Athena で売上集計を作成する

はじめに

店舗には共有できる月別売上 CSV が必要です。Athena で合計を計算し、S3 の実際の出力を取得し、金額を訂正して新しい集計を作ります。二つの出力から、結果が実行時の入力に対応することを確認します。

先に Query Partitioned Sales Data を完了してください。独立した環境は二つの月別 S3 ファイル、登録済み Glue パーティション、AWS ID、ローカルの訂正版 September を提供します。個人アカウントや以前の VM リソースは不要です。Terminal で公式 AWS CLI を使い、AWS View でファイル、場所、結果を確認します。

認定試験との関連

月別集計を計算する

このステップでは、現在の売上を集計します。Glue がスキーマと各月の場所を記録し、Athena がデータを読んで月別にまとめます。各実行には独自の ID とファイルがあります。

プロジェクトで ID を確認します：

cd /home/labex/project
aws sts \
  get-caller-identity

ARN は labex-an04-operator で終わります。jq -r は JSON 文字列、$(...) は出力を変数へ保存します：

INPUT_BUCKET=$(jq -r .input_bucket resources.json)
echo "$INPUT_BUCKET"
DATABASE=$(jq -r .database resources.json)
echo "$DATABASE"
RESULT_LOCATION=$(jq -r .output_location resources.json)
echo "$RESULT_LOCATION"

登録済み場所を確認します：

aws glue \
  get-partitions \
  --database-name "$DATABASE" \
  --table-name sales \
  --query 'Partitions[*].{Month:Values[0],Location:StorageDescriptor.Location}'

両月が登録済みです。整数のセントで total_cents を合計すると丸めを避けられます。COUNT(*) は注文数、GROUP BY month は月別グループ、ORDER BY month は比較順です。引用符付き heredoc で SQL をそのまま書きます：

cat > monthly-summary.sql <<'EOF'
SELECT month, SUM(total_cents) AS revenue_cents, COUNT(*) AS orders
FROM sales
GROUP BY month
ORDER BY month;
EOF

データベースと S3 出力先で送信します。file:// は SQL ファイルを読み、CLI の --query と --output text が ID を取得します：

SUMMARY_QUERY_ID=$(aws athena \
  start-query-execution \
  --query-string file://monthly-summary.sql \
  --query-execution-context "Database=$DATABASE" \
  --result-configuration "OutputLocation=$RESULT_LOCATION" \
  --query QueryExecutionId \
  --output text)
echo "$SUMMARY_QUERY_ID"

QUEUED、RUNNING は繰り返し、SUCCEEDED で続け、FAILED は Reason を読みます：

aws athena \
  get-query-execution \
  --query-execution-id "$SUMMARY_QUERY_ID" \
  --query 'QueryExecution.{State:Status.State,Reason:Status.StateChangeReason}'

入れ子の [*] は行ごとの列構造を保ちます：

aws athena \
  get-query-results \
  --query-execution-id "$SUMMARY_QUERY_ID" \
  --query 'ResultSet.Rows[*].Data[*].VarCharValue' \
  --output table

September は 3500 セント/3 件、October は 2000/3 件。AWS View の SQL と行を月別場所と比較します。

実際の S3 結果をダウンロードする

このステップでは、この実行の CSV を取得します。結果 API は行を表示し、実行メタデータは S3 場所を示します。バケット名や ID を推測せず正確な場所を読みます。

URI を取得・表示します：

SUMMARY_OUTPUT=$(aws athena \
  get-query-execution \
  --query-execution-id "$SUMMARY_QUERY_ID" \
  --query QueryExecution.ResultConfiguration.OutputLocation \
  --output text)
echo "$SUMMARY_OUTPUT"

末尾は /queries/<your-execution-id>.csv。ID がクエリとファイルを結びます。summary.csv にダウンロードします：

aws s3 \
  cp "$SUMMARY_OUTPUT" summary.csv

内容を確認します：

cat summary.csv

ヘッダーと二件の行です：

month,revenue_cents,orders
2026-09,3500,3
2026-10,2000,3

API と同じ値です。手書きのレポートではなく、S3 から取得したファイルです。ローカル summary.csv と元の S3 出力を比較用に保持します。

入力訂正後に再計算する

このステップでは、September の一件を訂正し同じ SQL を再実行します。以前の結果は入力変更で自動更新されず、新規実行が現在の入力を読む必要があります。

訂正版を確認します：

cat september-revised.csv

S01 は 1000 から 1100 セント、ほかは同じなので合計は 3600。既存オブジェクトを更新し、October と reference/notes.txt は保ちます：

aws s3 \
  cp september-revised.csv "s3://$INPUT_BUCKET/sales/month=2026-09/orders.csv"

読み戻して確認します：

aws s3 \
  cp "s3://$INPUT_BUCKET/sales/month=2026-09/orders.csv" -

末尾 - が内容を表示します。場所とスキーマは同じなので Glue 定義は有効です。同じ SQL を新規実行します：

REVISED_QUERY_ID=$(aws athena \
  start-query-execution \
  --query-string file://monthly-summary.sql \
  --query-execution-context "Database=$DATABASE" \
  --result-configuration "OutputLocation=$RESULT_LOCATION" \
  --query QueryExecutionId \
  --output text)
echo "$REVISED_QUERY_ID"

成功を確認します。待機・実行中は繰り返し、失敗なら理由を確認します：

aws athena \
  get-query-execution \
  --query-execution-id "$REVISED_QUERY_ID" \
  --query 'QueryExecution.{State:Status.State,Reason:Status.StateChangeReason}'

行を取得します：

aws athena \
  get-query-results \
  --query-execution-id "$REVISED_QUERY_ID" \
  --query 'ResultSet.Rows[*].Data[*].VarCharValue' \
  --output table

September は 3600/3 件、October は 2000/3 件のまま。変更が計算に反映されました。

新規実行の出力先を取得します：

REVISED_OUTPUT=$(aws athena \
  get-query-execution \
  --query-execution-id "$REVISED_QUERY_ID" \
  --query QueryExecution.ResultConfiguration.OutputLocation \
  --output text)
echo "$REVISED_OUTPUT"

旧ローカル集計を上書きせず取得します：

aws s3 \
  cp "$REVISED_OUTPUT" summary-revised.csv

新しい CSV を確認します：

cat summary-revised.csv

S3 の元の出力を読みます：

aws s3 \
  cp "$SUMMARY_OUTPUT" -

元の September は 3500 のままです。別々の ID とファイルが旧入力と訂正入力に対応します。AWS View で現在の入力と両結果を確認します。これは正確性の検証で、本番費用や性能測定ではありません。

まとめ

登録済み S3 データを集計し、正確な CSV を取得し、入力訂正後に再計算しました。September は 3500 から 3600、October は 2000 のまま。以前の結果は値を保持するため、入力変更後は再実行が必要です。

詳しくは、AWS 公式ドキュメントを参照してください：クエリ実行ごとの出力ファイルを探す; SELECT のフィルター、グループ化、並べ替え。