本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

存取資料表資料

有多種方式可以存取 Amazon S3 資料表儲存貯體中的資料表、使用 Amazon SageMaker Lakehouse 將資料表與 AWS 分析服務整合，或直接使用 Amazon S3 TablesIceberg REST 端點或適用於 的 Amazon S3 Tables Catalog 存取資料表Apache Iceberg。您使用的存取方法將取決於您的目錄設定、控管模型和存取控制需求。以下是這些存取方法的概觀。

透過 Amazon SageMaker Lakehouse 整合存取資料表

您可以將 S3 資料表儲存貯體與 Amazon SageMaker Lakehouse 整合，以從 AWS 分析服務存取資料表，例如 Amazon Athena、Amazon Redshift 和 QuickSight。Amazon SageMaker Lakehouse 跨 Amazon S3 資料湖和 Amazon Redshift 資料倉儲統一您的資料，因此您可以在單一資料複本上建置分析、機器學習 (ML) 和生成式 AI 應用程式。整合 AWS Glue Data Catalog 會將資料表資源填入 ，並將這些資源的存取權與 聯合 AWS Lake Formation。如需整合的詳細資訊，請參閱 搭配使用 Amazon S3 Tables 與 AWS 分析服務。

整合透過 啟用精細存取控制 AWS Lake Formation ，以提供額外的安全性。Lake Formation 使用自己的許可模型和 IAM 許可模型的組合，來控制對資料表資源和基礎資料的存取。這表示存取資料表的請求必須通過 IAM 和 Lake Formation 的許可檢查。如需詳細資訊，請參閱《 AWS Lake Formation 開發人員指南》中的 Lake Formation 許可概觀。

下列 AWS 分析服務可以透過此整合存取資料表：

使用 AWS GlueIceberg REST端點存取資料表

一旦 S3 資料表儲存貯體與 Amazon SageMaker Lakehouse 整合後，您也可以使用 AWS GlueIceberg REST端點從支援 的第三方查詢引擎連線至 S3 資料表Iceberg。如需詳細資訊，請參閱使用 AWS GlueIceberg REST端點存取 Amazon S3 資料表。

當您想要從 Spark、 或其他 Iceberg相容的用戶端存取資料表時PyIceberg，建議使用 AWS GlueIceberg REST端點。

直接存取資料表

您可以透過將 S3 Tables 管理操作橋接至Apache Iceberg分析應用程式的方法，直接從開放原始碼查詢引擎存取資料表。有兩種直接存取方法：Amazon S3 TablesIceberg REST 端點或適用於 的 Amazon S3 Tables CatalogApache Iceberg。建議使用 REST端點。

如果您存取自我管理目錄實作中的資料表，或只需要對單一資料表儲存貯體中的資料表執行基本讀取/寫入操作，建議您直接存取 。對於其他存取案例，我們建議使用 Amazon SageMaker Lakehouse 整合。

資料表的直接存取是透過連接到資料表和資料表儲存貯體的 IAM 身分型政策或資源型政策來管理。當您直接存取資料表時，您不需要管理資料表的 Lake Formation 許可。

透過 Amazon S3 TablesIceberg REST 端點存取資料表

您可以使用 Amazon S3 TablesIceberg REST 端點，透過HTTP端點直接從任何Iceberg REST相容的用戶端存取資料表，如需詳細資訊，請參閱 使用 Amazon S3 TablesIceberg REST 端點存取資料表。

下列 AWS 分析服務和查詢引擎可以使用 Amazon S3 TablesIceberg REST 端點直接存取資料表：

直接透過 的 Amazon S3 Tables Catalog 存取資料表 Apache Iceberg

您也可以直接從查詢引擎存取資料表，例如Apache Spark使用 S3 Tables 用戶端目錄，如需詳細資訊，請參閱 使用適用於 的 Amazon S3 Tables Catalog 存取 Amazon S3 資料表 Apache Iceberg。不過，S3 建議使用 Amazon S3 TablesIceberg REST 端點進行直接存取，因為它支援更多應用程式，而不需要語言或引擎特定程式碼。