Data Lake และ Analytics บน AWS
บริการ AWS Analytics
Amazon Athena
สืบค้นข้อมูลใน S3 โดยใช้ SQL
Amazon EMR
เฟรมเวิร์ก Hadoop ที่ได้รับการโฮสต์
Amazon RedShift
คลังข้อมูลที่รวดเร็ว ง่าย และประหยัดค่าใช้จ่าย
Amazon Kinesis
วิเคราะห์การสตรีมข้อมูลและวิดีโอแบบเรียลไทม์
Amazon Elasticsearch Service
เรียกใช้และปรับขนาดคลัสเตอร์ของ Elasticsearch
Amazon QuickSight
บริการวิเคราะห์ธุรกิจแบบรวดเร็ว
Amazon Kinesis Video Streams
บันทึกข้อมูล ประมวลผล และจัดเก็บการสตรีมวิดีโอไว้สำหรับการวิเคราะห์และการเรียนรู้ของเครื่อง
Amazon Kinesis Data Firehose
เตรียมความพร้อมและโหลดสตรีมข้อมูลแบบเรียลไทม์ไปยังพื้นที่จัดเก็บข้อมูลและเครื่องมือวิเคราะห์
Amazon Kinesis Data Streams
รวบรวมข้อมูลการสตรีมตามขนาดสำหรับการวิเคราะห์แบบเรียลไทม์
Amazon Kinesis Data Analytics
ความรู้เชิงลึกที่นำมาปฏิบัติได้จากข้อมูลการสตรีมแบบเรียลไทม์
Amazon S3
พื้นที่จัดเก็บออบเจ็กต์ที่สร้างขึ้นเพื่อจัดเก็บและเรียกค้นข้อมูลที่ต้องการได้จากทุกที่
AWS Lake Formation
สร้าง Data Lake ที่ปลอดภัยในไม่กี่วัน
AWS Lake Formation
สร้าง Data Lake ที่ปลอดภัยในไม่กี่วัน
AWS Glue
จัดเตรียมและโหลดข้อมูล
AWS Lake Formation
สร้าง Data Lake ที่ปลอดภัยในไม่กี่วัน
AWS Deep Learning AMI
การเรียนรู้เชิงลึกบน Amazon EC2
Amazon SageMaker
สร้าง ฝึกฝน และปรับใช้รูปแบบการเรียนรู้ของเครื่องตามขนาด
บริการ AWS Analytics
| หมวดหมู่ | กรณีใช้งาน | บริการของ AWS |
|---|---|---|
| Analytics | การวิเคราะห์เชิงโต้ตอบ | Amazon Athena |
| การประมวลผล Big Data | Amazon EMR | |
| คลังข้อมูล | Amazon RedShift | |
| การวิเคราะห์แบบเรียลไทม์ | Amazon Kinesis | |
| การวิเคราะห์การดำเนินการ | Amazon Elasticsearch Service | |
| แดชบอร์ดและการแสดงข้อมูลด้วยภาพ | Amazon QuickSight | |
| การย้ายข้อมูล | การย้ายข้อมูลแบบเรียลไทม์ | Amazon Kinesis Data Firehose | Amazon Kinesis Video Streams | Amazon Kinesis Data Streams | Amazon Kinesis Data Analytics |
| Data Lake | พื้นที่จัดเก็บอ็อบเจ็กต์ | Amazon S3 | AWS Lake Formation |
| การสำรองข้อมูลและการเก็บถาวร | AWS Lake Formation | |
| แคตตาล็อกข้อมูล |
AWS Glue | AWS Lake Formation |
|
| การวิเคราะห์เชิงคาดการณ์และการเรียนรู้ของเครื่อง | เฟรมเวิร์กและอินเทอร์เฟซ | AWS Deep Learning AMI |
| บริการแพลตฟอร์ม | Amazon SageMaker |
กรณีใช้งาน
เรียกใช้ SQL และการสืบค้นเชิงวิเคราะห์ที่ซับซ้อนเกี่ยวกับข้อมูลที่มีโครงสร้างและไม่มีโครงสร้างโดยไม่ต้องมีการย้ายข้อมูลที่ไม่จำเป็น
ประมวลผลข้อมูลจำนวนมหาศาลได้อย่างรวดเร็วและง่ายดายสำหรับการทำงานด้านวิศวกรรมข้อมูล การพัฒนาวิทยาการข้อมูล และการทำงานร่วมกัน
รวบรวม ประมวลผล และวิเคราะห์ข้อมูลการสตรีมทันทีที่ข้อมูลมาถึง Data Lake ของคุณและตอบสนองแบบเรียลไทม์
ค้นหา สำรวจ กรอง รวบรวม และแสดงภาพข้อมูลของคุณได้เกือบเรียลไทม์สำหรับการดูแลแอปพลิเคชัน การวิเคราะห์บันทึก และการวิเคราะห์คลิกสตรีม
ลูกค้า
"เราสร้าง Data Lake ขนาด 120 TB ไว้ใน Amazon S3 โดยมีรูปแบบที่แตกต่างกันกว่า 1,500 รูปแบบและใช้บริการ AWS Analytics เช่น Glue, Redshift และ Athena อย่างครอบคลุม เราไม่สามารถรับข้อมูลเชิงลึกเหล่านี้ได้จากฐานข้อมูลและคลังข้อมูลที่แยกต่างหากจำนวนมาก เราจึงต้องใช้ Data Lake ระดับ S3"
- Bernardo Rodriguez
ประธานเจ้าหน้าที่ฝ่ายดิจิทัลของ J.D. Power
ทรัพยากรเพิ่มเติม
AWS Data Lab คือการมีส่วนร่วมอย่างเข้มข้นเป็นระยะเวลา 4 วันระหว่างทีมผู้สร้างของลูกค้ากับทรัพยากรด้านเทคนิคของ AWS เพื่อสร้างผลลัพธ์ที่จับต้องได้ซึ่งเร่งให้เกิดการริเริ่มในการปรับข้อมูลและการวิเคราะห์ให้ทันสมัย
ไม่อยากพลาดเนื้อหาด้านการศึกษา กิจกรรมที่กำลังจะเกิดขึ้น และนวัตกรรมอื่นๆ จาก AWS Analytics ใช่หรือไม่
