Tính năng của kiến trúc lakehouse

Sở hữu khả năng linh hoạt để truy cập và truy vấn tại chỗ dữ liệu của bạn bằng bất kỳ công cụ và phương tiện tương thích với Apache Iceberg nào theo sự lựa chọn của bạn.

Chạy khối lượng công việc phân tích và ML, bao gồm các tác vụ Apache Spark, bảng điều khiển SQL, mô hình ML và ứng dụng AI tạo sinh, trên một bản sao dữ liệu duy nhất, lưu trữ dữ liệu ở định dạng phù hợp nhất với khối lượng công việc của bạn.

Nhờ khả năng tương thích với Apache Iceberg, tất cả dữ liệu hoàn toàn tuân thủ ACID (Atomic – Tính đồng bộ, Consistent – Tính nhất quán, Isolation – Tính cách ly, Durable – Tính bền bỉ) để phân tích SQL hiệu năng cao.

Chạy truy vấn liên kết trên dữ liệu được lưu trữ tại nhiều nguồn của bên thứ ba, ví dụ như Google BigQuery, SQL Server và Snowflake, để truy cập và truy vấn tại chỗ dữ liệu của bạn.

Có được sự linh hoạt của hồ dữ liệu và hiệu suất của kho dữ liệu mà không cần thay đổi kiến trúc dữ liệu hiện có. Truy cập các cấu trúc dữ liệu thứ cấp và việc lưu trữ Amazon Redshift được tối ưu hóa cao, chẳng hạn như chế độ xem cụ thể hóa, để tăng tốc độ phân tích SQL trong hồ dữ liệu của bạn.

Tích hợp dữ liệu từ cơ sở dữ liệu hoạt động của bạn như Amazon DynamoDB, Amazon Aurora MySQL, Amazon Aurora PostgreSQL, Amazon RDS dành cho MySQL và các ứng dụng bao gồm Salesforce, ServiceNow và Zendesk vào Lakehouse bằng cách sử dụng tích hợp không ETL để phân tích gần thời gian thực.

Xác định quyền chi tiết một lần và thực thi các quyền đó trên tất cả dữ liệu của bạn trong tất cả các công cụ và phương tiện phân tích.