Καθημερινά, οι συσκευές Amazon επεξεργάζονται και αναλύουν δισεκατομμύρια συναλλαγές από ομάδες παγκόσμιας αποστολής, αποθέματος, χωρητικότητας, προμήθειας, πωλήσεων, μάρκετινγκ, παραγωγών και εξυπηρέτησης πελατών. Αυτά τα δεδομένα χρησιμοποιούνται για την προμήθεια αποθέματος συσκευών για την κάλυψη των απαιτήσεων των πελατών της Amazon. Με τους όγκους δεδομένων να παρουσιάζουν διψήφιο ποσοστό αύξησης από έτος σε έτος και την πανδημία COVID να διακόπτει τα παγκόσμια logistics το 2021, έγινε πιο κρίσιμο να κλιμακωθεί και να δημιουργηθούν δεδομένα σχεδόν σε πραγματικό χρόνο.
Αυτή η ανάρτηση σάς δείχνει πώς μεταφερθήκαμε σε μια λίμνη δεδομένων χωρίς διακομιστή, η οποία είναι χτισμένη σε AWS, η οποία καταναλώνει δεδομένα αυτόματα από πολλές πηγές και διαφορετικές μορφές. Επιπλέον, δημιούργησε περαιτέρω ευκαιρίες για τους επιστήμονες και τους μηχανικούς δεδομένων μας να χρησιμοποιούν υπηρεσίες τεχνητής νοημοσύνης και μηχανικής μάθησης (ML) για συνεχή τροφοδοσία και ανάλυση δεδομένων.
Προκλήσεις και σχεδιαστικές ανησυχίες
Η αρχιτεκτονική παλαιού τύπου μας χρησιμοποιείται κυρίως Amazon Elastic Compute Cloud (Amazon EC2) για εξαγωγή των δεδομένων από διάφορες εσωτερικές ετερογενείς πηγές δεδομένων και REST API με τον συνδυασμό Απλή υπηρεσία αποθήκευσης Amazon (Amazon S3) για να φορτώσετε τα δεδομένα και Amazon RedShift για περαιτέρω ανάλυση και δημιουργία εντολών αγοράς.
Διαπιστώσαμε ότι αυτή η προσέγγιση είχε ως αποτέλεσμα ορισμένες ελλείψεις και ως εκ τούτου οδήγησε σε βελτιώσεις στους ακόλουθους τομείς:
- Ταχύτητα προγραμματιστή – Λόγω της έλλειψης ενοποίησης και ανακάλυψης σχήματος, που είναι οι κύριοι λόγοι για αποτυχίες χρόνου εκτέλεσης, οι προγραμματιστές συχνά αφιέρωσαν χρόνο ασχολούμενοι με λειτουργικά ζητήματα και θέματα συντήρησης.
- Απεριόριστες δυνατότητες – Τα περισσότερα από αυτά τα σύνολα δεδομένων μοιράζονται σε όλο τον κόσμο. Επομένως, πρέπει να τηρούμε τα όρια κλιμάκωσης κατά την αναζήτηση των δεδομένων.
- Ελάχιστη συντήρηση υποδομής – Η τρέχουσα διαδικασία εκτείνεται σε πολλούς υπολογισμούς ανάλογα με την πηγή δεδομένων. Ως εκ τούτου, η μείωση της συντήρησης της υποδομής είναι κρίσιμη.
- Απόκριση στις αλλαγές της πηγής δεδομένων – Το τρέχον σύστημά μας λαμβάνει δεδομένα από διάφορες ετερογενείς αποθήκες και υπηρεσίες δεδομένων. Οποιεσδήποτε ενημερώσεις σε αυτές τις υπηρεσίες χρειάζονται μήνες κύκλων προγραμματιστών. Οι χρόνοι απόκρισης για αυτές τις πηγές δεδομένων είναι κρίσιμοι για τα βασικά ενδιαφερόμενα μέρη μας. Επομένως, πρέπει να ακολουθήσουμε μια προσέγγιση βάσει δεδομένων για να επιλέξουμε μια αρχιτεκτονική υψηλής απόδοσης.
- Αποθήκευση και πλεονασμός – Λόγω των ετερογενών αποθηκών δεδομένων και μοντέλων, ήταν δύσκολο να αποθηκεύονται τα διαφορετικά σύνολα δεδομένων από διάφορες ομάδες ενδιαφερομένων επιχειρήσεων. Επομένως, η έκδοση εκδόσεων μαζί με τα αυξητικά και διαφορικά δεδομένα για σύγκριση θα παρέχει μια αξιοσημείωτη ικανότητα δημιουργίας πιο βελτιστοποιημένων σχεδίων
- Φυγά και προσβασιμότητα – Λόγω της ασταθούς φύσης των logistics, μερικές ομάδες επιχειρηματικών ενδιαφερομένων έχουν την απαίτηση να αναλύσουν τα δεδομένα κατά ζήτηση και να δημιουργήσουν το βέλτιστο σχέδιο σχεδόν σε πραγματικό χρόνο για τις εντολές αγοράς. Αυτό εισάγει την ανάγκη τόσο για δημοσκόπηση όσο και για ώθηση των δεδομένων για πρόσβαση και ανάλυση σε σχεδόν πραγματικό χρόνο.
Στρατηγική υλοποίησης
Με βάση αυτές τις απαιτήσεις, αλλάξαμε στρατηγικές και αρχίσαμε να αναλύουμε κάθε ζήτημα για να εντοπίσουμε τη λύση. Αρχιτεκτονικά, επιλέξαμε ένα μοντέλο χωρίς διακομιστή και η γραμμή δράσης αρχιτεκτονικής δεδομένων λίμνης αναφέρεται σε όλα τα αρχιτεκτονικά κενά και τα προκλητικά χαρακτηριστικά που αποφασίσαμε ότι ήταν μέρος των βελτιώσεων. Από επιχειρησιακής σκοπιάς, σχεδιάσαμε ένα νέο μοντέλο κοινής ευθύνης για χρήση απορρόφησης δεδομένων Κόλλα AWS αντί για εσωτερικές υπηρεσίες (REST API) που έχουν σχεδιαστεί στο Amazon EC2 για την εξαγωγή των δεδομένων. Χρησιμοποιήσαμε επίσης AWS Lambda για επεξεργασία δεδομένων. Μετά διαλέξαμε Αμαζόν Αθηνά ως υπηρεσία ερωτημάτων μας. Για περαιτέρω βελτιστοποίηση και βελτίωση της ταχύτητας προγραμματιστών για τους καταναλωτές δεδομένων μας, προσθέσαμε Amazon DynamoDB ως αποθήκευση μεταδεδομένων για διαφορετικές πηγές δεδομένων που προσγειώνονται στη λίμνη δεδομένων. Αυτές οι δύο αποφάσεις οδήγησαν σε κάθε απόφαση σχεδιασμού και εφαρμογής που λάβαμε.
Το παρακάτω διάγραμμα απεικονίζει την αρχιτεκτονική
Στις επόμενες ενότητες, εξετάζουμε κάθε στοιχείο της αρχιτεκτονικής με περισσότερες λεπτομέρειες καθώς προχωράμε στη ροή της διαδικασίας.
Κόλλα AWS για ETL
Για να ανταποκριθούμε στη ζήτηση των πελατών ενώ υποστηρίζουμε την κλίμακα των πηγών δεδομένων των νέων επιχειρήσεων, ήταν κρίσιμο για εμάς να έχουμε υψηλό βαθμό ευελιξίας, επεκτασιμότητας και ανταπόκρισης κατά την αναζήτηση διαφόρων πηγών δεδομένων.
Το AWS Glue είναι μια υπηρεσία ενσωμάτωσης δεδομένων χωρίς διακομιστή που διευκολύνει τους χρήστες αναλυτικών στοιχείων να ανακαλύψουν, να προετοιμάσουν, να μετακινήσουν και να ενσωματώσουν δεδομένα από πολλές πηγές. Μπορείτε να το χρησιμοποιήσετε για ανάλυση, ML και ανάπτυξη εφαρμογών. Περιλαμβάνει επίσης πρόσθετη παραγωγικότητα και εργαλεία DataOps για συγγραφή, εκτέλεση εργασιών και υλοποίηση επιχειρηματικών ροών εργασίας.
Με το AWS Glue, μπορείτε να ανακαλύψετε και να συνδεθείτε σε περισσότερες από 70 διαφορετικές πηγές δεδομένων και να διαχειριστείτε τα δεδομένα σας σε έναν κεντρικό κατάλογο δεδομένων. Μπορείτε να δημιουργήσετε οπτικά, να εκτελέσετε και να παρακολουθήσετε εξαγωγή, μετασχηματισμό και φόρτωση αγωγών (ETL) για να φορτώσετε δεδομένα στις λίμνες δεδομένων σας. Επίσης, μπορείτε αμέσως να αναζητήσετε και να ρωτήσετε καταγεγραμμένα δεδομένα χρησιμοποιώντας το Athena, EMR Αμαζονίου, να Φάσμα Amazon Redshift.
Το AWS Glue μας διευκόλυνε τη σύνδεση με τα δεδομένα σε διάφορες αποθήκες δεδομένων, την επεξεργασία και τον καθαρισμό των δεδομένων όπως απαιτείται και τη φόρτωση των δεδομένων σε ένα κατάστημα που παρέχεται από το AWS για μια ενοποιημένη προβολή. Οι εργασίες κόλλας AWS μπορούν να προγραμματιστούν ή να κληθούν κατόπιν αιτήματος για εξαγωγή δεδομένων από τον πόρο του πελάτη και από τη λίμνη δεδομένων.
Μερικές από τις αρμοδιότητες αυτών των θέσεων εργασίας είναι οι εξής:
- Εξαγωγή και μετατροπή μιας οντότητας πηγής σε οντότητα δεδομένων
- Εμπλουτίστε τα δεδομένα ώστε να περιέχουν έτος, μήνα και ημέρα για καλύτερη καταλογογράφηση και συμπεριλάβετε ένα αναγνωριστικό στιγμιότυπου για καλύτερη αναζήτηση
- Εκτελέστε επικύρωση εισόδου και δημιουργία διαδρομής για το Amazon S3
- Συσχετίστε τα διαπιστευμένα μεταδεδομένα με βάση το σύστημα προέλευσης
Η αναζήτηση REST API από εσωτερικές υπηρεσίες είναι μια από τις βασικές προκλήσεις μας και λαμβάνοντας υπόψη την ελάχιστη υποδομή, θέλαμε να τις χρησιμοποιήσουμε σε αυτό το έργο. Οι σύνδεσμοι κόλλας AWS μας βοήθησαν να τηρήσουμε την απαίτηση και τον στόχο. Για να αναζητήσουμε δεδομένα από REST API και άλλες πηγές δεδομένων, χρησιμοποιήσαμε λειτουργικές μονάδες PySpark και JDBC.
Το AWS Glue υποστηρίζει μια μεγάλη ποικιλία τύπων σύνδεσης. Για περισσότερες λεπτομέρειες, ανατρέξτε στο Τύποι και επιλογές σύνδεσης για ETL σε κόλλα AWS.
Κάδος S3 ως ζώνη προσγείωσης
Χρησιμοποιήσαμε έναν κάδο S3 ως ζώνη άμεσης προσγείωσης των εξαγόμενων δεδομένων, τα οποία υποβάλλονται σε περαιτέρω επεξεργασία και βελτιστοποίηση.
Λάμδα ως AWS Glue ETL Trigger
Ενεργοποιήσαμε τις ειδοποιήσεις συμβάντων S3 στον κάδο S3 για να ενεργοποιήσουν το Lambda, το οποίο διαχωρίζει περαιτέρω τα δεδομένα μας. Τα δεδομένα χωρίζονται σε InputDataSetName, Έτος, Μήνας και Ημερομηνία. Οποιοσδήποτε επεξεργαστής ερωτημάτων που εκτελείται πάνω από αυτά τα δεδομένα θα σαρώσει μόνο ένα υποσύνολο δεδομένων για καλύτερο κόστος και βελτιστοποίηση απόδοσης. Τα δεδομένα μας μπορούν να αποθηκευτούν σε διάφορες μορφές, όπως CSV, JSON και Parquet.
Τα ανεπεξέργαστα δεδομένα δεν είναι ιδανικά για τις περισσότερες περιπτώσεις χρήσης μας για τη δημιουργία του βέλτιστου σχεδίου, επειδή συχνά έχουν διπλότυπα ή λανθασμένους τύπους δεδομένων. Το πιο σημαντικό είναι ότι τα δεδομένα είναι σε πολλές μορφές, αλλά τροποποιήσαμε γρήγορα τα δεδομένα και παρατηρήσαμε σημαντικά κέρδη στην απόδοση ερωτημάτων από τη χρήση της μορφής Parquet. Εδώ, χρησιμοποιήσαμε μία από τις συμβουλές απόδοσης Κορυφαίες 10 συμβουλές συντονισμού απόδοσης για το Amazon Athena.
Εργασίες κόλλας AWS για ETL
Θέλαμε καλύτερο διαχωρισμό δεδομένων και προσβασιμότητα, γι' αυτό επιλέξαμε να έχουμε έναν διαφορετικό κάδο S3 για να βελτιώσουμε περαιτέρω την απόδοση. Χρησιμοποιήσαμε τις ίδιες εργασίες κόλλας AWS για να μετατρέψουμε και να φορτώσουμε περαιτέρω τα δεδομένα στον απαιτούμενο κάδο S3 και ένα τμήμα των εξαγόμενων μεταδεδομένων στο DynamoDB.
DynamoDB ως αποθήκευση μεταδεδομένων
Τώρα που έχουμε τα δεδομένα, διάφοροι επιχειρηματικοί φορείς τα καταναλώνουν περαιτέρω. Αυτό μας αφήνει με δύο ερωτήματα: ποια πηγή δεδομένων βρίσκονται στη λίμνη δεδομένων και ποια έκδοση. Επιλέξαμε το DynamoDB ως το κατάστημα μεταδεδομένων μας, το οποίο παρέχει τις πιο πρόσφατες λεπτομέρειες στους καταναλωτές για να αναζητήσουν αποτελεσματικά τα δεδομένα. Κάθε σύνολο δεδομένων στο σύστημά μας προσδιορίζεται μοναδικά από το αναγνωριστικό στιγμιότυπου, το οποίο μπορούμε να αναζητήσουμε από το χώρο αποθήκευσης μεταδεδομένων μας. Οι πελάτες έχουν πρόσβαση σε αυτό το χώρο αποθήκευσης δεδομένων με ένα API.
Το Amazon S3 ως λίμνη δεδομένων
Για καλύτερη ποιότητα δεδομένων, εξάγαμε τα εμπλουτισμένα δεδομένα σε έναν άλλο κάδο S3 με την ίδια εργασία κόλλας AWS.
AWS Glue Crawler
Τα ερπυστριοφόρα είναι η «μυστική σάλτσα» που μας δίνει τη δυνατότητα να ανταποκρινόμαστε στις αλλαγές του σχήματος. Καθ' όλη τη διάρκεια της διαδικασίας, επιλέξαμε να κάνουμε κάθε βήμα όσο το δυνατόν πιο αγνωστικό ως προς το σχήμα, κάτι που επιτρέπει σε τυχόν αλλαγές σχήματος να ρέουν μέχρι να φτάσουν στο AWS Glue. Με έναν ανιχνευτή, θα μπορούσαμε να διατηρήσουμε τις αγνωστικές αλλαγές που συμβαίνουν στο σχήμα. Αυτό μας βοήθησε να ανιχνεύσουμε αυτόματα τα δεδομένα από το Amazon S3 και να δημιουργήσουμε το σχήμα και τους πίνακες.
Κατάλογος δεδομένων κόλλας AWS
Ο Κατάλογος Δεδομένων μας βοήθησε να διατηρήσουμε τον κατάλογο ως ευρετήριο για τις μετρήσεις τοποθεσίας, σχήματος και χρόνου εκτέλεσης των δεδομένων στο Amazon S3. Οι πληροφορίες στον Κατάλογο Δεδομένων αποθηκεύονται ως πίνακες μεταδεδομένων, όπου κάθε πίνακας καθορίζει ένα μεμονωμένο χώρο αποθήκευσης δεδομένων.
Athena για ερωτήματα SQL
Το Athena είναι μια διαδραστική υπηρεσία ερωτημάτων που διευκολύνει την ανάλυση δεδομένων στο Amazon S3 χρησιμοποιώντας τυπική SQL. Το Athena είναι χωρίς διακομιστή, επομένως δεν υπάρχει υποδομή για διαχείριση και πληρώνετε μόνο για τα ερωτήματα που εκτελείτε. Θεωρήσαμε τη λειτουργική σταθερότητα και την αύξηση της ταχύτητας προγραμματιστή ως βασικούς παράγοντες βελτίωσης.
Βελτιστοποιήσαμε περαιτέρω τη διαδικασία υποβολής ερωτημάτων στο Athena, ώστε οι χρήστες να μπορούν να συνδέσουν τις τιμές και τα ερωτήματα για τη λήψη δεδομένων από το Athena δημιουργώντας τα ακόλουθα:
- An Κιτ ανάπτυξης AWS Cloud (AWS CDK) πρότυπο για τη δημιουργία υποδομής Athena και Διαχείριση ταυτότητας και πρόσβασης AWS ρόλους (IAM) για πρόσβαση σε κάδους δεδομένων lake S3 και στον Κατάλογο Δεδομένων από οποιονδήποτε λογαριασμό
- Μια βιβλιοθήκη ώστε ο πελάτης να μπορεί να παρέχει έναν ρόλο IAM, ένα ερώτημα, μια μορφή δεδομένων και θέση εξόδου για να ξεκινήσει ένα ερώτημα Athena και να λάβει την κατάσταση και το αποτέλεσμα του ερωτήματος που εκτελείται στον κάδο της επιλογής του.
Η υποβολή ερωτήματος στο Athena είναι μια διαδικασία δύο βημάτων:
- StartQueryExecution – Αυτό ξεκινά την εκτέλεση του ερωτήματος και λαμβάνει το αναγνωριστικό εκτέλεσης. Οι χρήστες μπορούν να παρέχουν τη θέση εξόδου όπου θα αποθηκευτεί η έξοδος του ερωτήματος.
- GetQueryExecution – Αυτό λαμβάνει την κατάσταση ερωτήματος επειδή η εκτέλεση είναι ασύγχρονη. Όταν είναι επιτυχής, μπορείτε να ρωτήσετε την έξοδο σε ένα αρχείο S3 ή μέσω API.
Η βοηθητική μέθοδος για την έναρξη της εκτέλεσης ερωτήματος και τη λήψη του αποτελέσματος θα βρίσκεται στη βιβλιοθήκη.
Υπηρεσία μεταδεδομένων δεδομένων λίμνης
Αυτή η υπηρεσία έχει αναπτυχθεί κατά παραγγελία και αλληλεπιδρά με το DynamoDB για να λάβει τα μεταδεδομένα (όνομα συνόλου δεδομένων, αναγνωριστικό στιγμιότυπου, συμβολοσειρά διαμερίσματος, χρονική σήμανση και σύνδεσμος S3 των δεδομένων) με τη μορφή REST API. Όταν ανακαλυφθεί το σχήμα, οι πελάτες χρησιμοποιούν το Athena ως τον επεξεργαστή ερωτημάτων τους για να υποβάλουν ερωτήματα στα δεδομένα.
Επειδή όλα τα σύνολα δεδομένων έχουν ένα αναγνωριστικό στιγμιότυπου είναι χωρισμένα, το ερώτημα σύνδεσης δεν οδηγεί σε πλήρη σάρωση πίνακα, αλλά μόνο σε σάρωση διαμερίσματος στο Amazon S3. Χρησιμοποιήσαμε το Athena ως τον επεξεργαστή ερωτημάτων μας λόγω της ευκολίας του να μην διαχειρίζεται την υποδομή ερωτημάτων μας. Αργότερα, εάν αισθανόμαστε ότι χρειαζόμαστε κάτι περισσότερο, μπορούμε να χρησιμοποιήσουμε είτε το Redshift Spectrum είτε το Amazon EMR.
Συμπέρασμα
Οι ομάδες της Amazon Devices ανακάλυψαν σημαντική αξία μεταβαίνοντας σε μια αρχιτεκτονική λίμνης δεδομένων χρησιμοποιώντας το AWS Glue, το οποίο επέτρεψε σε πολλούς παγκόσμιους επιχειρηματικούς φορείς να απορροφούν δεδομένα με πιο παραγωγικούς τρόπους. Αυτό έδωσε τη δυνατότητα στις ομάδες να δημιουργήσουν το βέλτιστο σχέδιο για την υποβολή παραγγελιών αγοράς συσκευών αναλύοντας τα διαφορετικά σύνολα δεδομένων σε σχεδόν πραγματικό χρόνο με την κατάλληλη επιχειρηματική λογική για την επίλυση των προβλημάτων της αλυσίδας εφοδιασμού, της ζήτησης και των προβλέψεων.
Από λειτουργική άποψη, η επένδυση έχει ήδη αρχίσει να αποδίδει:
- Τυποποίησε τους μηχανισμούς απορρόφησης, αποθήκευσης και ανάκτησης, εξοικονομώντας χρόνο επιβίβασης. Πριν από την εφαρμογή αυτού του συστήματος, ένα σύνολο δεδομένων χρειάστηκε 1 μήνα για να ενσωματωθεί. Λόγω της νέας μας αρχιτεκτονικής, μπορέσαμε να ενσωματώσουμε 15 νέα σύνολα δεδομένων σε λιγότερο από 2 μήνες, γεγονός που βελτίωσε την ευελιξία μας κατά 70%.
- Αφαίρεσε τα σημεία συμφόρησης κλιμάκωσης, δημιουργώντας ένα ομοιογενές σύστημα που μπορεί γρήγορα να κλιμακωθεί σε χιλιάδες διαδρομές.
- Η λύση πρόσθεσε σχήμα και επικύρωση ποιότητας δεδομένων πριν αποδεχτεί τυχόν εισροές και απορρίψει εάν ανακαλυφθούν παραβιάσεις ποιότητας δεδομένων.
- Διευκόλυνε την ανάκτηση συνόλων δεδομένων, ενώ υποστηρίζει μελλοντικές προσομοιώσεις και περιπτώσεις χρήσης back tester που απαιτούν εισόδους με έκδοση. Αυτό θα κάνει απλούστερη την εκκίνηση και τη δοκιμή μοντέλων.
- Η λύση δημιούργησε μια κοινή υποδομή που μπορεί εύκολα να επεκταθεί σε άλλες ομάδες μέσω DIAL που έχουν παρόμοια προβλήματα με περιπτώσεις χρήσης απορρόφησης, αποθήκευσης και ανάκτησης δεδομένων.
- Τα λειτουργικά μας έξοδα έχουν μειωθεί σχεδόν κατά 90%.
- Αυτή η λίμνη δεδομένων μπορεί να προσπελαστεί αποτελεσματικά από τους επιστήμονες δεδομένων και τους μηχανικούς μας για να εκτελέσουν άλλες αναλύσεις και να έχουν μια προγνωστική προσέγγιση ως μια μελλοντική ευκαιρία για τη δημιουργία ακριβών σχεδίων για τις παραγγελίες αγοράς.
Τα βήματα σε αυτήν την ανάρτηση μπορούν να σας βοηθήσουν να σχεδιάσετε μια παρόμοια σύγχρονη στρατηγική δεδομένων χρησιμοποιώντας υπηρεσίες διαχειριζόμενες από AWS για την απορρόφηση δεδομένων από διαφορετικές πηγές, τη δημιουργία αυτόματα καταλόγων μεταδεδομένων, την απρόσκοπτη κοινή χρήση δεδομένων μεταξύ της λίμνης δεδομένων και της αποθήκης δεδομένων και τη δημιουργία ειδοποιήσεων στην περίπτωση αποτυχία ενορχηστρωμένης ροής εργασίας δεδομένων.
Σχετικά με τους συγγραφείς
Avinash Kolluri είναι Senior Solutions Architect στην AWS. Εργάζεται σε όλη την Amazon Alexa και Devices για την αρχιτεκτονική και το σχεδιασμό σύγχρονων διανεμημένων λύσεων. Το πάθος του είναι να δημιουργεί οικονομικά αποδοτικές και εξαιρετικά επεκτάσιμες λύσεις στο AWS. Στον ελεύθερο χρόνο του, του αρέσει να μαγειρεύει fusion συνταγές και να ταξιδεύει.
Vipul Verma είναι Sr.Software Engineer στο Amazon.com. Βρίσκεται στην Amazon από το 2015, λύνοντας προκλήσεις του πραγματικού κόσμου μέσω τεχνολογίας που επηρεάζουν άμεσα και βελτιώνουν τη ζωή των πελατών της Amazon. Στον ελεύθερο χρόνο του, του αρέσει η πεζοπορία.
- SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
- Platoblockchain. Web3 Metaverse Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
- πηγή: https://aws.amazon.com/blogs/big-data/how-amazon-devices-scaled-and-optimized-real-time-demand-and-supply-forecasts-using-serverless-analytics/
- 1
- 10
- 100
- 2021
- 70
- a
- ικανότητα
- Ικανός
- πρόσβαση
- πρόσβαση
- προσιτότητα
- διαπιστευμένος
- ακριβής
- απέναντι
- Ενέργειες
- προστιθέμενη
- Πρόσθετος
- AI
- Alexa
- Όλα
- επιτρέπει
- ήδη
- Amazon
- amazon alexa
- Amazon EC2
- EMR Αμαζονίου
- Amazon.com
- ανάλυση
- analytics
- αναλύσει
- αναλύοντας
- και
- Άλλος
- api
- APIs
- Εφαρμογή
- Ανάπτυξη Εφαρμογών
- πλησιάζω
- κατάλληλος
- αρχιτεκτονική
- αρχιτεκτονική
- περιοχές
- συγγραφικός
- αυτομάτως
- AWS
- Κόλλα AWS
- πίσω
- βασίζονται
- επειδή
- πριν
- Καλύτερα
- μεταξύ
- δισεκατομμύρια
- χτίζω
- χτισμένο
- επιχείρηση
- που ονομάζεται
- Χωρητικότητα
- περιπτώσεις
- κατάλογος
- καταλόγους
- κεντρική
- αλυσίδα
- προκλήσεις
- πρόκληση
- Αλλαγές
- επιλογή
- επέλεξε
- πελάτης
- πελάτες
- Backup
- COM
- συνδυασμός
- Κοινός
- συγκρίνουν
- συστατικό
- Υπολογίστε
- Connect
- σύνδεση
- θεωρούνται
- θεωρώντας
- καταναλώνουν
- Καταναλωτές
- συνεχώς
- μαγείρεμα
- πυρήνας
- Κόστος
- αποδοτική
- Δικαστικά έξοδα
- θα μπορούσε να
- Covidien
- έρπων
- δημιουργία
- δημιουργήθηκε
- δημιουργία
- κρίσιμης
- Ρεύμα
- έθιμο
- πελάτης
- Εξυπηρέτηση πελατών
- Πελάτες
- κύκλους
- ημερομηνία
- ολοκλήρωση δεδομένων
- Λίμνη δεδομένων
- επεξεργασία δεδομένων
- την ποιότητα των δεδομένων
- στρατηγική δεδομένων
- αποθήκη δεδομένων
- βασίζονται σε δεδομένα
- σύνολα δεδομένων
- Ημερομηνία
- ημέρα
- μοιρασιά
- απόφαση
- αποφάσεις
- Πτυχίο
- Ζήτηση
- απαιτήσεις
- Σε συνάρτηση
- Υπηρεσίες
- σχεδιασμένα
- λεπτομέρεια
- καθέκαστα
- αποφασισμένος
- αναπτύχθηκε
- Εργολάβος
- προγραμματιστές
- Ανάπτυξη
- Συσκευές
- διαφορετικές
- κατευθείαν
- ανακαλύπτουν
- ανακάλυψαν
- ανακάλυψη
- διανέμονται
- διάφορα
- Όχι
- αντίγραφα
- κάθε
- εύκολα
- αποτελεσματικά
- αποτελεσματικά
- είτε
- ενεργοποιημένη
- δίνει τη δυνατότητα
- μηχανικός
- Μηχανικοί
- εμπλουτισμένος
- οντότητα
- Αιθέρας (ΕΤΗ)
- Συμβάν
- Κάθε
- εκχύλισμα
- εξαγάγετε τα δεδομένα
- παράγοντες
- Αποτυχία
- Πεσμένος
- Χαρακτηριστικά
- λίγοι
- Αρχεία
- ροή
- Εξής
- εξής
- Πρόβλεψη
- μορφή
- μορφή
- Βρέθηκαν
- από
- πλήρη
- περαιτέρω
- Επί πλέον
- συγχώνευση
- μελλοντικός
- κέρδη
- παράγουν
- παραγωγής
- γενεά
- παίρνω
- να πάρει
- Παγκόσμιο
- παγκόσμια επιχείρηση
- σφαίρα
- γκολ
- Ανάπτυξη
- που έχει
- βοήθεια
- βοήθησε
- εδώ
- Ψηλά
- υψηλή απόδοση
- υψηλά
- πεζοπορία
- Πως
- HTML
- HTTPS
- IAM
- ιδανικό
- προσδιορίζονται
- προσδιορίσει
- Ταυτότητα
- άμεσος
- αμέσως
- Επίπτωση
- εκτέλεση
- εκτελεστικών
- βελτίωση
- βελτιωθεί
- βελτίωση
- βελτιώσεις
- in
- περιλαμβάνουν
- περιλαμβάνει
- αύξηση
- ευρετήριο
- πληροφορίες
- Υποδομή
- εισαγωγή
- αντί
- ενσωματώσει
- ολοκλήρωση
- διαδραστικό
- διαδραστικός
- εσωτερικός
- Εισάγει
- απογραφή
- επένδυση
- ζήτημα
- θέματα
- IT
- Δουλειά
- Θέσεις εργασίας
- ενταχθούν
- json
- Κλειδί
- Έλλειψη
- λίμνη
- προσγείωση
- αργότερο
- δρομολόγηση
- μάθηση
- Κληροδότημα
- Βιβλιοθήκη
- ζωή
- όρια
- γραμμή
- LINK
- φορτίο
- τοποθεσία
- επιμελητεία
- ματιά
- μηχανή
- μάθηση μηχανής
- που
- διατηρήσουν
- συντήρηση
- κάνω
- ΚΑΝΕΙ
- διαχείριση
- διαχείριση
- Μάρκετινγκ
- Γνωρίστε
- Μεταδεδομένα
- μέθοδος
- Metrics
- ελάχιστος
- ML
- μοντέλο
- μοντέλα
- ΜΟΝΤΕΡΝΑ
- τροποποιημένο
- ενότητες
- Παρακολούθηση
- Μήνας
- μήνες
- περισσότερο
- πλέον
- μετακινήσετε
- κίνηση
- πολλαπλούς
- όνομα
- Φύση
- Ανάγκη
- που απαιτούνται
- Νέα
- κοινοποιήσεις
- Onboard
- Επί του σκάφους
- ONE
- λειτουργίας
- επιχειρήσεων
- Ευκαιρίες
- Ευκαιρία
- βέλτιστη
- βελτιστοποίηση
- Βελτιστοποίηση
- βελτιστοποιημένη
- Επιλογές
- παραγγελιών
- ΑΛΛΑ
- πανδημία
- μέρος
- πάθος
- μονοπάτι
- Πληρωμή
- ποσοστό
- εκτελέσει
- επίδοση
- προοπτική
- Μέρος
- σχέδιο
- φώναξε
- Πλάτων
- Πληροφορία δεδομένων Plato
- Πλάτωνα δεδομένα
- δυνατός
- Θέση
- Προετοιμάστε
- πρωτίστως
- πρωταρχικός
- προβλήματα
- διαδικασια μας
- μεταποίηση
- Επεξεργαστής
- Παραγωγούς
- παραγωγικός
- παραγωγικότητα
- σχέδιο
- παρέχουν
- παρέχει
- αγορά
- Δραστήριος
- ποιότητα
- Ερωτήσεις
- γρήγορα
- Τιμή
- Ακατέργαστος
- ακατέργαστα δεδομένα
- φθάσουν
- πραγματικό κόσμο
- σε πραγματικό χρόνο
- λόγους
- συνταγές
- μείωση
- αναφέρεται
- αξιοσημείωτος
- Καταργήθηκε
- απαιτείται
- απαίτηση
- απαιτήσεις
- πόρος
- απάντησης
- ευθυνών
- ευθύνη
- ανταποκρίνονται
- ΠΕΡΙΦΕΡΕΙΑ
- αποτέλεσμα
- Ρόλος
- ρόλους
- τρέξιμο
- τρέξιμο
- εμπορικός
- ίδιο
- οικονομία
- Απεριόριστες δυνατότητες
- επεκτάσιμη
- Κλίμακα
- απολέπιση
- σάρωση
- προγραμματιστεί
- επιστήμονες
- άψογα
- Αναζήτηση
- τμήματα
- αρχαιότερος
- Χωρίς διακομιστή
- υπηρεσία
- Υπηρεσίες
- Κοινοποίηση
- Shared
- επιλέξτε ταχυδρομικά τέλη
- Δείχνει
- σημαντικός
- παρόμοιες
- Απλούς
- αφού
- ενιαίας
- Στιγμιότυπο
- So
- λογισμικό
- Μηχανικός Λογισμικού
- λύση
- Λύσεις
- SOLVE
- Επίλυση
- κάτι
- Πηγή
- Πηγές
- εκτείνεται
- Φάσμα
- πέρασε
- SQL
- σταθερότητα
- φορέα
- ενδιαφερόμενα μέρη
- πρότυπο
- Εκκίνηση
- ξεκίνησε
- Ξεκινήστε
- ξεκινά
- Κατάσταση
- Βήμα
- Βήματα
- χώρος στο δίσκο
- κατάστημα
- αποθηκεύονται
- καταστήματα
- στρατηγικές
- Στρατηγική
- επιτυχής
- τέτοιος
- προμήθεια
- αλυσίδας εφοδιασμού
- Στήριξη
- Υποστηρίζει
- σύστημα
- τραπέζι
- Πάρτε
- παίρνει
- ομάδες
- Τεχνολογία
- πρότυπο
- Δοκιμές
- Η
- Η Πηγη
- τους
- επομένως
- χιλιάδες
- Μέσω
- παντού
- ώρα
- φορές
- timestamp
- συμβουλές
- προς την
- κορυφή
- Συναλλαγές
- Μεταμορφώστε
- Ταξίδια
- ενεργοποιούν
- τύποι
- ενιαία
- ενημερώσεις
- us
- χρήση
- Χρήστες
- επικύρωση
- αξία
- Αξίες
- ποικιλία
- διάφορα
- Ταχύτητα
- εκδοχή
- μέσω
- Δες
- Παραβιάσεις
- πτητικός
- όγκους
- ήθελε
- Αποθήκη
- τρόπους
- Τι
- Ποιό
- ενώ
- ευρύς
- θα
- ροής εργασίας
- ροές εργασίας
- λειτουργεί
- θα
- έτος
- Σας
- zephyrnet