# Amazon Athena

> Corré SQL directo sobre archivos guardados en S3, sin armar ninguna base de datos.

- Nivel: Intermedio
- Temas: AWS, Datos
- URL: https://tidbit.legios.com.ar/es/amazon-athena/
- En inglés: [Amazon Athena](https://tidbit.legios.com.ar/amazon-athena/)

**Amazon Athena** es un servicio de consultas: lo apuntás a archivos guardados en Amazon S3 (CSV, JSON, Parquet, logs), describís sus columnas una vez, y corrés SQL estándar sobre ellos. No hay servidor que prender ni datos que cargar: Athena lee los archivos cuando ejecutás la consulta, y pagás por la cantidad de datos que escanea (unos 5 dólares por terabyte, aproximadamente).

Existe porque muchísimos datos valiosos viven como archivos y no adentro de una base de datos: logs de aplicaciones, exportaciones de otros sistemas, clickstreams, lecturas de sensores. Cargar todo eso en un Data warehouse es lento y caro; con Athena lo consultás donde está. Es el motor de consultas del patrón data lake: S3 como almacenamiento, el AWS Glue Data Catalog como lista de tablas y columnas, Athena como capa SQL.

Ejemplo: una empresa guarda un año de logs de su servidor web en S3, en una carpeta por día. Una analista corre `SELECT status, COUNT(*) FROM logs WHERE day = '2026-10-01' GROUP BY status` y tiene la respuesta en segundos, escaneando solo la carpeta de ese día. Convertir los logs a Parquet, un formato comprimido orientado a columnas, hace que la misma consulta escanee mucho menos y cueste mucho menos.

Athena está construido sobre Trino (antes Presto) y también puede correr Apache Spark. Brilla para análisis puntuales y reportes programados; para un equipo que pega todo el día a las mismas tablas y espera respuestas en menos de un segundo, un warehouse como Amazon Redshift encaja mejor.

## Una analogía

Una bibliotecaria que responde preguntas leyendo directamente las cajas del archivo, en vez de primero copiar cada documento a un fichero. Más lenta por pregunta que un fichero, pero funciona desde el primer día y pagás solo por lo que se lee.

## Para quedarse

- SQL serverless sobre archivos en S3: sin cluster que correr, sin paso de carga.
- Se cobra por datos escaneados, así que formatos columnares como Parquet y particiones por carpeta bajan mucho el costo.
- Las definiciones de tablas viven en el Glue Data Catalog y se comparten con otras herramientas de AWS.
- Ideal para análisis puntuales y logs; un warehouse conviene para cargas pesadas y constantes.

## Para seguir leyendo

- [¿Qué es Amazon Athena? (documentación oficial)](https://docs.aws.amazon.com/es_es/athena/latest/ug/what-is.html)
- [Página de Amazon Athena](https://aws.amazon.com/es/athena/)

## Términos relacionados

- [Amazon S3](https://tidbit.legios.com.ar/es/amazon-s3/): Un cajón gigante en internet para guardar archivos, alquilado por gigabyte.
- [CSV](https://tidbit.legios.com.ar/es/csv/): Un archivo de texto que guarda una tabla: una fila por línea, comas entre valores.
- [JSON](https://tidbit.legios.com.ar/es/json/): El formato de texto con el que los programas se pasan datos estructurados.
- [Parquet](https://tidbit.legios.com.ar/es/parquet/): Un formato que guarda tablas por columna y comprimidas, para que analizar lea mucho menos.
- [SQL](https://tidbit.legios.com.ar/es/sql/): El lenguaje para hacerle preguntas a una base de datos.
- [Servidor](https://tidbit.legios.com.ar/es/server/): Una computadora cuyo trabajo es responder pedidos de otras computadoras, todo el día.
- [Base de datos](https://tidbit.legios.com.ar/es/database/): Un depósito ordenado de datos que los programas consultan y actualizan sin riesgo.
- [Data warehouse](https://tidbit.legios.com.ar/es/data-warehouse/): Una base hecha para analizar: años de historia, de muchas fuentes, en un solo lugar.