我們使用提供自身網站和服務所需的基本 Cookie 和類似工具。我們使用效能 Cookie 收集匿名統計資料，以便了解客戶如何使用我們的網站並進行改進。基本 Cookie 無法停用，但可以按一下「自訂」或「拒絕」以拒絕效能 Cookie。
如果您同意，AWS 與經核准的第三方也會使用 Cookie 提供實用的網站功能、記住您的偏好設定，並顯示相關內容，包括相關廣告。若要接受或拒絕所有非必要 Cookie，請按一下「接受」或「拒絕」。若要進行更詳細的選擇，請按一下「自訂」。
必要 Cookie 對於我們所提供的網站和服務而是必要的，而且無法停用。它們的設定通常是對您在網站上的動作的回應，例如，設定您的隱私偏好、登入或填寫表單。
效能 Cookie 提供有關客戶如何瀏覽我們網站的匿名統計資料，以便我們改善網站體驗和效能。獲核准的第三方可代表我們執行分析，但他們無法將資料用於自己的用途。
功能 Cookie 可協助我們提供實用的網站功能、記住您的偏好設定，以及顯示相關內容，獲核准的第三方可能會設定這些 Cookie 以提供特定網站功能。若您不允許這些 Cookie，則部分或全部服務可能無法正常運作。
我們或我們的廣告合作夥伴可以透過網站對廣告 Cookie 進行設定，協助我們提供相關的行銷內容。若您不允許這些 Cookie，您將看到相關程度較低的廣告。
封鎖部分類型的 Cookie 可能會影響您在使用我們的網站時的體驗。您可以隨時在本網站頁尾按一下「Cookie 偏好設定」來變更您的 Cookie 偏好設定。若要進一步了解我們和獲核准的第三方如何在我們的網站上使用 Cookie，請閱讀我們的 AWS Cookie 通知。
我們會在 AWS 網站和其他資產上顯示與您興趣相關的廣告，包括跨情境行為廣告。跨情境行為廣告使用來自一個網站或應用程式的資料，在不同公司的網站或應用程式上向您投放廣告。
若要不允許 AWS 根據 Cookie 或類似技術進行跨情境行為廣告，請在下方選取「不允許」並「儲存隱私權選擇」，或造訪已啟用法律認可拒絕訊號的 AWS 網站，例如全域隱私權控制。如果您刪除 Cookie 或從其他瀏覽器或裝置造訪本網站，您需要重新選擇。如需關於 Cookie 及其使用方式的詳細資訊，請參閱 AWS Cookie 聲明。
若要不允許所有其他 AWS 跨情境行為廣告，請透過電子郵件填寫此表單。
如需有關 AWS 如何處理您的資訊的詳細資訊，請閱讀 AWS 隱私權聲明。
我們目前只會儲存基本 Cookie，因為我們無法儲存您的 Cookie 偏好設定。
如果您想要變更 Cookie 偏好設定，請稍後使用 AWS 主控台頁尾中的連結重試，如果問題仍存在，請聯絡支援部門。
Amazon SageMaker Lakehouse 會在 Amazon Simple Storage Service (Amazon S3) 資料湖和 Amazon Redshift 資料倉儲中整合所有資料，協助您在單一資料複本上建置強大的分析和 AI/ML 應用程式。SageMaker Lakehouse 提供彈性，可讓您使用與所有 Apache Iceberg 相容的工具和引擎來存取和查詢資料。透過定義許可來保護 Lakehouse 中的資料，這些許可在所有分析和機器學習 (ML) 工具與引擎中強制執行。透過零 ETL 整合，將來自營運資料庫和應用程式的資料近乎即時地匯入您的資料湖。此外，透過第三方資料來源之間的聯合查詢功能就地存取和查詢資料。
SageMaker Lakehouse：
a) 透過在 Amazon S3 資料湖和 Amazon Redshift 資料倉儲中提供對資料的統一存取來減少資料孤島。營運資料庫和應用程式中的資料可以近乎即時擷取到您的 Lakehouse 中，以便使用無程式碼或低程式碼擷取、轉換和載入 (ETL) 管道進行分析和 ML。您也可以使用數百個連接器和 13 個聯合查詢功能存取來自 AWS 和 AWS 以外來源的資料。
b) 讓您可以靈活地從與 Apache Iceberg 相容的各種 AWS 服務以及開放原始碼和第三方工具和引擎中就地存取和查詢所有資料。您可以使用自己選擇的分析工具和引擎，例如 SQL、Apache Spark、商業智慧 (BI) 和 AI/ML 工具，並與儲存在 Amazon S3 或 Amazon Redshift 中的單一資料副本進行協作。
c) 透過內建的存取控制機制來改善企業安全性，該機制可在從整合的 AWS 服務 (例如 Amazon Redshift、Amazon Athena 或 Amazon EMR) 或第三方 Apache Iceberg 相容引擎存取時保護您的資料。
您可以從 Amazon SageMaker Unified Studio (預覽版) 直接存取 SageMaker Lakehouse。不同來源的資料會在 SageMaker Lakehouse 中稱為型錄的邏輯容器內進行組織。每個型錄都代表來自現有資料來源 (例如 Amazon Redshift 資料倉儲、資料湖或資料庫) 的資料。您可以直接在資料湖中建立新型錄，以將資料儲存在 Amazon S3 或 Amazon Redshift Managed Storage (RMS) 中。可以從與 Apache Iceberg 相容的引擎 (例如 Apache Spark、Athena 或 Amazon EMR) 存取 SageMaker Lakehouse 中的資料。此外，這些型錄可以作為 Amazon Redshift 資料倉儲中的資料庫被發現，從而可讓您使用 SQL 工具並分析資料湖資料。
SageMaker Lakehouse 使用兩種功能統一資料存取控制：1) SageMaker Lakehouse 可讓您定義精細的許可。這些許可由 Amazon EMR、Athena 和 Amazon Redshift 等查詢引擎強制執行。2) SageMaker Lakehouse 可讓您就地存取資料，從而無需建立資料副本。您可以維護單一資料副本和一組存取控制政策，從而受益於 SageMaker Lakehouse 中的統一精細存取控制。
SageMaker Lakehouse 以 AWS Glue Data Catalog、Lake Formation 和 Amazon Redshift 中的多個技術型錄為基礎建置，以提供跨資料湖和資料倉儲的統一資料存取。SageMaker Lakehouse 使用 AWS Glue Data Catalog 和 Lake Formation 來儲存資料表定義和許可。Lake Formation 精細許可適用於 SageMaker Lakehouse 中定義的資料表。您可以在 AWS Glue Data Catalog 中管理資料表定義，並定義精細的許可，例如資料表層級、欄層級和儲存格層級許可，以此保護您的資料。此外，使用跨帳戶資料共用功能，您可以啟用零副本資料共用，讓資料可供安全協作使用。
是。需要使用開放原始碼的 Apache Iceberg 用戶端程式庫來存取 SageMaker Lakehouse。使用第三方或自我管理的開放原始碼引擎 (例如 Apache Spark 或 Trino) 的客戶需要在查詢引擎中包含 Apache Iceberg 用戶端程式庫，才能存取 SageMaker Lakehouse。
是，您可以使用 Apache Iceberg 用戶端程式庫，從 AWS 服務 (例如 Amazon EMR、AWS Glue、Athena 和 Amazon SageMaker 或第三方 Apache Spark) 上的 Apache Spark 引擎讀取和寫入資料至現有的 Amazon Redshift。但是，您必須具備資料表的適當寫入許可，才能將資料寫入這些資料表。
是，您可以使用選擇的引擎 (例如 Apache Spark)，將 Amazon S3 上的資料湖表與跨多個資料庫的 Amazon Redshift 資料倉儲中的資料表聯結。
否，您無需移轉資料即可使用 SageMaker Lakehouse。SageMaker Lakehouse 可讓您使用 Apache Iceberg 的開放標準就地存取和查詢資料。您可以直接存取 Amazon S3 資料湖和 Amazon Redshift 資料倉儲中的資料。透過可用的零 ETL 整合，可以將來自營運資料庫和應用程式的資料近乎即時地傳輸到 Lakehouse，而無需維護基礎設施或複雜的管道。您也可以使用聯合查詢功能來存取就地資料。除此之外，您還可以使用數百個 AWS Glue 連接器與現有的資料來源整合。
如果您已經是 Amazon Redshift 使用者，僅需幾個簡單的步驟即可向 SageMaker Lakehouse 註冊您的 Amazon Redshift 資料倉儲，並且無需移轉資料。請按照開發人員指南中的步驟操作。
如果您已使用 AWS Glue Data Catalog 設定 Amazon S3 資料湖，則無需進行任何變更。
SageMaker Lakehouse 支援與 Amazon DynamoDB、Amazon Aurora 和 Amazon RDS for MySQL 以及八種應用程式的零 ETL 整合：Zoho CRM、Salesforce、Salesforce Pardot、ServiceNow、Facebook 廣告、Instagram 廣告、Zendesk 和 SAP。
您可以使用 AWS Glue 在 Amazon SageMaker 資料處理中透過 AWS Glue 主控台來設定和監控零 ETL 整合。一旦擷取資料，您就可以從 Apache Iceberg 相容的查詢引擎存取和查詢資料。如需詳細資訊，請造訪零 ETL 整合。
若要進一步了解定價，請造訪 SageMaker Lakehouse 和 AWS Glue 定價頁面。
如需詳細資訊，請造訪 SageMaker Lakehouse 定價。
SageMaker Lakehouse 在美國東部 (維吉尼亞北部)、美國東部 (俄亥俄)、美國西部 (奧勒岡)、亞太區域 (香港)、亞太區域 (首爾)、亞太區域 (新加坡)、亞太區域 (雪梨)、亞太區域 (東京)、加拿大 (中部)、歐洲 (法蘭克福)、歐洲 (愛爾蘭)、歐洲 (倫敦)、歐洲 (斯德哥爾摩) 和南美洲 (聖保羅) 區域提供。
是。SageMaker Lakehouse 會將中繼資料儲存在 AWS Glue Data Catalog 中，並提供與 Amazon Glue 相同的 SLA。
若要開始使用，您可以使用 SageMaker Unified Studio 上的公司 (例如 Okta) 憑證登入自己的 SageMaker 網域。藉助 SageMaker Unified Studio 中的幾個簡短步驟，管理員可以透過選擇特定專案設定檔來建立專案。然後，您可以選擇一個專案以與 Sage Maker Lakehouse 結合使用。選取專案後，您可以在一個位置統一檢視資料、查詢引擎和開發人員工具。然後，資料工程師和資料分析師等使用者可以使用自己選擇的工具查詢資料。例如，當資料工程師使用筆記本並發出 Spark 命令來列出資料表時，他們可探索有權存取的所有資料倉儲和資料湖資料表。接下來，他們可以執行命令，讀取資料並將其寫入實際儲存在 Amazon S3 資料湖或 Amazon Redshift 資料倉儲中的資料表。同樣，當資料分析師從 SQL 編輯器執行 Amazon Redshift SQL 命令時，他們會取得相同的統一資料檢視，並可以讀取資料和將其寫入這些資料表。您可以使用偏好的工具 (SQL 編輯器或筆記本) 在 Amazon S3 或 Amazon Redshift 中建立新資料表。查詢 Amazon Redshift 具體化視觀表，以加快提升資料湖資料表的效能。除 SageMaker Unified Studio 外，您還可以從 AWS 管理主控台、AWS Glue API、AWS Command Line Interface (AWS CLI) 或 AWS SDK 存取 SageMaker Lakehouse。如需詳細資訊，請造訪「文件」頁面。