創造永續的企業動能
根據熱力學,永久運動是絕不可能實現的。但是誰說熱力學定理必定適用於商業領域?只要運用得當,資料可以為您的組織產生自給自己且永久的加速動能。
為何採用飛輪?
飛輪一詞因為作家 Jim Collins 而為人所知,是由彼此饋送並推動的幾個重要倡議計畫組成的自我強化迴圈,用意是打造長期商業動力。在 90 年代早期,Jeff Bezos 使用 Amazon 飛輪醞釀了他對 Amazon.com 的初步想法。Amazon 飛輪是一種經濟引擎,利用成長和規模透過更多的選擇和更低的成本來改善客戶體驗。
組建成功的資料飛輪
資料飛輪的最獨特性質之一就是沒有「一件事」能夠為它提供動力,而那些尋找這類基本解決方案的組織可能會感到迷失。資料飛輪透過許多一起行動的組件移動,相當於一個大於其部分總和的整體。花費時間開發其中每個組件,進而在每個階段實作最相關技術和程序的組織將從資料飛輪中獲得最大的成功。
舊式防護資料庫提供者
-
非常昂貴
傳統資料庫所費不貲,而且您會因為授權費用、維護和支援而付出更多費用。
-
專屬
創新有所侷限,因為您被限制只能使用專屬資料庫功能,而這會限制創新成果。
-
鎖定
合約會對您加諸限制,而且可能強制您購買完全不需要的東西。
-
懲罰性授權
複雜的合約授權會限制彈性並增加無法預測的成本。
-
非預期的稽核
頻繁的稽核可能對您的部署增加計畫外的成本。
客戶正在移至
開放原始碼資料庫
由於保守商業資料庫的挑戰,客戶正在儘快移至替代的開源資料庫,例如 MySQL、PostgreSQL 和 MariaDB。然而,他們也想要高階商業資料庫的效能和可用性,並具備開放原始碼資料庫的簡易性和成本效益。
充分利用這兩個世界
使用 AWS,您就能獲得商業級資料庫的效能和可用性,並具備開放原始碼的簡易性和成本效益。Amazon Aurora 是一種與 MySQL 和 PostgreSQL 相容的關聯式資料庫,可提供遠優於標準開放原始碼資料庫的快速效能,而且費用僅是商業級解決方案的 1/10。Amazon DynamoDB 是一種鍵值和文件資料庫,可在任何規模下達到 10 毫秒內的效能。而且,Amazon Redshift 也是市面上最快速且最具成本效益的雲端資料倉儲。
為何採用全受管資料庫?
資料庫管理變成您企業的主要負擔。除了硬體及軟體安裝以外,您還必須擔心適用於資料複寫的資料庫修補、備份及複雜的叢集組態,以及進行運算及儲存的高可用性、單調乏味的容量規劃及可擴展的叢集。
Amazon RDS 可提升效能和節省時間
組織通常會透過遷移至 Amazon Relational Database Service (RDS) 開始移至受管服務,這個完全受管解決方案可執行您選擇的資料庫引擎,包含 MySQL 及 PostgreSQL 等開放原始碼引擎,以及 Oracle 和 SQL Server。Amazon RDS 提供資料庫擴展及效能並自動化曠日費時的管理任務,例如硬體佈建、資料庫設定、修補和備份。
-
方便管理
輕鬆部署和維護硬體、作業系統及資料庫軟體;運用內建監測功能。
-
高效能且可擴展
只要點按幾下就能擴展運算及儲存,而且可盡量減少停機時間。
-
可用性與耐久性
取得自動多個可用區資料複寫及自動化備份、快照及容錯移轉。
-
安全與合規
加密靜止及傳輸中的資料;善用產業合規性及保證計畫。
將所有資料庫移至雲端
若要獲得更多優勢,將關聯式及非關聯式資料庫移至雲端中全受管的服務。
關聯式資料庫
從昂貴的 Oracle 和 SQL Server 資料庫遷移到 Amazon Aurora。從標準 MySQL 及 PostgreSQL 遷移到 Amazon RDS。
非關聯式資料庫
將文件及鍵值存放到 Amazon DynamoDB、MongoDB 等文件資料庫到 Amazon DocumentDB,以及 Cassandra 資料庫到 Amazon Keyspaces (適用於 Apache Cassandra)。
為何使用全受管分析?
如同其資料庫競爭同業,AWS 的全受管分析服務可降低成本並讓您有更多時間專注於創新。他們也可啟用動態可擴展性、加速處理、更輕鬆地視覺化、提升可用性和復原能力和加強安全性。
-
Hadoop 和 Spark
將內部部署 Hadoop 及 Spark 部署移到 Amazon EMR 以節省時間和成本。
-
操作分析
Elasticsearch、Logstash 和 Kibana (ELK) 內部部署可以移至 Amazon Elasticsearch Service,以節省時間和成本。
-
即時分析
Apache Kafka 部署可移至 Amazon Managed Streaming for Apache Kafka (MSK),而且 Amazon Kinesis 可在資料儲存區及分析工具中準備、載入和分析資料串流,以供立即使用。
傳統資料倉儲無法達到這個目標
傳統、內部部署資料倉儲策略無法滿足現代企業的需求。
-
不擴展
每次達到儲存及運算容量限制時,您都必須購買和安裝較大型、功能更強大的硬體。
-
太過緩慢
必須先將資料移至個別分析串流系統,才能處理和分析,此程序太過緩慢,而無法進行即時分析。
-
昂貴
您需要向舊式防護資料庫提供者購買,所費不貲、有專屬使用限制,而且會加諸懲罰性授權條款。
-
剛性
無法適當地納入網站、行動應用程式及網際網路連線裝置的新資料類型。
-
孤立
不會將正在儲存的資料整合到資料湖或 Hadoop。
-
複雜
分析會受限於一小組 BI 專員之操作報告的歷史資料。
探索最受歡迎且最快速的雲端資料倉儲
利用 Amazon Redshift 現代化您的資料倉儲,可讓您獲得效能、擴展並與資料庫深度整合,而讓您可以充分發揮資料的價值。
-
最熱門
成千上萬的客戶仰賴 Amazon Redshift。
-
整合性
在資料倉儲、資料湖及作業資料庫之間查詢數 PB 的資料。
-
最快速
Amazon Redshift 的速度比其他雲端資料倉儲快 3 倍。
-
最經濟實惠
Amazon Redshift 的費用比其他雲端資料倉儲減少 50%。
應用程式設計的規則已改變
現代應用程式會對資料庫加諸一組新的要求。今日的應用程式需要資料庫將數 TB 的資料擴展為數 PB、支援數百萬個並行使用者,以及提供只有毫秒和微秒延遲的效能。
現今應用程式的需求
- 使用者: 超過 100 萬
- 資料數量: TB–PB–EB
- 地區: 全球
- 效能: 毫秒–微秒
- 請求率: 每秒百萬個
- 存取: Web、行動、IoT、裝置
- 擴展: 縱向、橫向
- 經濟實惠:按使用量付費
- 開發人員存取: 即時 API 存取
存放並保留您的所有資料
-
變更您的策略
一體適用的方法,對於資料庫已不敷使用。
-
分解複雜的應用程式
若要確保適當的架構和可擴展性,您需要檢查每個應用程式元件。
-
建置高度分散式應用程式
將您的復雜應用程式分解為微服務。
哪些資料庫最適合您的工作負載?
任務的最佳工具通常隨著使用案例而有所不同。這就是開發人員應該使用大量專用資料庫來建立高度分散式應用程式的原因。
探索底下最常用應用程式工作負載的優勢和使用案例。
在關聯式資料庫管理系統 (RDBMS) 中,以欄列的表格形式存放資料,以及使用結構式查詢語言 (SQL) 查詢資料。表格的每一欄代表屬性、表格的每一列代表記錄,而表格中的每一欄位代表資料值。關聯式資料庫之所以熱門,因為 1) SQL 易於學習和使用,不需要知道基礎結構描述,以及 2) 不需要指定整體內容,即可修改資料庫項目。
優點
-
與結構化資料搭配無間
-
連接或複雜交易
-
內建資料完整性
-
資料準確性和一致性
-
無限制索引
使用案例
-
ERP
-
CRM
-
財務
-
交易處理
-
資料倉儲
索引鍵值資料庫會使用簡單的索引鍵值方法,將資料存放為索引鍵值對的集合,其中索引鍵充當唯一的識別符。索引鍵和數值可以是任何項目,範圍從簡單物件到複雜的複合物件。它們非常適合於需要即時擴展,以符合不斷增長或無法預測之工作負載的應用程式。
優點
-
簡單的資料格式可加速寫入和讀取
-
值可以是任何項目,包括 JSON、彈性結構描述等。
使用案例
-
即時競價
-
購物車
-
產品型錄
-
客戶偏好設定
在文件資料庫中,資料存放在類似 JSON 的文件中,而且 JSON 文件是資料庫內的第一級物件。文件不是資料類型或數值;它們是資料庫的關鍵設計點。這些資料庫可讓開發人員更輕鬆地存放和查詢資料,方法為使用開發人員在其應用程式碼中使用的相同文件模型格式。
優點
-
彈性、半結構化和階層式
-
資料庫會隨著應用程式需求而發展
-
可以輕易地表示階層式和半結構化資料
-
用於快速查詢的強大索引
-
文件會自然地對應至物件導向的程式設計
-
資料可更輕易地流至持久層
-
針對文件建置的表達查詢語言
-
跨文件的特定查詢和彙總
使用案例
-
目錄
-
內容管理系統
-
使用者設定檔 / 個人化
-
行動應用程式
由於即時應用程式大量增加,可快速存取資料的記憶體內資料庫也越趨熱門。記憶體內資料庫主要依靠主記憶體進行儲存、管理和操控資料。記憶體內由於記憶體快取而被開放程式碼軟體廣泛使用,它可以透過快取資料來減少必須查詢外部資料來源的次數,以加速動態資料庫。
優點
-
亞毫秒級延遲
-
每秒可以執行數百萬個操作
-
與磁碟型替代項目相比,重大效能提升3-4 倍或以上
-
更簡單的指令集
-
支援豐富命令集
-
可與任何類型的資料庫、關聯式或非關聯式或甚至是儲存服務搭配使用
使用案例
-
快取 (超過 50% 的使用案例都會進行快取)
-
工作階段存放區
-
排行榜
-
地理空間應用程式 (例如叫車服務)
-
發布/訂閱
-
即時分析
圖形資料庫是 NoSQL 資料庫,會使用圖形結構以進行語意查詢。圖形基本上是索引資料結構;它從不需要載入或觸控非相關資料,以進行指定的查詢。在圖形資料庫中,資料是以節點、邊緣和屬性的形式存放。
優點
-
能夠進行頻繁的結構描述變更
-
可以管理龐大、爆增的資料量
-
即時查詢回應時間
-
查詢相關資料(無論大小)的卓越效能
-
符合更多的智慧型資料啟用需求
-
每個查詢的明確意義—沒有隱藏的假設
-
彈性線上結構描述環境
使用案例
-
詐騙偵測
-
社交聯網
-
推薦引擎
-
知識圖形
時間序列資料庫 (TSDB) 是針對時間戳記或時間序列資料而最佳化。時間序列資料與資料工作負載大不同,因為它通常以時間順序形式送達、資料僅是附加,而且查詢總是在時間間隔內進行。
優點
-
非常適合隨時間追蹤、監視和匯總的測量或事件
-
快速累積之時間序列資料的高可用性
-
許多功能 (例如資料保留政策、持續查詢和彈性時間彙總) 的耐久可用性
使用案例:
-
DevOps
-
應用程式監視
-
產業遙測
-
IoT 應用程式
總帳資料庫提供透明、不可變且可經由密碼驗證的交易日誌,此日誌是由信任的中央機構所擁有。許多組織使用類似總帳的功能構置應用程式,因為他們想要維護其應用程式資料的準確歷史記錄。
優點
-
維護應用程式資料的準確歷史記錄
-
不可變和透明
-
可經由密碼驗證
-
可高度擴展
使用案例:
-
金融業 - 追蹤總帳資料,例如借方和貸方
-
製造業 - 協調供應鏈系統之間的資料以追蹤完整的製造歷史記錄
-
保險業 - 追蹤索賠交易歷史記錄
-
人力資源和薪資 - 追蹝和維護員工詳細資訊的記錄
寬欄資料庫是 NoSQL 資料庫,會以表格格式使用持久性、多維度、鬆散矩陣對應。他們可以儲存大量收集而來,高達且超過 PB 規模的資料 。如同關聯式資料庫,寬欄資料庫會使用表格、列和欄。與關聯式資料庫不同之處在於,其欄的名稱及格式可能因為相同表格中的個別列而有所不同。
優點
-
適合大量資料
-
寫入速度極快
-
可快速傳回複雜查詢
-
輕鬆壓縮資料,可節省空間及成本
-
可與現有系統妥善整合
使用案例:
-
高階產業應用程式適用於:
- 設備維護
- 機群管理
- 路由最佳化
-
資料日誌
-
地理資料
查看雲端資料庫的成功故事
資料呈指數級增長
資料是難以馴服的野獸。其會呈指數成長、來自於新的來源、變得更加多元,而且越來越難處理。考慮到上述事項,您的企業如何以夠快的速度擷取、存放和分析資料,從而維持競爭優勢?
將資料與資料湖搭配使用
資料湖架構可整合資料倉儲及進階分析 (包含機器學習驅動的解決方案),以協助您讓資料發揮更多價值。資料湖可讓您收集及存放集中化儲存庫中的任何資料。這可提供最佳擴展能力、彈性、持久性及可用性。但最棒的是,資料湖能夠更快速地對所有資料執行高效能的分析,以及縮短其將資料轉換成見解的時間。
建構安全的資料湖極具挑戰性
一般而言,手動建立和實作充分發揮效率的資料湖需要進行數月單調乏味且複雜的工作。您需要設定儲存才能處理大量資料、收集和組織來自各種來源的資料、清理資料,讓資料準備就緒而可使用、設定及強制執行複雜的安全性政策,以及找出可輕鬆找到資料的方法。感謝老天,有一個更快速且更簡單好用的解決方案。
AWS 上的資料湖不盡相同
AWS Lake Formation 可簡化資料湖建立程序,而且可自動化進行許多步驟,讓您得以在一天之內 (而非數月之久) 設定好安全的資料湖。
-
更快速地設定
加速和自動化移動、儲存、分類和清理您的資料。
-
更廣泛的安全性
在多個服務之間強制執行安全性政策。
-
更多見解
可讓您的分析師和資料科學家獲得和管理新見解。
資料湖可進行許多類型的分析
從回溯性分析及報告到此時此地的即時處理、到預測分析、資料湖都是理想選擇。
-
操作與日誌分析
-
資料倉儲
-
大數據處理
-
串流與即時分析
-
預測分析
可讓最終使用者檢視和視覺化您的資料
無論您是為組織建置互動式儀表板,或是將分析內嵌至應用程式或網站,都能輕鬆地為最終使用者提供見解。Amazon QuickSight 是一種快速、雲端驅動的智慧服務,其中包含 ML Insights。QuickSight 不必再管理服務或基礎架構容量。其無伺服器架構可讓您輕鬆擴展至成千上萬個使用者,而其彈性的按工作階段付費定價選項,可讓您僅需按使用量付費。
透過機器學習獲得更多見解
有鑑於機器學習已充分發揮潛能,我們也到達一個臨界點,即雲端已經為所有規模的企業打造了適合的機器學習。
適合所有人的機器學習
AWS 具有最廣泛且最深入的機器學習功能,可讓所有技能等級的開發人員及資料科學家 (即使之前毫無經驗的人) 建立複雜的模型。今日,成千上萬的企業都使用 AWS 以產生強大且準確的預測及分析,而可隨時間展現更聰明的見解。
-
最深入且最廣泛的能力
輕鬆建置橫跨電腦視野、語言、建議及預測的複雜 AI 驅動應用程式?
-
無需相關經驗
Amazon SageMaker 為您免除逐步進行機器學習程序的繁瑣工作,讓您能夠輕鬆建置、培訓、調校及部署。
-
可信度總計
可安心在 AWS 上建置,因為這是針對機器學習進行最佳化的最全面雲端平台。