Các tính năng của Amazon SageMaker Lakehouse

Truy cập và truy vấn tại chỗ dữ liệu của bạn, với các công cụ và phương tiện tương thích với Apache Iceberg theo sự lựa chọn của bạn. Chạy phân tích và các trường hợp sử dụng ML, từ công việc Apache Spark ETL cho đến bảng điều khiển SQL, mô hình cá nhân hóa máy học (ML) và các ứng dụng AI tạo sinh bằng cách sử dụng các công cụ và phương tiện tương thích với Apache Iceberg mà bạn ưa thích.

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.

Chạy các công cụ và phương tiện phân tích theo sự lựa chọn của bạn, chẳng hạn như SQL, Apache Spark, trí tuệ doanh nghiệp (BI) và các công cụ AI/ML, trên một bản sao dữ liệu duy nhất, đồng thời 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 trong Hồ dữ liệu SageMaker 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 suất cao.

Chạy truy vấn liên kết trên dữ liệu được lưu trữ tại nhiều nguồn của bên thứ ba để truy cập và truy vấn tại chỗ 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 Hồ dữ liệu SageMaker bằng cách sử dụng tích hợp không ETL để phân tích gần thời gian thực.

Bảo mật dữ liệu của bạn trong Hồ dữ liệu SageMaker bằng các kiểm soát truy cập tích hợp. Xác định quyền một lần và các quyền này được thực thi trên tất cả dữ liệu của bạn trong tất cả các công cụ và phương tiện phân tích.