Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
AWS moderne Datenarchitektur
In diesem Handbuch wird nicht beschrieben, wie ein Datenstrategie-Framework implementiert wird AWS. Dies ist ein umfangreiches Thema, das in AWS Dokumentationen, Blogbeiträgen und anderen Leitfäden behandelt wird (siehe Abschnitt Ressourcen). Das folgende Diagramm bietet jedoch einen allgemeinen Überblick. Es veranschaulicht die Hauptkomponenten einer modernen Datenarchitektur AWS und deckt die meisten Dienste ab, die in Ihrer Roadmap enthalten sein können.
Die Hauptkomponenten dieser Architektur unterstützen die bereits erörterten technischen Grundsätze für eine moderne Datenstrategie:
-
Verwenden Sie eine integrierte, kostengünstige und skalierbare Speicherebene, sodass jeder Datenproduzent und -verbraucher über die technischen Möglichkeiten verfügt, mit Daten zu interagieren.
Amazon Simple Storage Service (Amazon S3)
ist ein Objektspeicherservice, der Integration, Skalierbarkeit, Datenverfügbarkeit, Sicherheit und Leistung zu niedrigen Kosten bietet. -
Sicherheit ist Pflicht. Wenden Sie Datenschutzregeln an, sorgen Sie für Datenschutz durch Verschlüsselung, aktivieren Sie Auditing und sorgen Sie für automatisierte Compliance.
Um Datenschutz, Datenschutz und Compliance automatisiert anzuwenden und die Prüfung zu aktivieren, können Sie AWS Key Management Service (AWS KMS), AWS Identity and Access Management (IAM) AWS Secrets ManagerAWS Audit Manager
, und Amazon Macie verwenden. -
Steuern Sie die Daten, um sie unternehmensweit gemeinsam zu nutzen. Stellen Sie einen einzigartigen Datenkatalog und ein Unternehmensglossar bereit, damit Benutzer die benötigten Daten finden und verwenden können.
AWS Lake Formation
hilft Ihnen dabei, Daten zu verwalten und unternehmensweit gemeinsam zu nutzen. Darüber hinaus können Sie mithilfe von Amazon DataZone (in der Vorschauversion) einen eigenen Datenkatalog AWS Glue und ein Geschäftsglossar erstellen, damit Ihre Mitarbeiter die benötigten Daten finden können. -
Wählen Sie den richtigen Service für den richtigen Job. Berücksichtigen Sie bei der Auswahl einer Komponente Funktionalität, Skalierbarkeit, Datenlatenz, den Aufwand für die Ausführung des Dienstes, Belastbarkeit, Integration und Automatisierung.
Sie können Amazon Athena
, Amazon, Amazon OpenSearch Service EMR AWS Glue , Amazon Kinesis, Amazon Redshift, Amazon Managed Streaming for Apache Kafka (AmazonMSK) und Amazon QuickSight zur Verwaltung Ihrer Aufgaben in Betracht ziehen. Sie können beispielsweise Echtzeit-Streaming mit Kinesis oder AmazonMSK, Datenverarbeitung mit Amazon oder Suchen mit OpenSearch Service AWS Glue, Ad-hoc-Abfragen mit Athena und Data Warehousing mit Amazon EMR Redshift durchführen. -
Verwenden Sie künstliche Intelligenz (KI) und maschinelles Lernen (ML).
Sie können die Nutzung künstlicher Intelligenz mit AWS KI-Diensten
und maschinellem Lernen mit Amazon ermöglichen SageMaker. -
Bieten Sie Geschäftsleuten Datenkompetenz und Tools mit Abstraktionen.
Prozesse zur Bereitstellung von Datenkompetenz, Tools und Abstraktionen sind nicht Teil der Architektur, aber Sie können Amazon DataZone
(in der Vorschauversion) und Amazon QuickSight als Datenabstraktionstools verwenden. AWS Lake Formation -
Testen Sie die Hypothesen Ihrer Dateninitiativen und messen Sie deren Ergebnisse.
Sie können das Amazon OpenSearch Service-Dashboard oder Amazon
verwenden QuickSight, um mit Kennzahlen und Testergebnissen zu Geschäftsergebnissen zu arbeiten und Ihre Hypothesen zu validieren.
Beispiele für Beispielarchitekturen für verschiedene Anwendungsfälle finden Sie in den Referenzarchitekturdiagrammen im AWS Architecture
