亚马逊云科技“智能湖仓”五大特征助力企业挖掘数据价值

7月9日消息，亚马逊云科技针对数据及数据分析推出的“智能湖仓”架构正在越来越多的服务企业智能化决策运营。

一直以来，亚马逊云科技“智能湖仓”架构不断迭代更新，致力于打通数据湖和数据仓库，并进 一步将各种数据服务无缝集成，确保数据在不同服务之间顺畅流动，帮助客户尽可能最大程度地提高其数据价值，加速创新，并成为数据驱动型组织。

对于功能日益强大的“智能湖仓”，近日，亚马逊云科技大中华区云服务产品部总经理顾凡对其进行了全面解读。

顾凡首先强调：“智能湖仓并不是一个产品，而是一个架构。”

据悉，亚马逊云科技“智能湖仓”架构将亚马逊云科技全面而深入的数据服务无缝集成，打通了数据湖和数据仓库之间数据移动和访问，并且进一步实现了数据在数据湖、数据仓库，以及在数据查询、数据分析、机器学习等各类专门构建的服务之间按需移动，从而形成统一且连续的整体，满足客户各种实际业务场景下的不同需求。

具体而言，亚马逊云科技“智能湖仓”架构以Amazon Simple Storage Service(Amazon S3)为基础构建数据湖，作为中央存储库，围绕数据湖集成专门的“数据服务环”，包括数据仓库、机器学习、大数据处理、日志分析等数据服务，然后再利用Amazon Lake Formation、Amazon Glue、Amazon Athena、Amazon Redshift Spectrum等工具，实现数据湖的构建、数据的移动和管理等。

顾凡表示：“要构建一个数据湖要有专门构建的数据分析服务，要能做到数据、湖、仓和专门构建的数据服务的无缝数据移动，统一管理、低成本，这是我们所定义的亚马逊云科技智能湖仓架构。所以，智能湖仓不仅仅是湖和仓的打通，而是湖、仓专门构建数据服务连接成一个整体。”

值得注意的是，亚马逊云科技“智能湖仓”架构具有灵活扩展、专门构建、数据融合、深度智能和开源开放五大特点，涵盖数据源、数据摄取层、存储层、目录层、数据处理层和消费层六层架构，可帮助客户轻松应对海量业务数据，充分挖掘数据价值。

灵活扩展，安全可靠方面，亚马逊云科技“智能湖仓”架构用Amazon S3作为数据湖的存储基础，企业可根据不断变化的需求，灵活扩展或缩减存储资源；

专门构建，极致性能方面，为了满足企业不同的数据分析需求，亚马逊云科技提供专门构建的数据分析服务，包括交互式查询服务Amazon Athena、云上大数据平台Amazon EMR、日志分析服务Amazon Elasticsearch Service、Amazon Kinesis、云数据仓库Amazon Redshift等；

数据融合，统一治理方面，亚马逊云科技“智能湖仓”架构降低了数据融合与数据共享时统一安全管控和数据治理的难度。其中，Amazon Glue提供数据无缝流动能力，Amazon Lake Formation提供了快速构建湖仓、简化安全与管控的全面数据管理能力；

敏捷分析，深度智能方面，亚马逊云科技将数据、数据分析服务与机器学习服务无缝集成，为企业提供更智能的服务。例如Amazon Aurora ML、Amazon Redshift ML、Neptune ML等，数据库开发者只需使用熟悉的 SQL 语句，就能进行机器学习操作；Amazon Glue、Amazon Athena ML、Amazon QuickSight Q等，可以帮助企业使用熟悉的技术，甚至自然语言来使用机器学习，帮助企业利用数据做出更好的决策；