按计划生成列统计数据

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. 在表页的下半部分选择列统计数据选项卡。

5. 您也可以从操作部分的列统计数据下选择按计划生成。

6. 在按计划生成统计数据页面上选择频率和开始时间，从而配置运行列统计任务的定期计划。您可以选择每小时、每周、每周，也可以定义 cron 表达式来指定计划。

   cron 表达式是一个表示计划模式的字符串，由 6 个字段组成，用空格隔开：* * * * * <minute> <hour> <day of month> <month> <day of week> <year> 例如，要在每天午夜运行任务，cron 表达式将是：0 0 * * ? *

   有关更多信息，请参阅 Cron 表达式。

   

7. 然后选择列选项来生成统计数据。

   • 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。

8. 选择一个 IAM 角色或创建一个具有统计数据生成权限的现有角色。AWS Glue 会代入该角色来生成列统计数据。

   一种更快的方法是让 AWS Glue 控制台为您创建一个角色。通过这种方法创建的角色专用于生成列统计数据，其中包含 AWSGlueServiceRole AWS 托管式策略以及指定数据来源所需的内联策略。

   如果您指定一个现有角色用于生成列统计数据，请确保它包含 AWSGlueServiceRole 策略或等效策略（或此策略的范围缩小版本），以及所需的内联策略。

9. （可选）然后选择一种安全配置来启用日志静态加密。

10. （可选）在指定样本容量时，您可以指定仅为表中特定百分比的行生成统计数据。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。

    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。

11. 选择生成统计数据，以运行列统计数据生成任务。