Data Lake และ Analytics บน AWS

วิธีที่รวดเร็วที่สุดในการทำให้ผู้ใช้ทั้งหมดของคุณได้รับคำตอบจากข้อมูลทั้งหมดของคุณ
วิธีที่ง่ายที่สุดในการสร้าง Data Lake และ Analytics
การตั้งค่าและการจัดการ Data Lake จะเกี่ยวข้องกับงานแบบแมนนวลและใช้เวลานาน เช่น การโหลด การเปลี่ยนแปลง การรักษาความปลอดภัย และการตรวจสอบการเข้าถึงข้อมูล AWS Lake Formation จะทำให้ขั้นตอนแบบแมนนวลหลายขั้นตอนนั้นดำเนินการโดยอัตโนมัติและลดเวลาที่ต้องใช้ในการสร้าง Data Lake ที่ประสบความสำเร็จจากเดือนเหลือเพียงไม่กี่วัน
ปรับขนาดได้และคุ้มค่า
เมื่อปริมาณข้อมูลเพิ่มขึ้นอย่างต่อเนื่องแบบก้าวกระโดด ค่าใช้จ่ายในการการจัดเก็บและวิเคราะห์ข้อมูลเหล่านั้นก็เพิ่มขึ้นเช่นกัน AWS มีเครื่องมือที่หลากหลายครอบคลุมเพื่อช่วยควบคุมค่าใช้จ่ายในการจัดเก็บและวิเคราะห์ข้อมูลทั้งหมดของคุณได้เป็นจำนวนมาก รวมทั้งยังมีคุณสมบัติต่างๆ เช่น Intelligent Tiering สำหรับการจัดเก็บข้อมูลใน S3 และคุณสมบัติที่ช่วยลดค่าใช้จ่ายในการใช้งานด้านการประมวลผล เช่น การปรับขยายอัตโนมัติ แผนการประหยัดค่าใช้จ่าย และการปรับใช้สปอตอินสแตนซ์ของ EC2
ครอบคลุมและเปิดกว้าง
เราให้บริการเครื่องมือวิเคราะห์ที่สร้างขึ้นตามวัตถุประสงค์ที่ครอบคลุมมากที่สุดเพื่อให้คุณสามารถรับข้อมูลเชิงลึกจากข้อมูลของคุณได้อย่างรวดเร็วโดยใช้เครื่องมือที่เหมาะสมที่สุดสำหรับงาน บริการวิเคราะห์ทั้งหมดของเรารองรับการเปิดไฟล์รูปแบบต่างๆ ได้ เช่น Apache Parquet คุณจึงไม่จำเป็นต้องย้ายและแปลงข้อมูลของคุณเพื่อวิเคราะห์ แต่สามารถเก็บไว้ได้ทันทีในรูปแบบมาตรฐานและนำมาวิเคราะห์โดยใช้เครื่องมือหรือเทคนิคใดก็ได้ที่เหมาะสมที่สุด
โครงสร้างพื้นฐานที่ปลอดภัยสำหรับ Analytics
การรักษาความปลอดภัยของข้อมูลจำนวนมหาศาลเป็นหนึ่งในความท้าทายที่ใหญ่ที่สุดที่องค์กรส่วนใหญ่กำลังเผชิญอยู่ นอกเหนือจากการรับรองและแนวปฏิบัติที่ดีที่สุดที่คุณจะได้รับจาก AWS แล้ว เรายังมีคุณสมบัติการรักษาความปลอดภัยที่ออกแบบมาเพื่อช่วยให้คุณปฏิบัติตามแนวทางปฏิบัติที่ดีที่สุดและข้อบังคับด้านอุตสาหกรรมอยู่เสมอ ตัวอย่างเช่น AWS Lake Formation ให้บริการการควบคุมการเข้าถึงเนื้อหาที่หลากหลายและมีคุณภาพดีที่สุด Amazon Macie จะช่วยค้นหาข้อมูลที่สำคัญที่จัดเก็บผิดที่โดยไม่ตั้งใจ และ Amazon Inspector จะช่วยให้ค้นพบข้อผิดพลาดในการกำหนดค่าที่อาจนำไปสู่การรั่วไหลของข้อมูลได้

บริการ AWS Analytics

หมวดหมู่
กรณีใช้งาน
บริการของ AWS
Analytics
การวิเคราะห์เชิงโต้ตอบ

Amazon Athena

สืบค้นข้อมูลใน S3 โดยใช้ SQL

การประมวลผล Big Data

Amazon EMR

เฟรมเวิร์ก Hadoop ที่ได้รับการโฮสต์

คลังข้อมูล

Amazon RedShift

คลังข้อมูลที่รวดเร็ว ง่าย และประหยัดค่าใช้จ่าย

การวิเคราะห์แบบเรียลไทม์

Amazon Kinesis

วิเคราะห์การสตรีมข้อมูลและวิดีโอแบบเรียลไทม์

การวิเคราะห์การดำเนินการ

Amazon Elasticsearch Service

เรียกใช้และปรับขนาดคลัสเตอร์ของ Elasticsearch

แดชบอร์ดและการแสดงข้อมูลด้วยภาพ

Amazon QuickSight

บริการวิเคราะห์ธุรกิจแบบรวดเร็ว

การย้ายข้อมูล
การย้ายข้อมูลแบบเรียลไทม์

Amazon Managed Streaming สำหรับ Apache Kafka (MSK)

บริการ Apache Kafka มีการจัดการเต็มรูปแบบ มีความพร้อมใช้งานสูง และมีความปลอดภัย

Amazon Kinesis Video Streams

บันทึกข้อมูล ประมวลผล และจัดเก็บการสตรีมวิดีโอไว้สำหรับการวิเคราะห์และการเรียนรู้ของเครื่อง

Amazon Kinesis Data Firehose

เตรียมความพร้อมและโหลดสตรีมข้อมูลแบบเรียลไทม์ไปยังพื้นที่จัดเก็บข้อมูลและเครื่องมือวิเคราะห์

Amazon Kinesis Data Streams

รวบรวมข้อมูลการสตรีมตามขนาดสำหรับการวิเคราะห์แบบเรียลไทม์

Amazon Kinesis Data Analytics

รับทราบข้อมูลเชิงลึกที่นำมาปฏิบัติได้จริงจากข้อมูลที่สตรีมอยู่แบบเรียลไทม์

Data Lake
พื้นที่จัดเก็บอ็อบเจ็กต์

Amazon S3

พื้นที่จัดเก็บออบเจ็กต์ที่สร้างขึ้นเพื่อจัดเก็บและเรียกค้นข้อมูลที่ต้องการได้จากทุกที่

AWS Lake Formation

สร้าง Data Lake ที่ปลอดภัยในไม่กี่วัน

การสำรองข้อมูลและการเก็บถาวร

Amazon S3 Glacier

พื้นที่จัดเก็บถาวรต้นทุนต่ำบนระบบคลาวด์

AWS Backup

การสำรองข้อมูลแบบรวมศูนย์ในบริการต่างๆ ของ AWS

แคตตาล็อกข้อมูล

AWS Glue

จัดเตรียมและโหลดข้อมูล

AWS Lake Formation

สร้าง Data Lake ที่ปลอดภัยในไม่กี่วัน

ข้อมูลของบริษัทภายนอก

AWS Data Exchange

ค้นหาและสมัครใช้งานข้อมูลของบริษัทภายนอกในระบบคลาวด์

การวิเคราะห์เชิงคาดการณ์และการเรียนรู้ของเครื่อง
เฟรมเวิร์กและอินเทอร์เฟซ

AWS Deep Learning AMI

การเรียนรู้เชิงลึกบน Amazon EC2

บริการแพลตฟอร์ม

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 Data Analytics
การวิเคราะห์การดำเนินการ Amazon Elasticsearch Service
แดชบอร์ดและการแสดงข้อมูลด้วยภาพ Amazon QuickSight
การย้ายข้อมูล การย้ายข้อมูลแบบเรียลไทม์ Amazon Managed Streaming สำหรับ Apache Kafka (Amazon MSK) | Amazon Kinesis Data Streams | Amazon Kinesis Data Firehose | Amazon Kinesis Data Analytics | Amazon Kinesis Video Streams | AWS Glue
Data lake พื้นที่จัดเก็บอ็อบเจ็กต์ Amazon S3 | AWS Lake Formation
การสำรองข้อมูลและการเก็บถาวร Amazon S3 Glacier | AWS Backup
แคตตาล็อกข้อมูล
AWS Glue | AWS Lake Formation
ข้อมูลของบริษัทภายนอก AWS Data Exchange
การวิเคราะห์เชิงคาดการณ์และแมชชีนเลิร์นนิ่ง เฟรมเวิร์กและอินเทอร์เฟซ AWS Deep Learning AMI
บริการแพลตฟอร์ม Amazon SageMaker

กรณีใช้งาน

Page-Illo_Data-warehousing
คลังข้อมูล

เรียกใช้การสืบค้นเชิงวิเคราะห์ด้วย SQL ที่ค่อนข้างซับซ้อนบนข้อมูลที่มีโครงสร้างและไม่มีโครงสร้างในคลังจัดเก็บข้อมูลของคุณโดยไม่เกิดการย้ายข้อมูลที่ไม่จำเป็น

ลองใช้ Amazon RedShift »
Page-Illo_Big-data-processing
การประมวลผล Big Data

ประมวลผลข้อมูลจำนวนมหาศาลได้อย่างรวดเร็วและง่ายดายบนที่จัดเก็บข้อมูลดิบหรือพื้นที่จัดเก็บข้อมูลในองค์กร สำหรับการทำงานด้านวิศวกรรมข้อมูล การพัฒนาวิทยาการข้อมูล และการทำงานร่วมกัน

ลองใช้ Amazon EMR »
Page-Illo_Real-time-analytics
การวิเคราะห์แบบเรียลไทม์

รวบรวม ประมวลผล และวิเคราะห์ข้อมูลที่สตรีม และโหลดสตรีมข้อมูลโดยตรงไปยังที่จัดเก็บข้อมูลดิบ พื้นที่จัดเก็บข้อมูล และบริการวิเคราะห์เพื่อให้คุณสามารถตอบสนองได้แบบเรียลไทม์

ลองใช้ Amazon MSK » ลองใช้ Amazon Kinesis »
Page-Illo_Data-visualization
การวิเคราะห์การดำเนินการ

ค้นหา สำรวจ กรอง รวบรวม และแสดงภาพของข้อมูลของคุณได้ใกล้เคียงเรียลไทม์สำหรับการตรวจสอบดูแลแอปพลิเคชัน การวิเคราะห์บันทึก และการวิเคราะห์คลิกสตรีม

ลองใช้ Amazon Elasticsearch Service »

ลูกค้า

JD-Power_Logo_@1x

"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

netflix
Chick-fil-A_Logo
3M Company_Logo
280x100_Georgia-Pacific_Logo
Pinterest_Customer-Reference_Logo
TMobile_Logo_@1x
gt-customer_landing_page_graphics166x_epic
Adobe_Customer-Reference_Logo
Pfizer
ดูลูกค้าทั้งหมด »

ทรัพยากรเพิ่มเติม

AWS Data Lab

สร้างผลงานที่ชัดเจนที่จะช่วยเร่งความคิดริเริ่มในการปรับปรุงข้อมูลและการวิเคราะห์ของคุณให้ทันสมัย AWS Data Lab คือกิจกรรมการมีส่วนร่วมอย่างเข้มข้นสี่วันระหว่างทีมผู้พัฒนาของคุณและทรัพยากรทางเทคนิคของ AWS

เรียนรู้เพิ่มเติม »

ข่าวสาร

ไม่อยากพลาดเนื้อหาด้านการศึกษา กิจกรรมที่กำลังจะเกิดขึ้น และนวัตกรรมอื่นๆ จาก AWS Analytics ใช่หรือไม่

สมัครรับข่าวสารเกี่ยวกับ AWS Analytics »