您是否需要使用胶水摄取 excel 和其他专有格式，或者允许胶水在您的 s3 存储桶中爬行以在您的数据湖中使用这些数据格式？
我已经浏览了“ AWS 云上的数据湖基础”文档，但对于将数据导入湖中，我还是一头雾水。我有一个数据提供者，他们的系统上存储了大量数据作为 excel 和访问文件。
根据流程，他们会将数据上传到提交 s3 存储桶中，这将引发一系列操作，但是没有将数据的 etl 转换为可以与其他工具一起使用的格式。
使用这些文件是否需要对存储桶中提交的数据使用粘合，或者是否有其他方法可以使这些数据可用于其他工具，例如 Athena 和红移光谱？
感谢您对这个主题的任何启发。
-圭多
我没有看到可以将 excel 数据直接带到数据湖。在加载到 Data Lake 之前，您可能需要转换为 CSV/TSV/Json 或其他格式。
Redshift Spectrum 支持的格式：
http://docs.aws.amazon.com/redshift/latest/dg/c-spectrum-data-files.html - 我现在还没有看到 Excel。
雅典娜支持的文件格式：
http://docs.aws.amazon.com/athena/latest/ug/supported-formats.html - 我看不到这里也不支持 Excel。
您需要将文件上传到 S3 以使用 Athena 或 Redshift Spectrum 甚至 Redshift 存储本身。
将文件上传到 S3：
如果您有更大的文件，则需要使用 S3 分段上传来更快地上传。如果您想要更快的速度，您需要使用 S3 加速器来上传您的文件。
使用 Athena 查询大数据：
您可以使用 Athena 从 S3 位置创建外部表。创建外部表后，使用 Athena Sql 引用来查询您的数据。
http://docs.aws.amazon.com/athena/latest/ug/language-reference.html
使用 Redshift Spectrum 查询大数据：
与 Athena 类似，您可以使用 Redshift 创建外部表。开始查询这些表并在 Redshift 上获取结果。
Redshift 有很多商业工具，我用的是 SQL Workbench。它是免费的开源且坚如磐石，由 AWS 提供支持。
SQL 工作台：http ://www.sql-workbench.net/
将您的 WorkBench 连接到 Redshift：http ://docs.aws.amazon.com/redshift/latest/mgmt/connecting-using-workbench.html
将数据复制到 Redshift：
此外，如果您想将数据存储到 Redshift，您可以使用复制命令从 S3 中提取数据并将其加载到 Redshift。
复制命令示例：
http://docs.aws.amazon.com/redshift/latest/dg/r_COPY_command_examples.html
Redshift 集群大小和节点数：
在创建 Redshift 集群之前，请检查所需的大小和所需的节点数。更多数量的节点使查询并行运行。另一个重要因素是您的数据分布情况。（分布键和排序键）
我对 Redshift 有很好的体验，可能需要一些时间才能加快速度。
希望能帮助到你。