在我正在开发的应用程序中，我们有多个数据库服务器 (AWS RDS PostGres)，这些服务器现在正在从共享数据库架构（所有租户都在一个数据库中）迁移到每个租户一个数据库模型。
之前，我们曾经运行一个简单的AWS DMS作业来复制数据库，剥离数据库中的PII并将Metabase（BI工具）指向复制的数据库进行推理。到目前为止，在新架构中，我得出的结论是，我可以使用 Spark 或 AWS Glue Crawlers 在表上运行发现，对 S3 运行 ETL 作业以将每个租户的数据库保存为 Parquet 文件，但是，因为我并不是真正的数据工程师，这之后的图很模糊。
我猜我可以在 Glue 的 ETL 步骤中删除 PII 数据，但我想保持原样，这样我就可以为客户提供一种通过将 Apache Superset 实例直接指向他们的帐户来查看其帐户分析的方法由 Clickhouse 等数据库加载的 Parquet 文件。
我不确定 PrestoDB 如何作为查询引擎工作，但我想探索如何在 EMR 上按需运行它来查询所有这些文件以进行内部分析（同时还使用像 Ranger 这样的授权模型来防止泄露客户数据），还允许客户在他们的分析工具或我们提供的 Superset 实例中查询自己的数据。
我很想听听一些关于这方面的想法，因为我不是数据工程师，这就是我在两周内所能收集到的全部内容。
您需要退后一步，弄清楚您要解决的问题是什么。您太了解如何解决未定义问题的机制。
我对您的回答是，您可能需要将这些单独的数据库放入数据仓库中，然后您可以将数据从多租户每数据库架构规范化回 1x 数据源，即。然后您可以在数据仓库、ai 上执行“分析”操作。
即
SELECT tenant_name, SUM(X) FROM Y GROUP BY tenant_name;
这样您就可以看到整个事情是如何发生的以及按租户划分的情况。