AWS Glue データカタログを使用して、データを移動せずに複数の AWS データセットにわたってデータをすばやく検出および検索できます。データがカタログ化されると、Amazon Athena、Amazon EMR、Amazon Redshift Spectrum を使用してすぐに検索およびクエリできるようになります。

データレイクは、構造化データおよび半構造化データの保存と分析のための一般的な方法となっています。Amazon S3 データレイクを使用する場合、AWS Glue では、お客様のデータすべてがデータを移動せずに分析用にすぐに利用できるようになります。Glue のクローラーにより、データレイクをスキャンして、Glue データカタログと基盤データの同期を維持できます。その後、Amazon Athena と Amazon Redshift Spectrum を使用してデータレイクを直接クエリできます。また、Glue データカタログを Amazon EMR で実行しているビッグデータアプリケーションに対する外部の Apache Hive メタストアとして使用することもできます。

AWS Glue では、新しいデータセットの入手といったイベントに基づいて ETL ジョブを実行できます。例えば、AWS Lambda 関数を使用して、Amazon S3 で新しいデータが利用可能になるとすぐに実行される ETL ジョブをトリガーできます。また、AWS Glue データカタログ内の新しいデータセットを ETL ジョブの一部として登録することもできます。