亞馬遜雲科技三種資料分析服務的無伺服器功能正式可用

全球TMT發表於2022-08-30

Amazon EMR 、Amazon MSK  和 Amazon Redshift 無伺服器功能 可幫助客戶 大規模 分析 資料,而無需配置、擴充套件或管理底層基礎設施

北京 2022年8月30日 /美通社/ -- 日前,亞馬遜雲科技宣佈三種資料分析服務的無伺服器功能正式可用,客戶無需配置、擴充套件或管理底層基礎架構,即可輕鬆地分析任何規模的資料。Amazon EMR Serverless讓客戶無需管理底層基礎設施,即可使用開源大資料框架(如 Apache Spark、Hive)執行分析型應用程式;Amazon Managed Streaming for Apache Kafka (Amazon MSK) Serverless可簡化實時資料攝取和流式傳輸;Amazon Redshift Serverless讓客戶無需管理資料倉儲叢集,即可以PB級資料規模執行高效能分析工作負載。亞馬遜雲科技此次的新發布以及其他無伺服器資料分析服務,如用於商業智慧的 Amazon QuickSight、用於資料整合的 ,讓客戶能夠更輕鬆、經濟高效地構建現代化基礎設施分析任何規模的資料,無需規劃容量,也不會擔心產生因按峰值需求過度配置的額外成本。客戶使用Amazon EMR Serverless、Amazon MSK Serverless和Amazon Redshift Serverless無需預先承諾付費或支付額外費用,只需為其資料分析工作負載所需的容量付費。

亞馬遜雲科技資料庫、資料分析和機器學習副總裁Swami Sivasubramanian表示:"企業為了推動創新、改善客戶體驗以及做出更快更好的決策,希望能最大化資料價值。為了幫助企業更輕鬆地實現這一點,我們推出了廣泛的雲中資料分析無伺服器功能,覆蓋資料倉儲、大資料處理、實時資料分析、資料整合、互動式儀表板和視覺化等眾多領域。我們新推出的這些無伺服器功能,讓客戶可以更好的執行不可預測以及間歇性的資料分析工作負載,並將分析工作擴充套件到整個組織,無需考慮資源配置、容量擴充套件或者擔心產生額外成本。"

為幫助客戶最大化資料價值,亞馬遜雲科技提供了廣泛的、專門構建的資料分析服務,包括處理大量非結構性資料(使用Apache Spark 和 Hive 等開源大資料框架)的 ,處理實時資料流的 ,以及用於資料倉儲的 。雖然這些服務已經為客戶提供了強大的功能,但仍有客戶希望能進一步幫助他們處理具有高度不確定性或者間歇性的工作負載,不必管理底層基礎設施,並自動根據應用程式需求增減資源。為了消除擴充套件和管理基礎設施的複雜性,亞馬遜雲科技於 2014 年在計算領域引入無伺服器、事件驅動的概念。藉助亞馬遜雲科技的無伺服器技術,包括用於實時資料流的Amazon Kinesis Data Streams、用於資料整合的Amazon Glue以及用於互動式儀表板和視覺化的Amazon QuickSight,大量客戶已經實現了自動部署、按需縮放、按需付費。亞馬遜雲科技新推出的Amazon EMR、Amazon MSK和Amazon Redshift的無伺服器功能,進一步擴充套件了其資料分析的無伺服器能力,讓客戶能夠更輕鬆地將資料分析擴充套件到更多使用者,最大化資料價值,同時降低成本。

  • Amazon EMR Serverless 實現無伺服器的大資料分析: 數以萬計的客戶正在使用Amazon EMR 執行包括Apache Spark Hive Presto 等開源框架,用於大規模分散式資料處理作業、互動式 SQL  查詢和機器學習應用程式。Amazon EMR 支援雲中廣泛的大資料框架,讓客戶以低於本地解決方案一半的成本,更快地執行大資料應用程式和PB 級資料分析。客戶只需簡單指定想要執行的框架, Amazon EMR Serverless 就可以隨著工作負載需求的變化,自動配置、管理和擴充套件所需的計算和記憶體資源。客戶要開始使用Amazon EMR Serverless ,只需要簡單地 選擇一個開源框架,然後使用Amazon  EMR API Amazon Command Line Interface Amazon CLI ), 或與Amazon EMR Studio 整合的開發環境 提交任務 Amazon EMR Serverless 現已在美國東部(弗吉尼亞北部)、美國西部(俄勒岡)、亞太地區(東京)和歐洲(愛爾蘭)正式可用,很快將在亞馬遜雲科技其他區域推出。欲瞭解Amazon EMR Serverless ,請訪問
  • Amazon MSK Serverless 實現無伺服器的流資料處理: 越來越多企業正採用Apache Kafka 捕獲和分析來自物聯網裝置、網站點選流、資料庫日誌和許多其他持續生成動態資料的實時資料流。Amazon MSK Serverless 可自動配置、管理和擴充套件叢集,客戶不必擔心容量規劃或不可預測的流式工作負載。客戶要開始使用Amazon MSK Serverless ,只需在Amazon MSK 控制檯建立一個叢集,設定一個專用且安全的Apache Kafka endpoint ,就可以使用新的或已有的Apache Kafka 客戶端進行流式資料傳輸。Amazon MSK Serverless 現已在美國東部(俄亥俄)、美國東部(弗吉尼亞北部)、美國西部(俄勒岡)、亞太地區(新加坡)、亞太地區(悉尼)、亞太地區(東京)、歐洲(法蘭克福)、歐洲(愛爾蘭)和歐洲(斯德哥爾摩)正式可用,很快將在亞馬遜雲科技其他區域可用。欲瞭解Amazon MSK Serverless ,請訪問
  • Amazon Redshift Serverless 實現無伺服器的資料倉儲: 數以萬計的客戶每天都在使用Amazon Redshift 處理累計超過2EB 的資料。與其它的企業雲資料倉儲相比,Amazon Redshift 提供高達倍的價效比,以更低的成本為客戶提供更快的資料分析。Amazon Redshift Serverless 讓客戶無需管理資料倉儲基礎設施,即可輕鬆地從資料中快速獲得洞察。當前自行管理 Amazon Redshift  叢集的客戶無需更改應用程式,就可以透過 Amazon Redshift  控制檯或應用程式程式設計介面(API )輕鬆地將它們轉移到新的無伺服器叢集上。Amazon Redshift Serverless 現已在美國東部(俄亥俄)、美國東部(弗吉尼亞北部)、美國西部(俄勒岡)、亞太地區(新加坡)、亞太地區(悉尼)、亞太地區(首爾)、亞太地區(東京)、歐洲(法蘭克福)、歐洲(愛爾蘭)、歐洲(倫敦)和歐洲(斯德哥爾摩)正式可用,很快將在亞馬遜雲科技其他區域可用。欲瞭解Amazon Redshift Serverless ,請訪問

基於Apache Kylin,Kyligence Cloud致力於加速企業的業務智慧和大資料分析。Kyligence聯合創始人兼執行長韓卿(Luke Han)表示:"為了幫助客戶基於海量資料做出關鍵業務決策,我們的平臺要使用Spark任務載入和處理大量資料。隨著規模變大,成本以及運營開銷也隨之增加。Amazon EMR Serverless把我們從維護和調優叢集的管理任務中解放出來。Amazon EMR Serverless幫助我們降低了複雜性,我們不必為了提高效能而處理耗時的、根據工作負載需求的變化管理、調整和最佳化叢集。它比我們以往的解決方案更具成本效益,這也節省了客戶成本。"

Glas Data為農業部門提供簡化的資料管理。Glas Data技術長兼創始人Robert Sanders表示: "我們使用 Amazon MSK 實時攝取和處理資料,為客戶提供自動化的資料分析和預警。我們的工作負載是變化、不可預測的,有些只需要很少的容量生成少量訊息,而有些則需要較大容量以生產大量的訊息。工作負載的多變性讓我們難以預測在什麼時間採取何種行動,致使我們需要不斷監控和調整容量,以避免無法預計的容量限制。Amazon MSK Serverless可根據工作負載要求自動擴充套件容量,節省了我們的系統管理開銷,讓我們不必擔心記憶體和儲存限制或產生額外成本,而將精力聚焦於解決方案的開發。"

Informatica提供了一個端到端的雲資料管理平臺,用於連線、管理、整合和治理資料,使企業能夠現代化和推進其資料戰略。"企業都希望提升資料和分析能力,但面臨著資料孤島、成本和基礎設施管理方面的諸多挑戰。"Informatica生態系統全球副總裁Rik Tamm-Daniels表示:"Amazon Redshift Serverless幫助我們應對這些挑戰,該服務透過自動配置和擴充套件資源來滿足需求,讓我們更輕鬆地進行資料分析,無需搭建和管理資料倉儲基礎設施,也不必擔心因按峰值需求過度配置而產生額外成本。Amazon Redshift Serverless以及我們在亞馬遜雲科技上的智慧資料管理雲,幫助我們為客戶提供無伺服器資料和資料分析的根基,支援客戶的關鍵業務。"

亞馬遜雲科技將於9月22日-23日線上線下同步舉辦以"自由構建 探索無限"為主題的中國峰會,推出涵蓋行業視野、技術創新、開發者、合作伙伴的4大主題演講,覆蓋雲端計算各細分領域的11大技術分論壇,匯聚各行業上雲趨勢及創新實踐的13大行業分論壇,以及圍繞實時熱門話題開展的4大開發者論壇,分享前瞻洞察。即刻註冊,讓我們共同見證亞馬遜的一小步,雲端計算的一大步。


來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/70004007/viewspace-2912689/,如需轉載,請註明出處,否則將追究法律責任。

相關文章