คุณสมบัติของ Lakehouse Architecture

หัวข้อของหน้า

ข้อมูลทั่วไป
7

ข้อมูลทั่วไป

เปิดทั้งหมด

รับความยืดหยุ่นในการเข้าถึงและสืบค้นข้อมูลในตัวด้วยเครื่องมือที่สามารถใช้ร่วมกับ Apache Iceberg และกลไกตามที่คุณเลือก

เรียกใช้การวิเคราะห์และเวิร์กโหลด ML โดยรวมงาน Apache Spark, แดชบอร์ด SQL, โมเดล ML และแอปพลิเคชัน AI ช่วยสร้างไว้ในสำเนาข้อมูลเดียว ซึ่งจัดเก็บไว้ในรูปแบบที่เหมาะกับเวิร์กโหลดของคุณมากที่สุด

ด้วยความเข้ากันได้กับ Apache Iceberg ข้อมูลทั้งหมดจึงสอดคล้องกับ ACID (Atomic, Consistent, Isolated, Reliable) อย่างสมบูรณ์สำหรับการวิเคราะห์ SQL ที่มีประสิทธิภาพสูง

เรียกใช้แบบสอบถามแบบรวมบนข้อมูลที่จัดเก็บจากแหล่งข้อมูลบุคคลที่สามหลายแหล่ง เช่น Google BigQuery, SQL Server และ Snowflake เพื่อเข้าถึงและสอบถามข้อมูลของคุณในสถานที่

ผสมผสานความยืดหยุ่นของ Data Lake และประสิทธิภาพของคลังข้อมูลโดยไม่ต้องเปลี่ยนสถาปัตยกรรมข้อมูลที่มีอยู่ เข้าถึงพื้นที่จัดเก็บ Amazon Redshift ที่ได้รับการปรับให้เหมาะสมสูงและโครงสร้างข้อมูลรอง เช่น มุมมองผลการสืบค้น เพื่อเพิ่มความเร็วในการวิเคราะห์ SQL ใน Data Lake ของคุณ

นำข้อมูลจากฐานข้อมูลปฏิบัติการของคุณ เช่น Amazon DynamoDB, Amazon Aurora MySQL, Amazon Aurora PostgreSQL, Amazon RDS สำหรับ MySQL และแอปพลิเคชันรวมถึง Salesforce, ServiceNow และ Zendesk ไปยังฐานข้อมูลโดยใช้การบูรณาการ ETL แบบไร้รอยต่อเพื่อการวิเคราะห์แบบเกือบเรียลไทม์

กำหนดสิทธิ์แบบละเอียดเพียงครั้งเดียวและบังคับใช้กับข้อมูลทั้งหมดของคุณในเครื่องมือและกลไกวิเคราะห์ทั้งหมด