Consultar en Athena

Data Pump cataloga el resultado en el Glue Data Catalog. Cualquier herramienta que lea el catálogo — Athena, Redshift Spectrum, EMR, Spark — ve las tablas.

Cómo aparecen las tablas

El nombre viene de la base y de la tabla, con los alias que configuraste:

En la base	En el datalake	En Athena
pagila / public.payment	pagila.payment	pagila_payment
con alias vendas / pagamentos	vendas.pagamentos	vendas_pagamentos

El schema public se elimina; los demás schemas se preservan.

Consultar

SELECT customer_id, sum(CAST(amount AS DECIMAL(10,2))) AS total
  FROM datalake.vendas_pagamentos
 WHERE ano = 2024 AND mes = 3
 GROUP BY customer_id
 ORDER BY total DESC
 LIMIT 20;

El WHERE sobre las columnas de partición es lo que hace la diferencia en el costo: sin él, Athena lee la tabla entera.

Verifica cuánto se leyó

Athena muestra el volumen escaneado en cada consulta. Si filtrar por partición no reduce ese número, la partición no se está usando — verifica que el nombre de la columna en el WHERE sea el mismo que aparece en Datalake.

Tipos

El export de RDS entrega varias columnas como texto, incluidas fechas y números decimales. Eso es del formato, no de Data Pump.

-- data
CAST(payment_date AS TIMESTAMP)

-- decimal
CAST(amount AS DECIMAL(10,2))

Si un CAST se usa cada vez, vale crear una columna extra en la configuración de la partición: se calcula una vez, en la ingesta, y llega lista a Athena.

Ver qué existe

La pantalla Datalake de la consola lista las tablas catalogadas con columnas, tipos, conteo de filas y el origen de cada una. Es más rápido que consultar el catálogo desde Athena cuando solo quieres saber qué hay.