Sélectionner vos préférences de cookies

Nous utilisons des cookies essentiels et des outils similaires qui sont nécessaires au fonctionnement de notre site et à la fourniture de nos services. Nous utilisons des cookies de performance pour collecter des statistiques anonymes afin de comprendre comment les clients utilisent notre site et d’apporter des améliorations. Les cookies essentiels ne peuvent pas être désactivés, mais vous pouvez cliquer sur « Personnaliser » ou « Refuser » pour refuser les cookies de performance.

Si vous êtes d’accord, AWS et les tiers approuvés utiliseront également des cookies pour fournir des fonctionnalités utiles au site, mémoriser vos préférences et afficher du contenu pertinent, y compris des publicités pertinentes. Pour accepter ou refuser tous les cookies non essentiels, cliquez sur « Accepter » ou « Refuser ». Pour effectuer des choix plus détaillés, cliquez sur « Personnaliser ».

Travaillez avec des vues

Mode de mise au point
Travaillez avec des vues - Amazon Athena

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Une vue dans Amazon Athena est une table logique et non physique. La requête qui définit une vue est exécutée chaque fois qu'elle est référencée dans une requête. Vous pouvez créer une vue à partir d'une requête SELECT, puis référencer cette vue dans de futures requêtes.

Vous pouvez utiliser deux types de vues différents dans Athéna : les vues d'Athéna et les vues. AWS Glue Data Catalog

Quand utiliser les vues d'Athéna ?

Vous souhaiterez peut-être créer des vues Athéna pour :

  • Interroger un sous-ensemble de données : par exemple, vous pouvez créer une vue avec un sous-ensemble de colonnes de la table d'origine pour simplifier l'interrogation des données.

  • Combiner des tables : vous pouvez utiliser des vues pour combiner plusieurs tables en une seule requête. Lorsque vous avez plusieurs tables et que vous souhaitez les combiner avec UNION ALL, vous pouvez créer une vue avec cette expression pour simplifier les requêtes sur les tables combinées.

  • Masquer la complexité : utilisez des vues pour masquer la complexité des requêtes de base existantes et simplifier les requêtes exécutées par les utilisateurs. Les requêtes de base incluent souvent des jointures entre les tables, les expressions dans la liste de colonnes, et d'autres syntaxes SQL, ce qui complique leur compréhension et leur débogage. Vous pouvez créer une vue qui masque la complexité et simplifie les requêtes.

  • Optimisation des requêtes : vous pouvez utiliser des vues pour expérimenter des techniques d'optimisation afin de créer des requêtes optimisées. Par exemple, si vous trouvez une combinaison de conditions WHERE, l'ordre JOIN, ou d'autres expressions qui illustrent les meilleures performances, vous pouvez créer une vue avec ces clauses et expressions. Les applications peuvent ensuite créer des requêtes relativement simples pour cette vue. Si, par la suite, vous trouvez un meilleur moyen d'optimiser la requête d'origine, lorsque vous recréez la vue, toutes les applications tirent immédiatement parti de la requête de base optimisée.

  • Masquer les noms sous-jacents : vous pouvez utiliser des vues pour masquer les noms de tables et de colonnes sous-jacents et minimiser les problèmes de maintenance en cas de modification des noms. Si les noms changent, vous pouvez simplement recréer la vue en utilisant les nouveaux noms. Les requêtes qui utilisent directement la vue plutôt que les tables continuent de s'exécuter sans modification.

    Pour de plus amples informations, veuillez consulter Travaillez avec les vues d'Athéna.

Quand utiliser les AWS Glue Data Catalog vues ?

Utilisez des AWS Glue Data Catalog vues lorsque vous souhaitez disposer d'une vue commune unique, Services AWS comme Amazon Athena et Amazon Redshift. Dans les affichages du Catalogue de données, les autorisations d’accès sont définies par l’utilisateur qui a créé l’affichage, et non par l’utilisateur qui interroge l’affichage. Cette méthode d’octroi d’autorisations est appelée sémantique du définisseur.

Les cas d’utilisation suivants montrent comment vous pouvez utiliser les affichages du Catalogue de données.

  • Meilleur contrôle d’accès : vous créez un affichage qui limite l’accès aux données en fonction du niveau d’autorisation requis par l’utilisateur. Par exemple, vous pouvez utiliser des affichages du Catalogue de données pour empêcher les employés qui ne travaillent pas dans le service des ressources humaines (RH) de voir des données d’identification personnelle.

  • Garantir la caractère complet des enregistrements : en appliquant certains filtres à l’affichage de votre Catalogue de données, vous vous assurez que les enregistrements de données d’un affichage du Catalogue de données sont toujours complets.

  • Sécurité renforcée : dans les affichages du Catalogue de données, la définition de requête qui crée l’affichage doit être intacte pour que l’affichage soit créé. Cela rend les affichages du Catalogue de données moins vulnérables aux commandes SQL provenant d’acteurs malveillants.

  • Empêcher l’accès aux tables sous-jacentes : la sémantique du définisseur permet aux utilisateurs d’accéder à un affichage sans mettre la table sous-jacente à leur disposition. Seul l’utilisateur qui définit l’affichage nécessite d’accéder aux tables.

Les définitions des affichages du Catalogue de données sont stockées dans l’ AWS Glue Data Catalog. Cela signifie que vous pouvez utiliser AWS Lake Formation pour accorder l’accès via des autorisations de ressources, des autorisations de colonnes ou des contrôles d’accès basés sur des balises. Pour plus d’informations sur l’octroi et la révocation de l’accès à Lake Formation, consultez la rubrique Granting and revoking permissions on Data Catalog resources dans le Guide du développeur AWS Lake Formation .

Pour de plus amples informations, veuillez consulter Utiliser les vues du catalogue de données dans Athena.

Rubrique suivante :

Vues d'Athéna
ConfidentialitéConditions d'utilisation du sitePréférences de cookies
© 2025, Amazon Web Services, Inc. ou ses affiliés. Tous droits réservés.