Découvrir

Faire de la recherche et de la découverte dans tous vos jeux de données AWS

AWS Glue Data Catalog est votre magasin de métadonnées persistant pour toutes vos données, où qu'elles se trouvent. Le catalogue de données contient des définitions de table, des définitions de tâches, des schémas et d'autres informations de contrôle pour vous aider à gérer votre environnement AWS Glue. Il calcule automatiquement les statistiques et enregistre des partitions pour rendre les requêtes dans vos données efficaces et peu coûteuses. Il conserve également un historique complet des versions des schémas pour que vous compreniez comment vos données ont été modifiés dans le temps.

Découverte automatique des schémas

Les robots d'analyse AWS Glue se connectent à votre magasin de données sources ou cibles, progressent dans une liste hiérarchique de classificateurs pour déterminer le schéma pour vos données, puis créent les métadonnées dans votre catalogue de données AWS Glue. Les métadonnées sont stockées dans des tables dans votre catalogue de données et sont utilisés dans le processus de création de vos tâches ETL. Vous pouvez exécuter les robots d'analyse selon un calendrier ou à la demande, ou les déclencher en fonction d'un événement pour vous assurer que vos métadonnées sont à jour.

Gérer et appliquer des schémas pour les flux de données

AWS Glue Schema Registry est une fonctionnalité sans serveur AWS Glue qui vous permet de valider et de contrôler l'évolution des streamings de données à l'aide de schémas Apache Avro enregistrés, et ce sans frais supplémentaires. Grâce à des sérialiseurs et des désérialiseurs sous licence Apache, Schema Registry s'intègre avec les applications Java développées pour Apache Kafka/Amazon Managed Streaming for Apache Kafka (MSK), Amazon Kinesis Data Streams, Apache Flink/Amazon Kinesis Data Analytics for Apache Flink et AWS Lambda. Lorsque les applications de données en streaming sont intégrées à Schema Registry, vous pouvez améliorer la qualité des données et vous protéger des modifications inattendues en utilisant les tests de compatibilité qui régissent l'évolution des schémas. De plus, vous pouvez créer ou mettre à jour les tables et les partitions AWS Glue à l'aide des schémas stockés dans le registre.

Mise à l’échelle automatique en fonction de la charge de travail

La fonction Autoscaling dans AWS Glue, une fonctionnalité sans serveur d’AWS Glue, fait évoluer dynamiquement les ressources vers le haut et vers le bas en fonction de la charge de travail. Avec Autoscaling, votre travail est affecté à des employés seulement lorsque c’est nécessaire. A mesure que la tâche progresse et qu’il passe par des transformations avancées, AWS Glue ajoute ou supprime des ressources en fonction de sa capacité à répartir la charge de travail. Vous n'avez plus besoin de vous soucier du sur-approvisionnement des ressources, de passer du temps à optimiser le nombre d'employés ou de payer pour des ressources inactives.

Préparation

Dédoubler et nettoyer les données avec l’apprentissage automatique intégré

AWS Glue aide à nettoyer et préparer vos données pour analyse sans que vous n'ayez besoin de devenir un expert en machine learning. Sa fonctionnalité FindMatches déduplique et trouve les enregistrements qui ne correspondent pas entre eux. Par exemple, utilisez l'outil FindMatches pour trouver des archives dupliquées dans votre base de données de restaurants, avec une archive indiquant « Joe's Pizza » au « 121 Main St. » et une autre indiquant « Joseph's Pizzeria » au « 121 Main ». FindMatches vous demandera uniquement de marquer des paires d'archives comme « correspondante » ou « non correspondante ». Le système apprendra alors vos critères pour qualifier une paire d'archives de « correspondante » et créera une tâche ETL que vous pourrez utiliser pour trouver des archives dupliquées dans une base de données ou des archives correspondantes sur deux bases de données.

Modifier, déboguer et tester du code ETL avec des points de terminaison développeur

Si vous choisissez de développer interactivement votre code d'extraction, de transport et de chargement (ETL), AWS Glue vous fournit les points de terminaison de développement à modifier, déboguer et tester le code généré pour vous. Vous pouvez utiliser votre environnement de développement intégré ou notebook préféré. Vous pouvez développer des lecteurs, enregistreurs ou transformations personnalisés et les importer dans vos tâches AWS Glue ETL sous la forme de bibliothèques personnalisées. Vous pouvez également utiliser et partager du code avec d'autres développeurs dans notre référentiel GitHub.

Normaliser les données sans code à l'aide d'une interface visuelle

AWS Glue DataBrew fournit une interface visuelle interactive de type « pointer-cliquer » aux utilisateurs tels que les analystes de données et les scientifiques des données pour nettoyer et normaliser les données sans écrire de code. Vous pouvez facilement visualiser, nettoyer et normaliser des données directement à partir de votre lac de données, de vos entrepôts de données et de vos bases de données, y compris Amazon S3, Amazon Redshift, Amazon Aurora et Amazon RDS. Vous pouvez choisir parmi plus de 250 transformations intégrées pour combiner, faire pivoter et transposer les données, et automatiser les tâches de préparation des données en appliquant les transformations enregistrées directement aux nouvelles données entrantes.

Définir, détecter et corriger les données sensibles

AWS Glue Sensitive Data Detection vous permet de définir, identifier et traiter des données sensibles dans votre pipeline de données et dans votre lac de données. Une fois identifiées les données sensibles, vous pouvez les corriger en supprimant, en remplaçant ou en signalant les données d’identification personnelle (PII) et d’autres types de données jugées sensibles. AWS Glue Sensitive Data Detection simplifie l’identification et la dissimulation des données sensibles, notamment les données d’identification personnelle telles que le nom, le SSN, l’adresse, l’e-mail et le permis de conduire.

Intégrer

Simplifier le développement des tâches d’intégration des données

AWS Glue Interactive Sessions, une fonctionnalité sans serveur de développement de tâches, permet de simplifier le développement des tâches d’intégration des données. AWS Glue Interactive Sessions permet aux ingénieurs de données d'explorer et préparer les données de manière interactive. Les ingénieurs peuvent explorer, expérimenter et traiter les données de manière interactive avec l’IDE ou le bloc-notes de leur choix.

Job Notebooks intégré

AWS Glue Studio Job Notebooks fournit des blocs-notes sans serveur avec configuration minimale dans AWS Glue Studio, afin d’aider les développeurs à démarrer rapidement. Glue Studio Job Notebooks fournit une interface intégrée pour les séances interactives d’AWS Glue et permet aux utilisateurs d'enregistrer et planifier leur code de bloc-notes en tant que tâches AWS Glue.

Concevoir des canaux ETL complexes avec une planification des tâches simples

Les tâches AWS Glue peuvent être invoquées de manière planifiée, à la demande, ou en fonction d'un événement. Vous pouvez démarrer plusieurs tâches parallèlement ou spécifier des dépendances sur plusieurs tâches pour créer des pipelines ETL complexes. AWS Glue traitera toutes les dépendances inter-tâches, filtrera les données incorrectes et relancera les tâches si elles échouent. Tous les journaux et les notifications sont envoyés vers Amazon CloudWatch pour que vous puissiez surveiller et recevoir des alertes depuis un service central.

Transformation

Transformer visuellement les données avec une interface glisser-déposer

AWS Glue Studio vous permet de créer des tâches ETL hautement scalables dédiées au traitement distribué sans que vous n'ayez besoin de devenir un expert Apache Spark. Définissez votre processus ETL dans l'éditeur de tâches glisser-déposer et AWS Glue génère automatiquement le code pour extraire, transformer et charger vos données. Le code est généré en langage Scala ou Python et écrit pour l'environnement Apache Spark.

Nettoyer et transformer les données en streaming en vol

Les tâches ETL de streaming sans serveur dans AWS Glue consomment en continu des données provenant des sources de données de streaming, dont Amazon Kinesis et Amazon MSK, nettoient et transforment ces données en transit et les rendent disponibles à l'analyse en quelques secondes dans votre banque de données cible. Utilisez cette fonctionnalité pour traiter les données d'événements comme les flux d'événements IoT, les parcours de navigation et les journaux de réseau. Les tâches ETL de streaming AWS Glue peuvent enrichir et regrouper des données, associer un lot et des sources de streaming, et exécuter diverses opérations analytiques et d'apprentissages automatiques complexes.

Simplifiez le suivi, le test et le déploiement de code ETL avec les meilleures pratiques DevOps

AWS Glue DevOps facilite le travail de gestion des mises à jour des clients, pour leur tâches Glue, de façon fiable et à travers toute l'entreprise. Il simplifie le suivi, le test et le déploiement du code ETL avec un outil prêt à l'emploi. Il est simple d'investir une tâche Glue à un répertoire Git, GitHub, CodeCommit ou BitBucket , avec une configuration minimale. Une fois que les tâches sont investies, les pipelines de déploiement peuvent dès lors démarrer des tests ou favoriser des tâches, sans effort d'intégration de pipeline ou de gestion des versions. AWS Glue DevOps vous permet également de télécharger et d'importer entièrement la définition des tâches pour des tâches visuelles ou de bloc-notes dans Glue Studio. DevOps prend aussi en charge le déplacement automatique ou manuel des tâches Glue Studio entre les comptes AWS.

Réduction des coûts pour les charges de travail non urgentes

AWS Glue Flex est une catégorie de tâches d'exécution flexible qui vous permet de réduire jusqu'à 35 % le coût d'intégration des données de vos charges de travail non urgentes (ex : tâches de pré-production, test, chargement de données, etc.). Glue a maintenant deux catégories de tâches d'exécution : standard et flexible. La catégorie d'exécution standard est idéale pour les charges de travail urgentes qui nécessitent un lancement rapide des tâches ainsi que des ressources dédiées. Glue Flex est approprié pour les tâches sans exigences de durée de complétion dont la durée de lancement et d'achèvement peut varier.

Tarification d'AWS Glue
Consulter la page de tarification

Explorez les options de tarification pour AWS Glue.

En savoir plus 
Créer un compte AWS
Créer gratuitement un compte

Obtenez un accès instantané à l'offre gratuite d'AWS. 

S'inscrire 
Commencez à créer dans la console
Commencer à créer dans la console

Commencez à créer avec AWS Glue dans AWS Management Console.

Se connecter