View a markdown version of this page

Arsitektur Referensi Mesh Data dengan Amazon DataZone - Arsitektur Referensi Mesh Data dengan Amazon DataZone

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Arsitektur Referensi Mesh Data dengan Amazon DataZone

Tanggal publikasi: 20 November 2024 (Sejarah diagram)

Data mesh adalah kerangka arsitektur dan organisasi terdesentralisasi yang membantu organisasi mempercepat inovasi dan mendorong nilai bisnis. Arsitektur ini menunjukkan cara menggunakan Amazon DataZone untuk membangun solusi data berbasis mesh data.

Arsitektur Referensi Mesh Data dengan Amazon DataZone

Diagram arsitektur yang menunjukkan mesh data yang digunakan Amazon DataZone dengan Amazon S3, AWS Glue, Amazon Redshift, dan SageMaker AI.

Langkah-langkah berikut menjelaskan arsitektur:

  1. Kumpulkan data dari sumber di seluruh perusahaan melalui database, berbagi file, perangkat tepi, log, jejaring sosial, aplikasi SaaS, dan media streaming.

  2. Berdasarkan sistem sumber dan persyaratan pengguna akhir, konsumsi data mentah menggunakan Amazon, Layanan Migrasi Database AWS AppFlow, Amazon Kinesis, AWS IoT Core , dan Amazon Managed Streaming untuk. Apache Kafka

  3. Di akun produsen, ubah data mentah menggunakan AWS Glue. Simpan metadata di Katalog Data AWS Glue, ukur kualitas data menggunakan AWS Glue Data Quality, dan daftarkan data di Amazon S3, Amazon Redshift, Amazon RDS, dan sumber pihak ketiga sebagai aset dalam Amazon DataZone katalog menggunakan pekerjaan sumber data.

  4. Akun tata kelola pusat menamp Amazon DataZone ung domain dan portal data terkait. A AWS sosiasikan akun produsen data dan konsumen dengan Amazon DataZone domain, dan buat proyek di bawah unit domain terkait.

  5. Pengguna akhir masuk ke portal Amazon DataZone data menggunakan kredenSIAL IAM atau single sign-on (SSO) melalui. https://docs.aws.amazon.com/singlesignon/latest/userguide/what-is.html Mereka mencari, memfilter, dan melihat informasi aset termasuk kualitas data, metadata bisnis, dan metadata teknis.

  6. Ketika pengguna akhir menemukan aset yang menarik, mereka meminta akses menggunakan fitur berlanggananAmazon DataZone. Pemilik aset menyetujui atau menolak permintaan berdasarkan validitas.

  7. Setelah permintaan berlangganan diberikan dan dipenuhi, akses aset di akun konsumen untuk pengembangan AI/ML model menggunakan SageMaker AI, dan untuk analisis dan pelaporan gunakan Athena, Amazon Redshift, dan Quick.

Sumber bacaan lebih lanjut

Untuk informasi tambahan, lihat sumber daya berikut:

Sejarah diagram

Untuk diberitahu tentang pembaruan diagram arsitektur referensi ini, berlangganan umpan RSS.

PerubahanDeskripsiTanggal

Publikasi awal

Diagram arsitektur referensi pertama kali diterbitkan.

November 20, 2024

catatan

Untuk berlangganan pembaruan RSS, Anda harus mengaktifkan plugin RSS untuk browser yang Anda gunakan.