Features von Amazon SageMaker Lakehouse

Greifen Sie mit Apache-Iceberg-kompatiblen Tools und Engines Ihrer Wahl direkt auf Ihre Daten zu und fragen Sie sie ab. Führen Sie Analysen und Anwendungsfälle für Machine Learning (ML) durch, die von Apache Spark Extract, Transform, Load (ETL)-Jobs bis hin zu SQL-Dashboards, ML-Personalisierungsmodellen und Anwendungen für generative KI reichen, und verwenden Sie dabei Ihre bevorzugten Apache Iceberg-kompatiblen Engines und Tools.

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.

Führen Sie Analysetools und Engines Ihrer Wahl wie SQL, Apache Spark, Business Intelligence (BI) und KI/ML-Tools auf einer einzigen Datenkopie aus und speichern Sie die Daten in einem Format, das für Ihre Workloads am besten geeignet ist.

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

Führen Sie Verbundabfragen für Daten aus, die in mehreren Quellen von Drittanbietern gespeichert sind, um direkt auf Ihre Daten zuzugreifen und diese abzufragen.

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 Analysen nahezu in Echtzeit zu SageMaker Lakehouse.

Schützen Sie Ihre Daten in SageMaker Lakehouse mit integrierten Zugriffskontrollen. Definieren Sie Berechtigungen einmal und diese Berechtigungen werden für all Ihre Daten in allen Analysetools und Engines durchgesetzt.