Athena
S3에 있는 데이터를 그대로 SQL로 조회. 서버 없음
이게 뭔가요? / What is this?
Athena는 데이터베이스 서버가 아니라, S3 창고 안에 있는 파일을 옮기지 않은 채로 그 자리에서 SQL로 질문하고 답을 받는 서버리스 조회 서비스입니다. 창고 관리인을 따로 고용하지 않고, 필요할 때만 조사원을 창고에 보내 궁금한 것만 확인시키고 스캔한 만큼만 요금을 내는 것과 같습니다.
개요 / Overview
Athena는 S3의 CSV·JSON·Parquet 파일을 옮기지 않고 SQL로 질의하며 스캔한 데이터 양만큼 과금합니다. "S3의 로그를 가끔 분석", "인프라 변경 최소화"가 나오면 표준 정답입니다.
동작 원리 / How it works
Athena는 Presto 기반 서버리스 질의 엔진입니다. 데이터를 옮기거나 적재하지 않고 S3의 파일을 그 자리에서 읽으며, Glue 데이터 카탈로그의 테이블 정의로 스키마를 얻습니다. 과금은 질의가 스캔한 바이트 수이므로, 비용 최적화는 곧 스캔량 줄이기입니다 — 열 기반 형식(Parquet·ORC)으로 바꾸면 필요한 열만 읽고, 날짜 등으로 파티셔닝하면 필요한 파티션만 읽습니다. 압축까지 하면 스캔량이 한 자릿수 퍼센트로 줄기도 합니다.
시험은 무엇을 보는가 / What the exam is testing
시험 신호는 "가끔", "즉석", "인프라 변경 최소화", "S3의 로그를 SQL로"입니다. Redshift와의 갈림길은 워크로드의 지속성 — 상시 대규모 BI는 Redshift, 간헐적 조회는 Athena입니다. 비용 문제에서는 Parquet 변환과 파티셔닝이 정답입니다.
시험 포인트 / Exam points
가끔·즉석 쿼리면 Athena(클러스터 없음), 지속적인 대규모 BI 워크로드면 Redshift입니다. "on-demand", "가끔", "간단한 쿼리"는 Athena 신호입니다.
Parquet·ORC 같은 열 기반 형식으로 압축하고 날짜별로 파티셔닝하면 스캔량이 크게 줄어 비용이 내려갑니다. Athena 비용 절감 문제의 정답입니다.
자주 틀리는 함정 / Common traps
비용 절감을 위해 인스턴스 크기를 줄이는 선택지 — Athena에는 인스턴스가 없습니다. 스캔량을 줄여야 합니다.
초당 수천 건의 짧은 조회에 Athena를 쓰는 것 — 질의당 오버헤드가 있어 OLTP에는 부적합합니다.
Amazon Athena
Query data in place on S3 with SQL — no servers
이게 뭔가요? / What is this?
Athena is not a database server — it is a serverless query service that answers SQL questions against files sitting in an S3 warehouse without ever moving them. It is like never hiring a permanent warehouse manager, and instead sending an investigator in only when needed to check exactly what is being asked about, paying only for how much was scanned.
개요 / Overview
Athena runs SQL directly over CSV, JSON, or Parquet in S3 without moving data, billing per byte scanned. "Occasionally analyse logs in S3" with "minimal changes to architecture" makes it the standard answer.
동작 원리 / How it works
Athena is a serverless Presto-based query engine. It reads files in S3 in place, without loading or moving them, taking schema from Glue Data Catalog table definitions. Billing is per byte scanned, so cost optimisation is scan reduction: columnar formats (Parquet, ORC) read only needed columns, and partitioning by date reads only needed partitions. Adding compression can cut scanned bytes to single-digit percentages.
시험은 무엇을 보는가 / What the exam is testing
The signals are occasional, ad-hoc, minimal architectural change, and SQL over logs in S3. The Redshift fork is workload persistence: sustained large-scale BI → Redshift; intermittent queries → Athena. Cost questions answer with Parquet conversion and partitioning.
시험 포인트 / Exam points
Ad-hoc, occasional queries → Athena (no cluster). Sustained large-scale BI → Redshift. "On-demand", "occasionally", and "simple queries" signal Athena.
Convert to columnar formats such as Parquet or ORC and partition by date to slash bytes scanned — the answer for cutting Athena cost.
자주 틀리는 함정 / Common traps
Reducing instance size to save cost — Athena has no instances; reduce scanned bytes.
Using Athena for thousands of short lookups per second — per-query overhead makes it unfit for OLTP.
AWS SAA Hub Pro는 독립 학습 자료이며 Amazon Web Services, Inc.의 공식 서비스가 아닙니다. 시험 정책과 서비스 사양은 AWS 공식 문서를 기준으로 확인하세요.