Sitemizi ve hizmetlerimizi sunmak için gerekli olan temel çerezleri ve benzer araçları kullanırız. Müşterilerin sitemizi nasıl kullandığını anlamamıza ve iyileştirmeler yapmamıza yardımcı olan anonim istatistikler toplamak üzere performans çerezlerini kullanırız. Temel çerezler devre dışı bırakılamaz ancak performans çerezlerini reddetmek için \"Özelleştir\" veya \"Reddet\" seçeneğine tıklayabilirsiniz.
Kabul ettiğiniz takdirde AWS ve onaylı üçüncü taraflar; yararlı site özellikleri sağlamak, tercihlerinizi hatırlamak ve alakalı reklamlar dahil olmak üzere alakalı içerikler göstermek amacıyla da çerez kullanacaktır. Temel olmayan tüm çerezleri kabul etmek veya reddetmek için \"Kabul et\" veya \"Reddet\" seçeneğine tıklayın. Daha ayrıntılı seçimler yapmak için \"Özelleştir\" seçeneğine tıklayın.
Çerez tercihlerini özelleştir
Çerezleri ve benzer araçları (topluca "çerezler") aşağıdaki amaçlar için kullanırız.
Temel
Temel çerezler, sitemizi ve hizmetlerimizi sunmak için gerekli olup devre dışı bırakılamaz. Bunlar genellikle sitede gizlilik tercihlerinizi ayarlama, oturum açma veya formları doldurma gibi eylemlerde bulunduğunuzda yerleştirilir.
Performans
Performans çerezleri, site deneyimini ve performansını iyileştirebilmemiz için müşterilerin sitemizde nasıl gezindiği hakkında anonim istatistikler sağlar. Onaylı üçüncü taraflar bizim adımıza analiz yapabilir ancak verileri kendi amaçları için kullanamazlar.
İzin verildi
İşlevsellik
İşlevsellik çerezleri yararlı site özellikleri sunmamıza, tercihlerinizi hatırlamamıza ve alakalı içerikler göstermemize yardımcı olur. Onaylı üçüncü taraflar bu çerezleri belirli site özelliklerini sağlamak için yerleştirebilir. Bu çerezlere izin vermezseniz, bu hizmetlerin bir kısmı veya tamamı düzgün çalışmayabilir.
İzin verildi
Reklam
Reklam çerezleri, sitemiz aracılığıyla bizim tarafımızdan ya da reklam çözüm ortaklarımız tarafından yerleştirilebilir ve alakalı pazarlama içerikleri yayınlamamıza yardımcı olur. Bu çerezlere izin vermezseniz, daha az alakalı reklamlarla karşılaşırsınız.
İzin verildi
Bazı çerez türlerini engellemek, sitelerimizle ilgili deneyiminizi etkileyebilir. Bu sitenin alt bilgisindeki Çerez tercihleri bağlantısına tıklayarak dilediğiniz zaman seçimlerinizi değiştirebilirsiniz. Bizim ve onaylı üçüncü tarafların, çerezleri sitelerimizde nasıl kullandığımız hakkında daha fazla bilgi edinmek için lütfen AWS Çerez Bildirimimizi okuyun.
Gizlilik seçimleriniz
Bağlamlar arası davranışsal reklamcılık dahil olmak üzere AWS sitelerinde ve diğer özelliklerde ilgi alanlarınızla alakalı reklamlar gösteririz. Bağlamlar arası davranışsal reklamcılık, bir site veya uygulamanın verilerini, farklı bir şirket sitesinde ya da uygulamasında size reklam göstermek için kullanır.
Çerezlere veya benzer teknolojilere dayalı AWS bağlamlar arası davranışsal reklamcılığa izin vermemek için aşağıdaki \"İzin verme\" ve \"Gizlilik seçimlerini kaydet\" seçeneklerine tıklayın veya Genel Gizlilik Denetimi gibi yasal olarak tanınan izin vermeme sinyali etkinleştirilmiş bir AWS sitesini ziyaret edin. Çerezlerinizi silerseniz veya bu siteyi farklı bir tarayıcı kullanarak ziyaret ederseniz bu seçimi yeniden yapmanız gerekir. Çerezler ve bunları nasıl kullandığımız hakkında daha fazla bilgi edinmek için lütfen AWS Çerez Bildirimimizi okuyun.
AWS'nin bilgilerinizi nasıl işlediği hakkında daha fazla bilgi edinmek için lütfen AWS Gizlilik Bildirimi'ni okuyun.
Çerez tercihleri kaydedilemiyor
Çerez tercihlerinizi kaydedemediğimizden şimdilik yalnızca temel çerezleri saklayacağız.
Çerez tercihlerinizi değiştirmek istiyorsanız AWS konsolu alt bilgisindeki bağlantıyı kullanarak daha sonra tekrar deneyin veya sorunun devam etmesi durumunda destek ekibiyle iletişime geçin.
Amazon EMR, Apache Spark'ı çalıştırmak için en iyi yerdir. AWS Management Console, AWS CLI veya Amazon EMR API ile hızla ve kolayca yönetilen Spark kümeleri oluşturabilirsiniz. Ayrıca Amazon EMR Dosya Sistemi (EMRFS) ile hızlı Amazon S3 bağlantısı, Amazon EC2 Spot market ve AWS Glue Veri Kataloğu entegrasyonu ile kümenizde bulut sunucusu ekleme veya kaldırma işlemleri için EMR ile Yönetilen Ölçeklendirme gibi ek Amazon EMR özelliklerinden faydalanabilirsiniz. AWS Step Functions entegrasyonu, veri işlem hatlarınızı düzenlemenize yardımcı olurken AWS Lake Formation, ayrıntılı erişim denetimi sağlar. EMR Stüdyosu (önizleme), veri bilimcilerin ve veri mühendislerinin R, Python, Scala ve PySpark dillerinde yazılan veri mühendisliği ve veri bilimi uygulamalarını geliştirmelerini, görselleştirmelerini ve ayıklamalarını kolaylaştıran bir entegre geliştirme ortamıdır (IDE). EMR Studio, veri ayıklama işlemini sadeleştirmek için tam yönetimli Jupyter Notebook’ları ve Spark UI ve YARN Timeline Service gibi araçları sunmaktadır. EMR Not Defterleri, Spark ile uygulamalar denemenizi ve oluşturmanızı kolaylaştırır. Dilerseniz Spark ile veri keşfi için etkileşimli ve ortak çalışmaya uygun not defterleri oluşturmak üzere Apache Zeppelin'i kullanabilirsiniz.
Amazon EMR kümelerinde varsayılan olarak aktif olan Apache Spark için performans için optimize edilmiş bir çalışma zamanı ortamı olan Apache Spark için Amazon EMR çalışma zamanı, EMR bünyesinde yer almaktadır. Amazon EMR runtime for Apache Spark, EMR çalışma süresi olmayan kümelerden üç kat daha hızlı olabilmektedir ve standart Apache Spark ile %100 API uyumluluğuna sahiptir. Bu iyileştirilmiş performans, uygulamalarınızda hiçbir değişiklik yapmadan iş yüklerinizin daha hızlı çalıştırılacağı ve işlem maliyetinden tasarruf edeceğiniz anlamına gelir.
Spark, döngüsel olmayan yönlü graf (DAG) yürütme altyapısı kullanarak veri dönüştürme için verimli sorgu planları oluşturabilir. Spark aynı zamanda giriş, çıkış ve ara verileri bellek içinde dayanıklı veri çerçeveleri olarak depolar ve bu sayede G/Ç maliyeti olmadan hızlı işlem gerçekleştirilmesini sağlayarak yinelemeli veya etkileşimli iş yüklerinin performansını artırır.
Uygulamaları hızla ve iş birliğine dayalı bir şekilde geliştirin
Apache Spark tarafından sunulan yerel Java, Scala, SQL ve Python desteği sayesinde uygulamalarınızı oluşturmak için farklı programlama dili seçeneklerinden faydalanabilirsiniz. Ayrıca Spark SQL modülünü kullanarak SQL veya HiveQL sorgusu da gönderebilirsiniz. Uygulama çalıştırmaya ek olarak Spark API’sini doğrudan kümenizdeki Spark kabuğunda, EMR Stüdyosu aracılığıyla veya Jupyter not defterleri üzerinden Python veya Scala ile etkileşimli bir şekilde kullanabilirsiniz. EMR 6.0'da Apache Hadoop 3.0 desteği, bağımlılıkları yönetmeyi basitleştirmek için Docker container'ı desteği getiriyor. Ayrıca kümeden bağımsız EMR Notebooks'tan (Jupyter'ı temel alır) yararlanabilir veya Zeppelin’i kullanarak veri keşfi ve görselleştirme için etkileşimli ve ortak çalışmaya uygun not defterleri oluşturabilirsiniz. Küme dışında, kalıcı bir Spark Geçmiş Sunucusu olan EMR konsolunda iş yüklerini ayarlayıp hatalarını ayıklayabilirsiniz.
Farklı iş akışları oluşturun
Apache Spark makine öğrenimi (MLlib), akış işleme (Spark Streaming) ve grafik işleme (GraphX) uygulamaları oluşturmanıza yardımcı olacak birçok kitaplık içerir. Bu kitaplıklar Spark ekosistemine sıkı bir şekilde entegre edilmiştir ve ilk andan itibaren çok farklı kullanım örneklerini desteklemek için kullanılmaya hazırdır. Dilerseniz Spark uygulamalarınızda Apache MXNet gibi derin öğrenme çerçevelerini kullanabilirsiniz. AWS Step Functions entegrasyonu, uygulamalarınıza sunucusuz iş akışı otomasyonu ve düzenlemesi eklemenizi sağlar.
Amazon EMR özellik kümesiyle entegrasyon
Apache Spark işlerini EMR Step API ile gönderebilir, Spark’ı EMRFS ile birlikte kullanarak S3 içindeki verilere doğrudan erişebilir, EC2 Spot kapasitesini kullanarak maliyet tasarrufu yapabilir, EMR ile Yönetilen Ölçeklendirmeyi kullanarak dinamik olarak kapasite ekleyip kaldırabilir ve iş yükünüze uygun uzun vadeli veya geçici kümeler oluşturabilirsiniz. Ayrıca bir EMR güvenlik yapılandırması kullanarak Spark şifrelemesi ve Kerberos ile kimlik doğrulama yapılandırmasını kolayca gerçekleştirebilirsiniz. Buna ek olarak AWS Glue Veri Kataloğu ile Spark SQL tablo meta verilerini depolayabilir veya Spark makine öğrenimi işlem hatlarında Amazon SageMaker hizmetini kullanabilirsiniz. EMR, Spark’ı Hadoop YARN üzerine yükleyip yönetir. Dilerseniz kümenize başka big data uygulamaları da ekleyebilirsiniz. Apache Hudi ile EMR, değişen verileri yakalamayı (CDC) daha verimli bir şekilde yönetmenizi sağlar ve kayıt silmeyi basitleştirerek GDPR ile CCPA gibi gizlilik düzenlemeleri konusunda yardımcı olur. EMR özellikleri hakkında daha fazla bilgi için buraya tıklayın.
Kullanım örnekleri
Akış işlemesi
EMR'de Spark Streaming ile Amazon Kinesis, Apache Kafka veya diğer veri akışlarından gerçek zamanlı verileri kullanın ve işleyin. Hata toleranslı bir yöntemle akış analizi gerçekleştirin ve sonuçları S3 veya küme üzerindeki HDFS'ye yazın.
Makine öğreni̇mi̇
EMR'de Apache Spark, çeşitli ölçeklenebilir makine öğrenimi algoritmaları sunan MLlib'i içerir. Dilerseniz kendi kitaplıklarınızı da kullanabilirsiniz. Spark, iş sırasında veri kümelerini bellek içinde depolayarak makine öğrenimi iş yüklerinde sık kullanılan yinelemeli sorgular için yüksek performans sunar. Notebook bulut sunucusunu kolay eğitim modelleri ve barındırma modelleri için Amazon SageMaker Spark ile Amazon EMR üzerinde çalışan bir Apache Spark kümesine bağlayarak Amazon SageMaker kapasitesini iyileştirebilirsiniz.
Etkileşimli SQL
SQL veya HiveQL ile düşük gecikme süresine sahip etkileşimli sorgular için Spark SQL hizmetini kullanabilirsiniz. EMR’de Spark, EMRFS hizmetinden faydalanabildiği için S3 üzerindeki veri kümelerinize anlık erişim sağlayabilirsiniz. Ayrıca ODBC ve JDBC bağlantıları sayesinde EMR Studio, EMR Notebooks'u, Zeppelin not defterlerini veya BI araçlarını kullanabilirsiniz.
Müşteri başarısı
Yelp
Yelp’in reklam hedefleme ekibi, kullanıcının bir reklamla etkileşim kurma ihtimalini belirlemek için tahmine dayalı modeller tasarlamaktadır. Yelp, makine öğrenimi modellerini eğitmek için çok miktarda veriyi işlemek üzere Amazon EMR’de Apache Spark hizmetinden faydalanarak geliri ve reklam tıklama oranını artırmayı başarmıştır.
The Washington Post
The Washington Post, Amazon EMR’de Apache Spark’ı kullanarak okuyucu etkileşimini ve memnuniyetini artırma amacıyla web sitesinin öneri altyapısını geliştirmek için modeller oluşturuyor. Şirket, modelleri neredeyse gerçek zamanlı olarak güncellemek için Amazon EMR’nin yüksek performanslı Amazon S3 bağlantısından faydalanıyor.
Krux
Krux, müşteri öngörüleri için Veri Yönetim Platformunun bir parçası olarak Apache Spark ile birçok makine öğrenimi ve genel işleme iş yükü çalıştırmaktadır. Krux Amazon EC2 Spot kapasitesi ile Amazon EMR kümelerini kullanarak maliyet tasarrufu gerçekleştirmekte ve Apache Spark veri katmanı olarak EMRFS ile Amazon S3 hizmetinden faydalanmaktadır.
Görüntü ve ekran içi reklam platformu olan GumGum, Amazon EMR’de Apache Spark hizmetini kullanarak envanter tahmini, tıklama oranı günlüklerinin işlenmesi ve Amazon S3 hizmetindeki yapılandırılmış verilerin anlık analiz edilmesi işlemlerini gerçekleştirmektedir. Spark’ın performans geliştirmeleri sayesinde GumGum, bu iş akışlarında zamandan ve paradan tasarruf etmeyi başarmıştır.
Geniş ölçekli bir medya ve bilgi şirketi olan Hearst Corporation, 200’den fazla web mülkündeki içeriği görüntüleyen müşterilere sahiptir. Amazon EMR’de Apache Spark hizmetinin akış özelliklerinden faydalanan Hearst şirketinin editör ekibi, yüksek performansa sahip olan makaleleri ve yükselişte olan konuları gerçek zamanlı olarak takip edebilmektedir.
CrowdStrike, ihlalleri durdurmak için uç nokta koruma hizmeti sunmaktadır. Şirket, Amazon EMR’de Apache Spark hizmetini kullanarak yüzlerce terabayt boyutundaki olay verilerini işlemekte ve konaklarla ilgili daha yüksek düzeyde davranış açıklamaları haline dönüştürmektedir. CrowdStrike bu verilerden olay verilerini toplayabilmekte ve kötü niyetli etkinlikleri tespit edebilmektedir.
Internet Explorer için AWS'nin sunduğu destek 07/31/2022 tarihinde sona eriyor. Desteklenen tarayıcılar: Chrome, Firefox, Edge ve Safari.
Daha fazla bilgi edinin »