Vi är glada över att kunna meddela lanseringen av Dataanalysobjektiv. Linsen består av en lins whitepaper och en AWS-skapad lins tillgänglig i Objektivkatalog av AWS Well-Architected Tool. AWS Well-Architected Framework ger ett konsekvent tillvägagångssätt för att utvärdera arkitekturer och implementera skalbara konstruktioner. Med AWS Well-Architected Framework kan molnarkitekter, systemarkitekter, ingenjörer och utvecklare bygga säker, högpresterande, motståndskraftig och effektiv infrastruktur för sina applikationer och arbetsbelastningar.

Med hjälp av linsen i verktygets linskatalog kan du direkt utvärdera din Analytics-arbetsbelastning i konsolen och producera en uppsättning resultat för anpassade förbättringsplaner som rekommenderas av verktyget.

Den uppdaterade Data Analytics Lens beskriver de mest uppdaterade stegen för att utföra en AWS Well-Architected granskning som ger dig möjlighet att bedöma och identifiera tekniska risker med dina dataanalysplattformar. Det nya vitboken och Lens täcker flera användningsfall och scenarier för analys och ger omfattande vägledning för att hjälpa dig att designa dina analysapplikationer i enlighet med AWS bästa praxis.

Den nya Data Analytics-linsen erbjuder implementeringsvägledning som du kan använda för att leverera säkra, högpresterande och pålitliga arbetsbelastningar, allt med sikte på att upprätthålla kostnadseffektivitet och hållbarhet.

För mer information om AWS Well-Architected Lenses, se AWS välbyggd.

Vad är nytt i Data Analytics Lens?

Data Analytics Lens är en samling av kundbeprövade designprinciper, bästa praxis och föreskrivande vägledning för att hjälpa dig att använda ett molncentrerat tillvägagångssätt för att köra analyser på AWS. Dessa rekommendationer är baserade på insikter som AWS har samlat in från kunder, AWS Partners, fältet och våra egna analytiska tekniska specialistgrupper.

Den här versionen täcker följande ämnen:

• Ny lins för det välbyggda verktyget i linskatalogen
• Nytt användarscenario för Data Mesh-analys
• Inkluderad vägledning om att bygga ACID-kompatibla datasjöar med hjälp av Iceberg
• Inkluderad vägledning om att lägga till affärskontext till din datakatalog för att förbättra sökbarheten och åtkomsten
• Hur man bäst utnyttjar Serverless för att bygga hållbara datapipelines
• Utökade avancerade prestandajusteringstekniker
• Ytterligare innehåll för användningsfall för analytiska scenarier
• Länkar till uppdaterade bloggar och produktdokumentation, partnerlösningar, utbildningsinnehåll och instruktionsvideor

Linsen lyfter fram några av de vanligaste områdena för bedömning och förbättring. Den är utformad för att anpassas till och ge insikter över de sex pelarna i AWS Well-Architected Framework:

• Operationell excellens – Inkluderar förmågan att stödja utveckling och driva arbetsbelastningar effektivt, få insikt i din verksamhet och ständigt förbättra stödjande processer och procedurer för att leverera affärsvärde.
• Säkerhet – Inkluderar möjligheten att skydda data, system och tillgångar för att dra fördel av molnteknik för att förbättra din säkerhet.
• Pålitlighet – Inkluderar förmågan hos ett system att automatiskt återhämta sig från infrastruktur- eller tjänstavbrott, dynamiskt skaffa datorresurser för att möta efterfrågan och mildra störningar som felkonfiguration eller tillfälliga nätverksproblem.
• Prestandaeffektivitet – Inkluderar effektiv användning av datorresurser för att möta krav och upprätthållande av den effektiviteten när efterfrågan förändras och teknologier utvecklas.
• Kostnadsoptimering – Inkluderar den kontinuerliga processen med systemförfining och förbättring över hela livscykeln för att optimera kostnaden, från den första designen av ditt första proof of concept till den pågående driften av produktionsbelastningar.
• Hållbarhet – Inkluderar att minimera miljöpåverkan av att köra molnarbeten. Ämnen inklusive benchmarking, handelsdatanoggrannhet för kol, uppmuntran till en dataminimeringskultur, implementering av datalagringsprocesser, optimering av datamodellering, förhindrande av onödig datarörelse och effektiv hantering av analysinfrastruktur.

Den nya Data Analytics-linsen ger vägledning som kan hjälpa dig att fatta lämpliga designbeslut i linje med dina affärskrav. Genom att tillämpa teknikerna som beskrivs i denna lins på din arkitektur kan du validera motståndskraften och effektiviteten i din design. Den här linsen ger också rekommendationer för att åtgärda eventuella luckor du kan identifiera.

Vem ska använda Data Analytics-objektivet?

Data Analytics Lens är avsedd för alla AWS-kunder som använder analysprocesser för att köra sina arbetsbelastningar.

Vi tror att linsen kommer att vara värdefull oavsett ditt stadium av molnadoption: oavsett om du lanserar dina första analysarbetsbelastningar på AWS, migrerar befintliga tjänster till molnet eller arbetar med att utöka och förbättra befintliga AWS-analysarbetsbelastningar.

Materialet är avsett att stödja kunder i roller som arkitekter, utvecklare och driftteammedlemmar.

Slutsats

Genom att använda Data Analytics-linsen på dina befintliga arkitekturer kan du validera stabiliteten och effektiviteten i din design och ge rekommendationer för att åtgärda identifierade luckor.

För mer information om hur du bygger dina egna välbyggda system med hjälp av Data Analytics-linsen, se Data Analytics Lens whitepaper. För information om det nya objektivet, se Välbyggt verktyg och Objektivkatalog kalsonger. Om du behöver ytterligare expertvägledning, kontakta ditt AWS-kontoteam för att anlita en Specialist Solutions Architect.

För att lära dig mer om stödda analyslösningar, kundfallsstudier och ytterligare resurser, se Arkitektur bästa praxis för Analytics och Big Data.

Om författarna

Russell Jackson är Senior Solutions Architect på AWS baserad i Storbritannien. Russell har över 15 års erfarenhet av analys och brinner för Big Data, evenemangsdrivna arkitekturer och att bygga miljömässigt hållbara datapipelines. Utanför jobbet tycker Russell om landsvägscykling, vildsimning och att resa.

Theo Tolv är en Senior Analytics Architect baserad i Stockholm, Sverige. Han har arbetat med små och stora data under större delen av sin karriär och har byggt applikationer som körs på AWS sedan 2008. På fritiden tycker han om att pyssla med elektronik och läsa rymdopera.

Bruce Ross är Senior Solutions Architect på AWS i New York-området. Bruce är linsledaren för det välarkiterade ramverket. Han har varit involverad i IT och innehållsutveckling i över 20 år. Han är en ivrig sjöman och sportfiskare och tycker om R&B, jazz och klassisk musik.

Dhiraj Thakur är en lösningsarkitekt med Amazon Web Services. Han samarbetar med AWS-kunder och -partners för att ge vägledning om införande, migrering och strategi för företagsmoln. Han brinner för teknik och tycker om att bygga och experimentera inom analys- och AI/ML-området.

Pragnesh Shah är en lösningsarkitekt i partnerorganisationen. Han är specialist på migration, modernisering, molnstrategi, design och leverans av data- och analysmöjligheter. Utanför jobbet umgås han med familjen och naturen. Han gillar att spela in naturljud och utöva Zen-meditation.

• SEO-drivet innehåll och PR-distribution. Bli förstärkt idag.
• PlatoData.Network Vertical Generative Ai. Styrka dig själv. Tillgång här.
• PlatoAiStream. Web3 Intelligence. Kunskap förstärkt. Tillgång här.
• Platoesg. Kol, CleanTech, Energi, Miljö, Sol, Avfallshantering. Tillgång här.
• PlatoHealth. Biotech och kliniska prövningar Intelligence. Tillgång här.
• Källa: https://aws.amazon.com/blogs/big-data/announcing-the-aws-well-architected-data-analytics-lens/