Überspringen zum Hauptinhalt

Amazon Managed Workflows für Apache Airflow

Warum Amazon MWAA?

Amazon MWAA ist ein verwalteter Service für Apache Airflow, mit dem Sie Ihre aktuelle, vertraute Apache-Airflow-Plattform für die Orchestrierung Ihrer Arbeitsabläufe nutzen können. Sie profitieren von einer verbesserten Skalierbarkeit, Verfügbarkeit und Sicherheit, ohne dass Sie sich um die Verwaltung der zugrunde liegenden Infrastruktur kümmern müssen.

Amazon MWAA ist in der nächsten Generation von Amazon SageMaker verfügbar

Mit Amazon MWAA in der nächsten Generation von Amazon SageMaker können Sie Apache Airflow nahtlos und ohne betrieblichen Aufwand bereitstellen und skalieren. Mit automatisierter Skalierung und integrierter Fehlertoleranz stellt MWAA in Amazon SageMaker sicher, dass Ihre Workflows zuverlässig ausgeführt werden, sodass Sie sich auf Innovationen konzentrieren können, nicht auf die Infrastruktur. Weitere Informationen.

Missing alt text value

Vorteile

Setzen Sie Apache Airflow in großem Umfang ein, ohne die zugrunde liegende Infrastruktur verwalten zu müssen.

Führen Sie Apache-Airflow-Workloads in Ihrer eigenen isolierten und sicheren Cloud-Umgebung aus.

Überwachen Sie Umgebungen durch die Integration von Amazon CloudWatch, um Betriebskosten und technischen Aufwand zu reduzieren.

Verbinden Sie sich mit AWS-, Cloud- oder On-Premises-Ressourcen über Apache-Airflow-Anbieter oder benutzerdefinierte Plugins.

Amazon MWAA unterstützt Workflows für die nächste Generation von Amazon SageMaker mit Zugriff auf eine persönliche Open-Source-Airflow-Bereitstellung, die zusammen mit Jupyter Notebooks in Amazon SageMaker Unified Studio läuft. Sie können ganz einfach Airflow Directed Acyclic Graphs (DAGs) entwickeln, mit denen Sie ihre Projektartefakte wie Notebooks, Abfragen und Trainingsjobs orchestrieren können.

Anwendungsfälle

Erstellen Sie geplante oder On-Demand-Workflows, die komplizierte Daten von Big-Data-Anbietern vorbereiten und verarbeiten.

Orchestrieren Sie mehrere ETL-Prozesse, die verschiedene Technologien innerhalb eines komplexen ETL-Workflows verwenden.

Automatisieren Sie Ihre Pipeline, um Machine-Learning-Modellierungssysteme (ML) beim Erfassen und Trainieren von Daten zu unterstützen.