ITPub博客

您可以使用 Amazon Redshift ML 自动执行数据准备、预处理和问题类型的选择，如这篇博客文章中所述。我们假设您非常了解自己的数据以及最适用于您使用案例的问题类型。本文将专注于使用多分类问题类型在 Amazon Redshift 中创建模型，该类型包括至少三个类别。

数据仓库是信息的中央存储库。业务分析师、数据工程师、数据科学家和决策者通过商业智能 (BI) 工具、SQL 客户端和其他分析应用程序访问数据。数据和分析已然成为各大企业保持竞争力所不可或缺的部分。企业用户依靠报告、控制面板和分析工具从其数据中获得洞察力、监控企业绩效以及更明智地决策。

Amazon Redshift 是使用最广泛的云数据仓库。通过它您可以快速、简单而经济高效地使用标准 SQL 和现有商业智能 (BI) 工具分析您的所有数据。它还允许您使用高性能存储中的列式存储通过复杂的查询优化对 TB 级到 PB 级结构化和半结构化数据运行复杂的分析查询，并能大规模执行并行查询。

在本文中，我们将介绍有关通过 Amazon Redshift Simple Replay 实用程序自动评估 Amazon Redshift RA3 实例的步骤。如果您使用旧一代 DS2 和 DC2 节点类型在 Amazon Redshift 中运行生产工作负载，则可以使用此解决方案自动从源生产集群中提取工作负载日志并在隔离的环境中重播这些日志

对于OLAP的应用场景，更多的不是查询的任务，而是基于大量的数据集，通过复杂的联表，分组，聚合，排序等操作，得出基于某些维度的分析结果，为决策层提供数据参考，同时可以通过对接BI工具，最大化地挖掘数据的价值 因此,如果我们需要将OLAP业务从现有OLTP业务中剥离出来,使用专业的数据仓库工具进行数据的管理和分析。

Amazon Redshift是亚马逊云科技的数据仓库产品，可以运用于各种不同的大数据场景中，实际场景中往往有一些复杂的任务依赖和性能的不确定性。本博客提供CDK代码，其中会生成Cloudformation模版搭建一个简单的环境，包括一个Redshift集群，一个Glue Workflow(见下图)包含建立Redshift表、加载TPC-DS数据到表、顺序运行TPC-DS 99个查询和并行运行TP

Amazon Glue 是一项无服务器数据集成服务，它简化了发现、准备和合并数据以进行分析、机器学习和应用程序开发的工作。Glue 为您提供可视化界面和基于代码的界面来简化数据集成。用户使用Glue 数据目录可以轻松找到并访问数据。数据工程师和 ETL（即提取、转换和加载）开发人员只需在 Amazon Glue Studio 中点击几次，便能够以可视化的方式创建、运行和监控 ETL 工作流程。

Amazon Redshift是一套快速、可扩展且安全的全托管云数据仓库，能够以简单、经济、高效的方式，使用标准SQL以及现有ETL、商务智能（BI）和报告工具对你的数据进行分析。每一天，成千上万的客户使用Amazon Redshift处理EB级别的数据，并为商务智能、预测分析与实时流分析等强大的分析工作负载提供支持。

在此博文中，我们解释了将带 Redshift Spectrum 的 Amazon Redshift 扩展为现代数据仓库的原因。我将介绍我们的数据增长及平衡成本和性能的需求如何促使我们采用 Redshift Spectrum。我还将分享我们的环境中的关键性能指标，并讨论提供可扩展和快速环境的额外 AWS 服务，并提供数据供我们日益增长的用户群进行立即查询。

Heimdall Data是一款数据库代理，可将缓存与无效逻辑引入您所选定的缓存方案当中。Heimdall有何独特之处？简单来说，它能够自动建立缓存机制、无需进行任何复杂的配置，并能够在更贴近应用程序的位置执行，从而消除不必要的数据库交互。如此一来，您的网络延迟将显著降低，AWS使用成本也将得到有效控制。 在本文中，我们将了解如何使用AWS中的Heimdall代理一步步配置自动查询缓存。

Yelp的使命，是将人们与当地的优秀企业联系起来。自2004年成立以来，Yelp已经从仅为总部所在地旧金山提供服务，发展成为一家覆盖30多个国家/地区大都市区域的跨国企业。凭借着基于高效广告与交易的商业模式，该公司在2015年获得超过5亿美元收入，较上一年增长了46%。Yelp已经发展成为一家以移动设备为中心的公司，其搜索量占比超过70%，来自移动端的内容占比亦超过58%。

在今天的文章中，我们将探讨Cookpad如何将日志数据的加载间隔从几个小时缩短至几分钟，保证用户可通过Amazon Redshift Spectrum查询完整日志信息。此外，我们还将讨论如何通过并发扩展将查询队列等待时间减少15%。最后，我们将介绍如何使用Amazon Redshift即付即用定价模式轻松控制运营成本。

在本文中，我们将逐步进行配置，了解如何使用Lambda设置Athena联合体系以访问Amazon Redshift中的数据。大家还将了解如何对交互式TPC-DS查询及即席TPC-DS查询进行性能基准分析，并了解联合使用场景下的各项性能优化注意事项与最佳实践。

Amazon Neptune是一项专门为此而生的图数据库服务，可用于存储相互关联的数据模式，帮助用户以近实时方式捕捉来自客户旅程的数据并建立起之前提到的客户360度视图。这种全关联数据解决方案还将为您的客户服务代表提供业务洞见、协助推动新的销售举措、为客户提供建议、支持客户360度仪表板，或者直接作为机器学习分析解决方案的数据存储库使用。

这篇文章主要介绍如何使用Amazon Kinesis和Amazon EMR构建批量数据处理过程，实现Hour+1的数据批量处理分析，并汇入到数仓中。

Amazon Redshift数据仓库是种快速且完全托管的数据仓库服务，让您可以使用标准SQL和现有的商业智能工具经济高效地分析您的所有数据，提供优质的数据仓库解决方案。 在规划Amazon Redshift数据库时，某些关键表的设计对整体查询性能影响很大。这些设计的优化可以减少I/O操作数和尽量减少处理查询所需的内存，因而对存储需求以至查询性能也有很大的影响。

在本文中，我们将共同了解如何在亚马逊云科技的云平台上构建智能湖仓，借此从指数级增长的海量数据中获取洞见，并帮助您快速灵活做出决策。这套智能湖仓方案首先指定中央数据湖，再围绕数据湖建立专用数据服务环，同时提供轻松易行的数据往来移动能力，帮助用户从容运用数据资源以及蕴藏其中的重要价值。

在 Amazon Redshift 的协助下，客户得以顺利完成一系列业务目标，例如从加速现有数据库环境，到提取网络日志以进行大数据分析等等。Amazon Redshift是一套全托管PB级大规模并行数据仓库，拥有极低的上手难度与出色的性能表现。Amazon Redshift还提供开放的标准JDBC/ODBC驱动程序接口，供您直接对接现有商业智能（BI）工具并复用现有分析查询方法。

etcd是kubernetes集群极为重要的一块服务，存储了kubernetes集群所有的数据信息，如Namespace、Pod、Service、路由等状态信息。如果etcd集群发生灾难或者etcd集群数据丢失，都会影响k8s集群数据的恢复。因此，通过备份etcd数据来实现kubernetes集群的

云原生时代为什么还需要本地存储？云原生时代，对于有存储应用的容器化上云，一般的解决思路是“计算存储分离”，计算层通过容器技术实现弹性伸缩，而相应的存储层也需要配合进行“动态挂载”，要实现动态挂载能力，使用基于网络的存储系统可能是