如何获取Athena各表最后访问时间以清理闲置表？

你遇到的Glue客户端返回LastAccessTime无效的情况很常见——这个字段只有在通过Glue Data Catalog的特定操作（比如部分ETL任务）访问表时才会更新，Athena的查询根本不会触发它的更新。下面分享几个可靠的替代方法：

• 通过CloudTrail日志追踪查询事件
  Athena的所有查询操作都会被CloudTrail记录为StartQueryExecution事件。你可以这么做：

  1. 用AWS CLI或boto3调用CloudTrail的lookup_events API，筛选事件源为athena.amazonaws.com、事件名称为StartQueryExecution的记录。
  2. 解析每个事件里的requestParameters.queryString字段，提取出查询涉及的表名（要注意处理跨库引用、表别名这类情况）。
  3. 对每张表保留最新的事件时间，这就是它的最后访问时间。
     提醒：CloudTrail默认日志保留90天，如果你要查120天的记录，得确保之前已经配置了更长的保留期，或者把日志归档到S3后再检索。

• 分析Athena查询历史

  • 短期范围（最近7天）：直接查询Athena的information_schema.query_history视图，从中提取SQL语句和执行时间，解析表名后统计最新的访问时间。
  • 长期范围（超过7天）：先配置Athena将查询日志导出到指定S3存储桶，然后在Athena中创建外部表指向这些日志文件，编写SQL解析日志里的查询语句和时间，从而获取每张表的历史访问记录。
    另外也可以用boto3的list_query_executions和get-query-execution API批量拉取查询详情，再解析SQL中的表信息。

• S3对象访问时间作为辅助参考
  如果你的Athena表数据存在S3，可以查看对应S3前缀下对象的LastAccessed时间（需要开启S3访问日志或使用S3 Storage Lens）。但这个方法有明显局限性：Athena的只读查询不会修改S3对象的LastModified时间，而且其他非Athena操作也可能更新这个时间，所以只能用来补充验证，不能单独作为判断依据。

最后要注意处理一些边缘情况，比如查询中用到视图、临时表，或者跨数据库引用表的场景，避免误判。

内容的提问来源于stack exchange，提问作者Sivakumar