Annonce d'un contrôle d'accès précis via AWS Lake Formation avec EMR sans serveur
Nous sommes ravis d'annoncer la disponibilité générale d'un contrôle d'accès précis aux données (FGAC) via AWS Lake Formation pour Apache Spark avec Amazon EMR sans serveur. Cela vous permet d'appliquer les stratégies FGAC complètes (base de données, tables, colonnes, lignes et cellules) définies dans Lake Formation afin qu'elles soient appliquées aux tables de vos lacs de données à partir de vos tâches Spark EMR sans serveur et de vos sessions interactives.
Lake Formation simplifie la création, la sécurisation et la gestion des lacs de données. Il vous permet de définir des contrôles d'accès précis par le biais d'instructions d'autorisation et de révocation, similaires à celles utilisées avec les systèmes de gestion de base de données relationnelle (SGBDR), et d'appliquer automatiquement ces politiques via des moteurs compatibles tels qu'Athena, Spark sur EMR sur EC2 et Redshift Spectrum. Avec le lancement d'aujourd'hui, les règles de Lake Formation que vous avez configurées pour être utilisées avec d'autres services tels qu'Athena s'appliquent désormais à vos tâches et sessions interactives Spark sur EMR sans serveur, simplifiant ainsi davantage la sécurité et la gouvernance de vos lacs de données.
Un contrôle d'accès précis pour les tâches par lots et les sessions interactives d'Apache Spark via EMR Studio sur EMR sans serveur est disponible avec la version EMR 7.2 dans toutes les régions où EMR sans serveur est disponible, à l'exception des régions GovCloud et Chine. Pour commencer, consultez la section Utilisation d'AWS Lake Formation avec Amazon EMR sans serveur.