Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Administración de inserciones y actualizaciones en un lago de datos sin servidor
<a name="serverless-data-lake-inserts-upserts"></a>

Fecha de publicación: 15 ** de junio de 2021 () [Historial del diagrama](#diagram-history) **

Esta arquitectura muestra cómo utilizar la Apache Hudi ejecución en Amazon EMR para procesar las inserciones y actualizaciones de los conjuntos de datos en [ Amazon Simple Storage Service. ](https://docs.aws.amazon.com/AmazonS3/latest/userguide/Welcome.html) Puede crear un lago de datos rentable y escalable que suministre análisis bajo demanda y cree mercados de datos persistentes.

## Administración de inserciones y actualizaciones en un lago de datos sin servidor
<a name="diagram1"></a>

![Diagrama de arquitectura que muestra cómo administrar inserciones y actualizaciones en un lago de datos sin servidor con Amazon EMR, Amazon S3 y AWS Glue.](https://docs.aws.amazon.com/es_es/reference-architecture-diagrams/latest/serverless-data-lake-inserts-upserts/images/serverless-data-lake-inserts-upserts.png)


Los siguientes pasos describen la arquitectura:

1. Ingiera datos de los sistemas de origen mediante lotes, captura de datos cambiados (CDC) o transmitiéndolos a la capa sin procesar de Amazon S3.

1. Una vez que los datos persistan en el lago de datos sin procesar de Amazon S3, rastree los datos y rellénelos en el catálogo de [ datos de ](https://docs.aws.amazon.com/glue/latest/dg/what-is-glue.html) AWS Glue con un rastreador.

1. Extraiga datos sin procesar en un clúster de Amazon EMR y léalos con Hive y Spark para limpiarlos y transformarlos.

1. Apache Hudisi se ejecuta en Amazon EMR, lee los datos mediante las API de Spark y realiza inserciones y modificaciones en los conjuntos de datos necesarios.

1. Conserva los datos limpiados y transformados en los buckets procesados y reportables de Amazon S3.

1. Consuma los datos declarables bajo demanda con [ Athena ](https://docs.aws.amazon.com/athena/latest/ug/what-is.html) o cárguelos en Amazon Redshift. [https://docs.aws.amazon.com/redshift/latest/dg/welcome.html](https://docs.aws.amazon.com/redshift/latest/dg/welcome.html) Diferentes usuarios, herramientas y recursos pueden consumir estos datos.

1. Gestione todo el movimiento de datos, genere clústeres de Amazon EMR bajo demanda para obtener datos por lotes y cargue los datos mediante la organización del flujo de trabajo con Amazon Managed Workflows for Apache Airflow (MWAA).

## Documentación adicional
<a name="further-reading"></a>

Para obtener información adicional, consulte los siguientes recursos:
+ [AWS Iconos de arquitectura ](https://aws.amazon.com/architecture/icons)
+ [AWS Centro de arquitectura ](https://aws.amazon.com/architecture)
+ [AWS Well-Architected](https://aws.amazon.com/architecture/well-architected)

## Historial del diagrama
<a name="diagram-history"></a>

Para recibir notificaciones sobre las actualizaciones de este diagrama de arquitectura de referencia, suscríbase a la fuente RSS.

| Cambio | Descripción | Fecha | 
| --- |--- |--- |
| [Publicación inicial](#diagram-history) | El diagrama de arquitectura de referencia se publicó por primera vez. | 15 de junio de 2021 | 

**nota**  
Para suscribirse a las actualizaciones de RSS, debe tener un complemento de RSS habilitado para el navegador que esté utilizando.