本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
分析
主題
- 在 Microsoft SQL Server Analysis Services 中分析 Amazon Redshift 資料
- 使用 Amazon Athena 和 Amazon 分析巢狀JSON資料並將其視覺化 QuickSight
- 使用 AWS CloudFormation 範本自動執行 Glue AWS 中的加密
- 使用 Amazon Kinesis Video Streams 和 AWS Fargate 建置影片處理管道
- 建置ETL服務管道，使用 Glue 將資料從 Amazon S3 AWS 遞增載入至 Amazon Redshift
- 使用 Amazon DataZone AWS CDK、 和 建置企業資料網格 AWS CloudFormation
- 使用 AWS服務計算有風險的價值 VaR）
- 將 Teradata NORMALIZE 時間功能轉換為 Amazon Redshift SQL
- 將 Teradata RESETWHEN功能轉換為 Amazon Redshift SQL
- 使用基礎設施作為程式碼，在AWS雲端上部署和管理無伺服器資料湖
- 在啟動時強制標記 Amazon EMR叢集
- 確保在啟動時啟用 Amazon S3 EMR記錄
- 使用 Glue AWS 任務和 Python 產生測試資料
- 使用 IoT Greengrass，以具成本效益的方式直接將 AWS IoT 資料擷取至 Amazon S3
- 使用 Lambda 函數在暫時性EMR叢集中啟動 Spark 任務
- 使用 Glue 將 Apache Cassandra AWS 工作負載遷移至 Amazon Keyspaces
- 從內部部署伺服器將 Oracle Business Intelligence 12c 遷移至AWS雲端
- MSK 使用 將內部部署 Apache Kafka 叢集遷移至 Amazon MirrorMaker
- 在 ELK 上將 Stack 遷移至 Elastic Cloud AWS
- 使用 Starburst 將資料遷移至 AWS Cloud
- 最佳化 ETL 上輸入檔案大小的擷取 AWS
- 使用 AWS Step Functions 透過驗證、轉換和分割來協調ETL管道
- 使用 Amazon Redshift ML 執行進階分析
- SQL 使用 Amazon Athena 查詢 Amazon DynamoDB 資料表
- 使用 Athena 存取、查詢和聯結 Amazon DynamoDB 資料表
- 設定最低可行的資料空間，以在組織之間共用資料
- 使用純量 Python 設定 Amazon Redshift 查詢結果的語言特定排序 UDF
- 將 Lambda 函數訂閱至不同AWS區域中 S3 儲存貯體的事件通知
- 將資料轉換為 Apache Parquet 的三種 AWS Glue ETL任務類型
- 使用 Amazon Athena 和 Amazon 視覺化 Amazon Redshift 稽核日誌 QuickSight
- 使用 Amazon 視覺化所有AWS帳戶的IAM憑證報告 QuickSight
- 更多模式
