但不管是使用哪种方式创建『资料表』，建立的资料表设定都会储存在 AWS Glue Data Catalog，供後续查询使用。
那今天实作我们会先 demo - 『使用 Athena SQL 语法人工建立资料表』~ 那就开始吧 GO GO

步骤一、於 AWS Console 搜寻 Athena

步骤二、点选 Settings，设定搜寻结果的位置

注意：没有设定 S3 查询路径，Athena 会无法查询喔!!

步骤三、创建资料库

我们需要一个资料库来存放我们的资料表或者你也可以选择 Default 的资料库，那这边我们选择创建一个新的资料库

create database appflow_data

步骤四、选取资料库

创建完後选取此资料库

步骤五、创建资料表

这次 DEMO 我们先使用 Athena SQL 语法人工建立『资料表』，下方语法就是我们定义资料来源、来源格式以及要创造哪些栏位以及对应格式，供大家参考
p.s 後续我们也会教学如何用 AWS Glue 自动创建资料表供大家参考~

CREATE EXTERNAL TABLE appflow_data.ga_sample (
  `year` int,
  `month` int,
  `day` int,
  `deviceCategory` string,
  `pageviews` int
 )
STORED AS PARQUET
LOCATION 's3://test-dorothy-ga/ga-data'
tblproperties ("parquet.compression"="SNAPPY");

步骤六、创建资料表後，你就可以搜寻 AWS Glue 服务，并从 Tables 找到刚刚新建的资料表的相关资讯~

确认资料表成功建立後，我们就可以透过 Athena 下 SQL 语法查询 Google Analytics 数据啦~
例如：捞取所有资料表的资料

SELECT * FROM "appflow_data"."ga_sample"

现在我们可以顺利的查询资料了~接着就是进入建立视觉化分析的阶段啦
那就先明天见啦 : D

如果有任何指点与建议，也欢迎留言交流，一起漫步在Data on AWS中。