如何获取AWS Athena中所有表（含全部表架构）的记录数

Athena的information_schema.tables里的table_rows字段无法提供准确的实时行数——因为Athena是基于S3的无服务器查询服务，不会主动维护表的行数统计，这个字段通常会返回0或过时的估算值。下面是几种可行的解决办法：

方法一：批量生成COUNT查询一次性获取精确值 #

先查询所有表的元数据，自动生成对应的行数统计语句，再执行这些语句得到结果：

SELECT CONCAT(
    'SELECT ''', table_schema, ''' AS table_schema, ''', table_name, ''' AS table_name, COUNT(*) AS row_count FROM "', table_schema, '"."', table_name, '" UNION ALL'
) AS count_query
FROM information_schema.tables
WHERE table_catalog = 'awsdatacatalog'
  AND table_type = 'BASE TABLE'; -- 仅统计实体表，排除视图

将生成的所有语句末尾的UNION ALL删除后执行，就能得到所有表的精确行数，以及对应的架构和表名。

方法二：利用分区元数据估算行数（仅适用于分区表） #

如果你的表是分区组织的，可以通过查询分区元数据快速估算行数（注意：仅当分区统计信息已更新时才准确）：

SELECT 
    table_schema,
    table_name,
    SUM(total_rows) AS estimated_row_count
FROM information_schema.partitions
WHERE table_catalog = 'awsdatacatalog'
GROUP BY table_schema, table_name;

需要确保分区统计已更新——可以通过MSCK REPAIR TABLE命令或AWS Glue爬虫来同步元数据。

方法三：通过Glue爬虫定期更新统计信息 #

配置AWS Glue爬虫定期爬取Athena对应的S3数据源，爬虫会自动更新表的统计信息（包括行数）。之后你可以直接从Glue元数据中获取，或者再次查询information_schema.tables时，table_rows会返回相对新的估算值，但依然不是实时数据。

注意事项 #

• 执行COUNT(*)会扫描全表数据，大表会产生查询费用和耗时，建议在低峰期执行；对于超大表，可以用抽样估算（比如SELECT COUNT(*) FROM table_name TABLESAMPLE BERNOULLI(10)，结果乘以10得到近似值）。
• Athena没有内置的实时全表行数统计能力，需根据业务场景选择合适的方案。

内容的提问来源于stack exchange，提问作者BigD