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.
Moderne Datenplattform mit AWS und Snowflake
Veröffentlichungsdatum: 11. März 2022 () Geschichte des Diagramms
Diese Architektur zeigt, wie eine durchgängige moderne Datenanalyseplattform mithilfe von AWS und aufgebaut werden kannSnowflake. Sie können Daten aus mehreren Quellen aufnehmen, in einem Data Lake speichern und Snowflake als virtuelles Data Warehouse für Analysen verwenden.
Moderne Datenplattform mit AWS und Snowflake
Die folgenden Schritte beschreiben die Architektur:
-
Erfassen Sie Daten aus mehreren Datenquellen im gesamten Unternehmen, Software-as-a-Service (SaaS) -Anwendungen, Edge-Geräten, Protokollen, Streaming-Daten und sozialen Netzwerken.
-
Verwenden Sie je nach Art der Datenquelle AWS Database Migration Service, AWS DataSync, Amazon Kinesis, Amazon Managed Streaming forApache Kafka, AWS IoT Core, AWS Glue und Amazon, AppFlow um die Daten in den Data Lake aufzunehmen.
-
Amazon Simple Storage Service bietet vollständig verwalteten, hochverfügbaren und skalierbaren Data Lake-Speicher.
-
AWS Glue extrahiert, transformiert und erfasst Daten aus mehreren Datenspeichern. Amazon EMR bietet die Cloud-Big-Data-Plattform für die Verarbeitung großer Datenmengen mithilfe von Open-Source-Analytics-Frameworks. AWS Lambdaund Amazon EC2 bieten Rechenfunktionen für die Datenanreicherung.
-
Amazon Managed Workflows für Apache Airflow (MWAA) oder AWS Step Functions orchestriert durchgängige Datenpipelines.
-
Lake Formation macht es einfach, Ihren Data Lake zu erstellen, zu sichern und zu verwalten. Es bietet eine zentrale Stelle, an der Sie die Datenklassifizierung durchsetzen und den fein abgestuften Zugriff verwalten können. IAM und AWS STS verwalten Zugriffsberechtigungen und temporäre Anmeldeinformationen.
-
Snowflakedient als virtuelles Data Warehouse mit der Möglichkeit, Amazon S3 mithilfe externer Tabellen abzufragen und mithilfe automatisierter und kontinuierlicher Datenerfassung. SnowPipe
-
SageMaker KI erstellt, trainiert und implementiert Modelle für maschinelles Lernen (ML) und verleiht Ihren Anwendungen Intelligenz. Amazon Quick Sight bietet ML-powered Business Intelligence (BI).
Weitere Informationen
Weitere Informationen finden Sie in den folgenden Ressourcen:
Geschichte des Diagramms
Abonnieren Sie den RSS-Feed, um über Aktualisierungen dieses Referenzarchitekturdiagramms informiert zu werden.
| Änderung | Beschreibung | Datum |
|---|---|---|
Erste Veröffentlichung | Das Referenzarchitekturdiagramm wurde zuerst veröffentlicht. | 11. März 2022 |
Anmerkung
Um RSS-Updates zu abonnieren, muss ein RSS-Plugin für den von Ihnen verwendeten Browser aktiviert sein.