ฟีเจอร์ของ Amazon SageMaker Lakehouse

หัวข้อของหน้า

ข้อมูลทั่วไป
7

ข้อมูลทั่วไป

เปิดทั้งหมด

เข้าถึงและสอบถามข้อมูลของคุณในสถานที่ด้วยเครื่องมือที่ใช้ร่วมกับ Apache Iceberg ได้และเครื่องมืออื่น ๆ ตามที่คุณเลือก เรียกใช้การวิเคราะห์และกรณีการใช้งาน ML ตั้งแต่งาน Apache Spark ETL ไปจนถึงแดชบอร์ด SQL, โมเดลการปรับแต่งแมชชีนเลิร์นนิง (ML) และแอปพลิเคชัน AI ช่วยสร้างโดยใช้เอ็นจิ้นและเครื่องมือที่เข้ากันได้กับ Apache Iceberg ที่คุณต้องการ

ผสมผสานความยืดหยุ่นของ Data Lake และประสิทธิภาพของคลังข้อมูลโดยไม่ต้องเปลี่ยนสถาปัตยกรรมข้อมูลที่มีอยู่ เข้าถึงพื้นที่จัดเก็บ Amazon Redshift ที่ได้รับการปรับให้เหมาะสมสูงและโครงสร้างข้อมูลรอง เช่น มุมมองผลการสืบค้น เพื่อเพิ่มความเร็วในการวิเคราะห์ SQL ใน Data Lake ของคุณ

เรียกใช้เครื่องมือวิเคราะห์และเครื่องมือที่คุณเลือก เช่น SQL, Apache Spark, Business Intelligence (BI) และเครื่องมือ AI/ML บนสำเนาข้อมูลเดียว ในขณะที่จัดเก็บข้อมูลในรูปแบบที่เหมาะสมที่สุดสำหรับเวิร์กโหลดของคุณ

ด้วยความเข้ากันได้กับ Apache Iceberg ข้อมูลทั้งหมดใน SageMaker Lakehouse จึงสอดคล้องกับ ACID (Atomic, Consistent, Isolated, Reliable) อย่างเต็มรูปแบบ เพื่อการวิเคราะห์ SQL ที่มีประสิทธิภาพสูง

เรียกใช้แบบสืบค้นแบบรวมบนข้อมูลที่จัดเก็บในแหล่งข้อมูลของบุคคลที่สามหลายแหล่งเพื่อเข้าถึงและสืบค้นข้อมูลของคุณในตำแหน่งที่ตั้งเดิม

นำข้อมูลจากฐานข้อมูลการดำเนินงานของคุณ เช่น Amazon DynamoDB, Amazon Aurora MySQL, Amazon Aurora PostgreSQL, Amazon RDS สำหรับ MySQL และแอปพลิเคชันรวมถึง Salesforce, ServiceNow และ Zendesk ไปยัง SageMaker Lakehouse โดยใช้การบูรณาการ ETL แบบไร้รอยต่อสำหรับการวิเคราะห์แบบเกือบเรียลไทม์

รักษาความปลอดภัยข้อมูลของคุณใน SageMaker Lakehouse ด้วยการควบคุมการเข้าถึงแบบผสานรวม กำหนดสิทธิ์เพียงครั้งเดียว และสิทธิ์เหล่านี้จะถูกบังคับใช้ในข้อมูลทั้งหมดของคุณในเครื่องมือวิเคราะห์และเครื่องมือทั้งหมด