
AWS發(fā)力大數據分析 推出全新EC2實例
亞馬遜網絡服務(AWS)發(fā)布了兩項新的EC2實例,用于應用和分析工作負荷,還有AWS Data Pipeline(允許企業(yè)在各種系統(tǒng)中遷移數據的網絡服務)。
這一消息是由AWS CTO Werner Vogels在首屆用戶大會“re: Invent”上發(fā)布的。Vogels表示,他們將幫助企業(yè)快速構建全新高級應用。
為數據分析定制的這兩項新的實例分別為集群高內存EC2實例和高存儲EC2實例。
Vogels說:“對于一直以來試圖進行大型分析的企業(yè),高存儲EC2實例正是為你準備的?!彼鼮橛脩籼峁┝?8TB的容量。
集群高內存EC2實例則為構建大型內存應用的企業(yè)量身定做。
另外,Amazon Data Pipeline將幫助企業(yè)創(chuàng)建自動和預定的數據流。
Data Pipeline是一種BI數據集成云服務,能夠實現組織大數據工作流程的自動化。
“Data Pipeline預先與現有AWS數據源進行集成,并與第三方和內部源相連接。”
簡單的界面設計
會上,AWS首席數據科學家Matt Wood現場演示了該服務程序,用戶只要運用簡單的拖放就能夠創(chuàng)建一條數據流水線,編制數據強化項目。
據Gartner首席調研分析師Kyle Hilgendorf稱,Data Pipeline用戶界面十分簡潔。他說:“我希望AWS的管理操縱技術會借由Data Pipeline GUI走的更遠?!?/span>
另外,數據服務還能夠創(chuàng)建數據分析的日報表和周報表。
Wood說:“有一項最常見的客戶需求,我們充分理解,他們想要知道如何才能對從Dynamo DB到Amazon S3的數據庫進行自動復制;現在Data Pipeline可以做到了?!?/span>
既然存在這么多不同的云數據收集系統(tǒng)——DynamoDB、Amazon S3、EMR和全新的數據倉庫服務Redshift等等,那么數據集成就會變得更加困難。
“Data Pipeline將會幫助企業(yè)克服大數據挑戰(zhàn),把所有不同源的數據整合到同一個系統(tǒng)中?!?/span>
21世紀的IT架構和應用
Vogels在演講中分享了他對21世紀應用和IT架構的看法:“新的應用程序必須具備高彈性、以數據為導向、適應性強和可控性等特點?!?/span>
“可控性”包含對成本的控制;“以數據為導向”即企業(yè)不斷檢查整個應用分布鏈并將所有數據存入日志的需要。
“編碼總會有失敗的時候。不要把這些失敗看作是例外,你應當注重構建應用中的彈性。”
Hold住自己的情感寄托
最后,他呼吁企業(yè)不要想當然,并建議他們在科技高速發(fā)展的時代增強適應能力。
“不要依賴于你的IT架構,服務器不會照顧到你的情感?!?/span>
對于云安全問題,他也有話要說:“當亞馬遜決定將所有服務遷移到AWS云端的時候,我們對所有數據進行了加密處理,包括流動數據和靜態(tài)數據?!?/span>
企業(yè)應當從細微處考慮數據集成的安全性。
“舊時代拼的是資源,而新時代拼的是業(yè)務。因此,企業(yè)必須從業(yè)務的角度審視IT架構和應用?!?/span>
數據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數據生態(tài)中兩類核心工具的差異與協同 在數字化轉型加速的今天,企業(yè)對數據的需求已從 “存儲” 轉向 “ ...
2025-09-19CDA 數據分析師:讓統(tǒng)計基本概念成為業(yè)務決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數據分析的 “基礎語言”—— 從描述數據分布的 “均 ...
2025-09-19CDA 數據分析師:表結構數據 “獲取 - 加工 - 使用” 全流程的賦能者 表結構數據(如數據庫表、Excel 表、CSV 文件)是企業(yè)數字 ...
2025-09-19SQL Server 中 CONVERT 函數的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數據處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數據庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數據分析師:解鎖表結構數據特征價值的專業(yè)核心 表結構數據(以 “行 - 列” 規(guī)范存儲的結構化數據,如數據庫表、Excel 表、 ...
2025-09-17Excel 導入數據含缺失值?詳解 dropna 函數的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數據時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數據分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數據差異是否 “ ...
2025-09-16CDA 數據分析師:掌控表格結構數據全功能周期的專業(yè)操盤手 表格結構數據(以 “行 - 列” 存儲的結構化數據,如 Excel 表、數據 ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數據分析師:激活表格結構數據價值的核心操盤手 表格結構數據(如 Excel 表格、數據庫表)是企業(yè)最基礎、最核心的數據形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數據爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數據的科學計數法問題 為幫助 Python 數據從業(yè)者解決pd.read_csv讀取長浮點數據時的科學計數法問題 ...
2025-09-12CDA 數據分析師:業(yè)務數據分析步驟的落地者與價值優(yōu)化者 業(yè)務數據分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數據把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數據驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11