Feature der Lakehouse-Architektur

Erlangen Sie die Flexibilität, mit Apache-Iceberg-kompatiblen Tools und Engines Ihrer Wahl direkt auf Ihre Daten zuzugreifen und sie abzufragen.

Führen Sie Analytik- und ML-Workloads – darunter Apache-Spark-Aufträge, SQL-Dashboards, ML-Modelle und generative KI-Anwendungen – mit einer einzigen Datenkopie aus. Dabei können Sie die Daten in dem Format speichern, das für Ihre Workloads am besten geeignet ist.

Dank der Apache-Iceberg-Kompatibilität sind alle Daten vollständig ACID-konform (Atomic, Consistent, Isolated, Durable) für leistungsstarke SQL-Analytik.

Führen Sie Verbundabfragen für Daten aus, die in mehreren Drittanbieterquellen wie Google BigQuery, SQL Server und Snowflake gespeichert sind, um direkt auf Ihre Daten zuzugreifen und sie abzufragen.

Nutzen Sie die Flexibilität eines Data Lakes und die Leistung eines Data Warehouse, ohne Ihre bestehende Datenarchitektur zu ändern. Greifen Sie auf hochoptimierte Amazon-Redshift-Speicher und sekundäre Datenstrukturen wie materialisierte Ansichten zu, um die SQL-Analytik in Ihren Data Lakes zu beschleunigen.

Bringen Sie Daten aus Ihren Betriebsdatenbanken wie Amazon DynamoDB, Amazon Aurora MySQL, Amazon Aurora PostgreSQL, Amazon RDS für MySQL und Anwendungen wie Salesforce, ServiceNow und Zendesk mit Null-ETL-Integrationen für Analytik nahezu in Echtzeit zum Lakehouse.

Definieren Sie einmalig detaillierte Berechtigungen und setzen Sie diese für alle Ihre Daten in allen Analyse-Tools und Engines durch.