View a markdown version of this page

Moderne Datenplattform mit AWS und Teradata - Moderne Datenplattform mit AWS und Teradata

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 Teradata

Veröffentlichungsdatum: 18. November 2022 (Geschichte des Diagramms)

Teradata VantageCloud Enterpriseist Teil des Teradata VantageCloud Angebots, der kompletten Cloud-Analyse- und Datenplattform, die eine Integration mit SageMaker KI beinhaltet Teradata ClearScape Analytics.

Moderne Datenplattform mit AWS und Teradata

Architekturdiagramm, das eine moderne Datenplattform zeigt, die AWS und Teradata mit Amazon S3, AWS Glue, Amazon EMR und SageMaker KI verwendet.

Die folgenden Schritte beschreiben die Architektur:

  1. Erfassen Sie Daten aus mehreren Quellen in den Unternehmens- und SaaS-Anwendungen. Erfassen Sie Daten mithilfe von AWS Data Exchange, AWS Database Migration Service (AWS DMS), AWS IoT Core und Amazon Kinesis. AWS Data Exchange, AWS DMS und Amazon AppFlow verwenden Amazon S3 als vorübergehenden oder permanenten Datenspeicher, auf den über Teradata Native Object Store (NOS) zugegriffen wird.

  2. Der AWS Data Lake verwaltet den Datenlebenszyklus und die Datenverwaltung. Amazon S3 bietet hochverfügbaren Speicher für permanente und temporäre Daten im Data Lake.

  3. Verarbeiten Sie die Daten mit AWS Glue und Amazon EMR und speichern Sie sie in Amazon S3 oder direkt Teradata über das AWS Glue-Streaming.

  4. Teradata Vantageon AWS dient als hochgradig skalierbare Data Warehouse- und Analyseplattform. Damit Teradata QueryGrid kann die Analyseplattform andere Datenspeicher wie SQL-Datenbanken und Amazon EMR abfragen. Teradata NOS ermöglicht Teradata Vantage den Zugriff auf und die Konfiguration von Daten auf Amazon S3 als externe Tabelle.

  5. SageMaker AI ruft mithilfe des Teradata SQL-Kernels oder der Python SQL-Bibliothek Trainingsdaten Teradata sowohl von Amazon S3 als auch von Amazon S3 ab. Stellen Sie trainierte Modelle auf einem SageMaker KI-Endpunkt bereit oder importieren Sie sie als BYOM (Bring Your Own Model) Teradata für datenbankinterne Analysen.

  6. Externe Funktionen innerhalb der Teradata SQL-Schnittstelle beziehen Rückschlüsse von AWS Inferenzendpunkten und Drittanbietern von KI-Plattformen.

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.

ÄnderungBeschreibungDatum

Erste Veröffentlichung

Das Referenzarchitekturdiagramm wurde zuerst veröffentlicht.

18. November 2022

Anmerkung

Um RSS-Updates zu abonnieren, muss ein RSS-Plugin für den von Ihnen verwendeten Browser aktiviert sein.