基本信息
| 字段 | 内容 |
|---|---|
| 英文 | AWS Glue |
| 全称 | AWS Glue |
| 中文释义 | 无服务器数据集成与 ETL |
| 日文释义 | サーバーレス ETL |
| 考试频率 | ⭐⭐⭐⭐ |
| 易混淆 | EMR / Data Pipeline |
一句话理解
无服务器数据集成服务：Data Catalog 描述数据，Glue ETL 清洗和转换数据。
核心要点
- Crawler 扫描数据源并推断 Schema，Data Catalog 保存位置、格式、列和类型等元数据。
- Glue ETL 负责提取、转换和加载数据，可为 Athena、Redshift 或 ML 准备数据集。
- Catalog 不保存主要业务数据；实际数据通常位于 S3 或其他数据源。
考试重点
- “元数据、Schema、数据目录”指向 Glue Data Catalog。
- “Serverless ETL、数据清洗转换”指向 AWS Glue；需要完整 Spark/Hadoop 控制时比较 EMR。
常见误区
- 不要只凭产品名称选择服务，先确认数据类型、延迟、控制力、运维与成本限制。
重点记忆
Catalog 是目录；ETL 是加工厂。