Amazon EMR
ใช้งานและปรับขนาด Apache Spark, Hive, Presto และปริมาณงาน Big Data อื่นๆ ได้อย่างง่ายดาย
ทำให้การจัดการเป็นเรื่องง่ายด้วยการจัดหาคลัสเตอร์อย่างรวดเร็ว การปรับขนาดที่มีการจัดการ และการติดตั้งซอฟต์แวร์แบบอัตโนมัติ
พัฒนา แสดงภาพ และแก้จุดบกพร่องแอปพลิเคชัน Big Data ด้วย EMR Studio
รักษาความปลอดภัยให้กับข้อมูลและทรัพยากรของคุณผ่านสิทธิ์ที่สามารถปรับแต่งได้ใน AWS Identity and Access Management (IAM), AWS Lake Formation และ Apache Ranger
เรียกใช้แอปพลิเคชัน Big Data และการวิเคราะห์ระดับเพตะไบต์ได้เร็วขึ้น และมีค่าใช้จ่ายไม่ถึงครึ่งหนึ่งของโซลูชันในองค์กร
วิธีการทำงาน
กรณีการใช้งาน
สร้างไปป์ไลน์ข้อมูลที่สามารถปรับขนาดได้
ดึงข้อมูลจากแหล่งต่างๆ ประมวลผลข้อมูลตามขนาด และทำให้ข้อมูลพร้อมใช้งานสำหรับทั้งแอปพลิเคชันและผู้ใช้ ใช้ประโยชน์จากคุณสมบัติของ Apache Hudi สำหรับ Data Lake ระดับเพตะไบต์
เร่งพัฒนาวิทยาศาสตร์ข้อมูลด้วย ML
ใช้เฟรมเวิร์ก ML แบบโอเพนซอร์ส เช่น Apache Spark MLlib, TensorFlow และ Apache MXNet ที่สร้างไว้ใน EMR เชื่อมต่อกับ SageMaker Studio สำหรับการวิเคราะห์ การรายงาน และการฝึกโมเดล
ประมวลผลสตรีมข้อมูลแบบเรียลไทม์
วิเคราะห์เหตุการณ์จากแหล่งข้อมูลการสตรีมแบบเรียลไทม์เพื่อสร้างไปป์ไลน์ข้อมูลการสตรีมที่ใช้งานได้ยาวนาน พร้อมใช้งานสูง และทนต่อข้อผิดพลาด
สืบค้นชุดข้อมูล
สืบค้นชุดข้อมูลจากที่จัดเก็บข้อมูลต่างๆ เช่น การจัดเก็บในรูปแบบอ็อบเจกต์, ฐานข้อมูลเชิงสัมพันธ์, ฐานข้อมูล NoSQL และอื่นๆ โดยใช้เครื่องมือ SQL แบบโอเพนซอร์ส
วิธีเริ่มต้นใช้งาน
ดูวิธีการทำงานของ Amazon EMR
เรียนรู้ข้อมูลเพิ่มเติมเกี่ยวกับการจัดหาคลัสเตอร์ การปรับขนาดทรัพยากร การกำหนดค่าความพร้อมใช้งานสูง และอื่นๆ อีกมากมาย
สำรวจราคา Amazon EMR
ชำระค่าบริการที่ใช้จริงตามวินาทีด้วยตัวเลือกในการเรียกใช้คลัสเตอร์ EMR บน Amazon Elastic Compute Cloud (EC2), Amazon EKS หรือ AWS Outposts
เริ่มต้นใช้งาน Amazon EMR
เรียนรู้เกี่ยวกับการประมวลผลสตรีมแบบเรียลไทม์ แมชชีนเลิร์นนิ่งขนาดใหญ่ และอื่นๆ โดยใช้ EMR
