Unterstützung durch generative KI

Beschleunigen Sie die Datenintegration und steigern Sie die Produktivität der Entwickler

Beginnen Sie noch heute mit der Integration von Daten

Probieren Sie einen praktischen Workshop zu AWS Glue aus

KI-Unterstützung in AWS Glue

Die Amazon Q-Datenintegration in AWS Glue ermöglicht es Ihnen, Datenintegrationspipelines mithilfe natürlicher Sprache zu erstellen. Beschreiben Sie Ihre Absicht über eine Chat-Schnittstelle, und AWS Glue generiert einen vollständigen Auftrag. Sie können den Auftrag testen und mit einem einzigen Klick in Produktion nehmen. AWS Glue bietet jetzt zusätzliche generative KI-Funktionen, mit denen Sie Ihre Spark-Aufträge modernisieren und die Fehlerbehebung beschleunigen können, wodurch sich der Zeitaufwand für undifferenzierte Aufgaben reduziert. Sie müssen kein Apache Spark- oder SQL-Experte sein und auch nicht auf die Antwort eines Experten warten.

Vorteile

Daten schneller integrieren

Die Integration von Daten aus mehreren Quellen kann Tage oder sogar Monate dauern. Die Datenintegrationsfunktion von Amazon Q Developer unterstützt Sie dabei, Datenintegrationsaufträge mit minimalen Kenntnissen in Datenintegration oder Programmierung zu erstellen. Sie abstrahiert manuelle Aufgaben, sodass Sie weniger Zeit für Routinearbeiten aufwenden müssen und mehr Zeit für die Analyse von Daten haben.

Teilen Sie Amazon Q Developer in englischer Sprache mit, was Sie benötigen, und es wird Ihnen ein vollständiger Auftrag zurückgegeben. Mit der Datenintegrationsfunktion können Sie Amazon Q Developer beispielsweise auffordern, „JSON-Dateien aus S3 zu lesen, mit ‚accountid‘ zu verknüpfen und in DynamoDB zu laden“. Als Antwort erhalten Sie einen End-to-End-Datenintegrationsjob, der diese Aktion ausführen kann. Sie können den generierten Job überprüfen, mit Beispieldatensätzen testen und in die Produktion verschieben.

Entwicklerproduktivität steigern

Die Erstellung von Datenintegrationsaufträgen ist nur der Anfang. Sobald ein Auftrag erstellt und in der Produktion bereitgestellt wurde, müssen Sie ihn warten und Fehlerbehebung vornehmen. Die Fehler können mit der Verbindung, der Umgebung, der Syntax, der Validierung oder der Ausführung zusammenhängen. Sie können auftreten, wenn Sie Ihre Integrationsaufträge erstellen, testen, veröffentlichen oder ausführen. Die Fehlerbehebung erfordert häufig das Durchsuchen von Protokolldateien und die Anmeldung bei Überwachungs-Dashboards.

AWS Glue bietet jetzt KI-gestützte Funktionen, mit denen Sie Ihre Spark-Aufträge modernisieren und die Fehlerbehebung beschleunigen können. Führen Sie automatisch Upgrades auf neuere Spark-Versionen durch und erhalten Sie intelligente Diagnosen, wenn Probleme auftreten, wodurch sich die Debugging-Zeit von Tagen auf Minuten reduziert.

Erhalten Sie sofortige Hilfe von Experten

AWS Glue bietet KI-gestützte Unterstützung während des gesamten Datenintegrationslebenszyklus. Aufbauend auf fundierten Fachkenntnissen über AWS Glue bietet es fachkundige Anleitung für alle Fragen rund um die Datenintegration.

Anstatt auf Experten in Ihrem Unternehmen zu warten oder einen Berater zu beauftragen, können Sie sich jederzeit über die AWS Glue-Konsole, AWS Glue Studio oder über die API an Amazon Q Developer wenden. Die Datenintegrationsfunktion von Amazon Q Developer ist für die Verwendung mit anderen AWS-Services optimiert. Sie können ganz einfach Aufträge erstellen, die Daten extrahieren, transformieren und laden, die in Amazon DynamoDB, Amazon DocumentDB, Amazon Managed Streaming for Apache Kafka, Amazon Kinesis, Amazon Redshift und Amazon S3 gespeichert sind.

Führen Sie Spark-Upgrades mühelos aus

Der Apache Spark-Upgrade-Agent identifiziert automatisch API-Änderungen und Verhaltensänderungen in PySpark- und Scala-Anwendungen. Engine können Upgrades mithilfe der MCP-Kompatibilität (Model Context Protocol) direkt aus SageMaker Unified Studio oder der IDE ihrer Wahl initiieren. Während des Upgrade-Prozesses analysiert der Agent den vorhandenen Code und schlägt spezifische Änderungen vor, die Ingenieure vor der Implementierung überprüfen und genehmigen können. Der Agent überprüft die funktionale Korrektheit durch Datenqualitätsvalidierungen. Der Agent unterstützt derzeit Upgrades von Spark 2.4 auf 3.5 und gewährleistet während des gesamten Upgrade-Prozesses die Genauigkeit der Datenverarbeitung.

Anwendungsfälle

KI für die Datenintegration

Generieren Sie produktionsreife ETL-Jobs, indem Sie Ihre Anforderungen einfach in einfachem Englisch beschreiben. Dateningenieure und Analysten können ohne fundierte Apache Spark-Kenntnisse schnell Datenintegrationsworkflows erstellen. Holen Sie sich vollständigen, lauffähigen Code für gängige Szenarien wie das Verbinden von Datensätzen, das Aggregieren von Daten und das Laden in verschiedene AWS-Services.

Erfahren Sie mehr über Amazon Q Data Integration.

Analysieren Sie Ihre Spark-Jobs automatisch und aktualisieren Sie sie auf neuere Versionen, während die Funktionalität erhalten bleibt. AWS Glue bewältigt die Komplexität der Identifizierung und Aktualisierung von Skripten, Konfigurationen und Abhängigkeiten und reduziert so Upgrade-Projekte von Monaten auf Tage. Auf diese Weise können Sie die neuesten Spark-Features und Sicherheitsverbesserungen ohne manuellen Aufwand nutzen.

Erfahren Sie mehr über generative KI-Upgrades für Apache Spark.

Identifizieren und lösen Sie schnell Probleme in Ihren Spark-Jobs mithilfe von KI-gestützter Problembehandlung. AWS Glue analysiert Job-Metadaten, Ausführungsprotokolle und Konfigurationen, um sofortige Ursachenanalysen und umsetzbare Empfehlungen bereitzustellen. Dies reduziert die Debugging-Zeit von Tagen auf Minuten und macht es überflüssig, tief in die Dokumentation einzutauchen oder auf Support zu warten.

Erfahren Sie mehr über generative KI-Fehlerbehebung für Apache Spark.

Beschleunigen Sie Ihre Apache Spark-Versions-Upgrades auf Amazon EMR und AWS Glue von Monaten auf Wochen mit unserem intelligenten Automatisierungsagenten, der komplexe Code-Analysen und -Transformationen übernimmt. Über eine intuitive Konversations-Schnittstelle können Ingenieure Upgrade-Anforderungen auf natürliche Weise formulieren und gleichzeitig die vollständige Kontrolle über Code-Änderungen behalten, wodurch der herkömmliche Aufwand für manuelle API-Analysen, Konfliktlösung und Anwendungsvalidierung entfällt.