亚马逊AWS官方博客
·
使用新的 Amazon SageMaker Lakehouse 简化分析和人工智能/机器学习
内容提要
Amazon SageMaker Lakehouse 正式推出，整合了 Amazon S3 数据湖与 Amazon Redshift 数据仓库的数据，简化了分析与人工智能应用的开发。它支持多种数据源，提供灵活的访问与权限管理，助力高效数据处理与数据驱动决策。
关键要点
-
Amazon SageMaker Lakehouse 正式推出，整合 Amazon S3 数据湖与 Amazon Redshift 数据仓库的数据。
-
SageMaker Lakehouse 简化了分析与人工智能应用的开发，支持多种数据源。
-
客户面临数据孤岛问题，导致数据访问困难和业务决策不明智。
-
SageMaker Lakehouse 提供灵活的数据访问和权限管理，简化数据共享与协作。
-
用户可以通过 Amazon SageMaker Unified Studio 访问和查询多种数据来源。
-
创建项目时，自动设置 AWS Glue Data Catalog 数据库和必要权限。
-
支持 SQL 分析和机器学习模型开发，用户可选择不同的项目配置文件。
-
提供多种分析选项，包括使用 Athena 和 Redshift 进行查询。
-
SageMaker Lakehouse 提供全面的现代化数据管理和分析解决方案。
-
用户可通过 AWS 管理控制台、API 和 CLI 访问 SageMaker Lakehouse，已在多个 AWS 区域推出。
延伸问答
Amazon SageMaker Lakehouse 的主要功能是什么？
Amazon SageMaker Lakehouse 主要功能是整合 Amazon S3 数据湖与 Amazon Redshift 数据仓库的数据，简化分析和人工智能应用的开发。
SageMaker Lakehouse 如何解决数据孤岛问题？
SageMaker Lakehouse 通过统一数据访问和权限管理，简化数据共享与协作，从而解决数据孤岛问题。
用户如何访问 SageMaker Lakehouse？
用户可以通过 AWS 管理控制台、API、AWS 命令行界面（CLI）或 AWS 软件开发工具包访问 SageMaker Lakehouse。
SageMaker Lakehouse 支持哪些数据源？
SageMaker Lakehouse 支持多种数据源，包括 Amazon S3、Amazon Redshift、Amazon Aurora、Amazon RDS、DynamoDB 及其他应用程序。
如何在 SageMaker Lakehouse 中创建新项目？
在 SageMaker Lakehouse 中创建新项目时，用户需要选择项目配置文件，输入项目名称，并设置必要的参数和权限。
SageMaker Lakehouse 提供哪些分析选项？
SageMaker Lakehouse 提供多种分析选项，包括使用 Athena 和 Redshift 进行查询，以及在 Jupyter Lab Notebook 中进行数据分析。
