Amazon EMR

ใช้งานและปรับขนาด Apache Spark, Hive, Presto และเวิร์กโหลด Big Data อื่น ๆ ได้อย่างง่ายดาย

เรียกใช้แอปพลิเคชัน Big Data และการวิเคราะห์ข้อมูลระดับเพตะไบต์ได้เร็วขึ้น และมีค่าใช้จ่ายไม่ถึงครึ่งหนึ่งของโซลูชันในองค์กร

สร้างแอปพลิเคชันโดยใช้เฟรมเวิร์กแบบโอเพนซอร์สล่าสุด พร้อมตัวเลือกในการทำงานบนคลัสเตอร์ Amazon EC2 ที่กำหนดเอง, Amazon EKS, AWS Outposts หรือ Amazon EMR แบบไร้เซิร์ฟเวอร์

รับข้อมูลเชิงลึกได้เร็วขึ้นถึง 2 เท่าด้วย Spark, Hive และ Presto ในเวอร์ชันที่เข้ากันได้กับ API ที่ได้รับการปรับให้เหมาะสมกับประสิทธิภาพและแบบโอเพนซอร์ส

พัฒนา แสดงภาพ และแก้จุดบกพร่องในแอปพลิเคชันของคุณอย่างง่ายดายโดยใช้ EMR Notebooks และเครื่องมือแบบโอเพนซอร์สที่คุ้นเคยใน EMR Studio

วิธีทำงาน

Amazon EMR คือโซลูชัน Big Data ในระบบคลาวด์ชั้นนำของอุตสาหกรรมสำหรับการประมวลผลข้อมูลขนาดเพตะไบต์ การวิเคราะห์เชิงโต้ตอบ และแมชชีนเลิร์นนิ่งโดยใช้เฟรมเวิร์กโอเพนซอร์ส เช่น Apache Spark, Apache Hive และ Presto

ขอแนะนำ EMR Serverless (2:02)

ขอแนะนำ Amazon EMR Serverless

Amazon EMR Serverless เป็นตัวเลือกใหม่ใน Amazon EMR ที่ทำให้วิศวกรและนักวิเคราะห์ข้อมูลสามารถเรียกใช้แอปพลิเคชันที่สร้างโดยใช้เฟรมเวิร์ก Big Data แบบโอเพนซอร์ส เช่น Apache Spark, Hive หรือ Presto ได้อย่างง่ายดายและคุ้มค่า โดยไม่ต้องปรับแต่ง ดำเนินการ ปรับให้เหมาะสม รักษาความปลอดภัย หรือจัดการคลัสเตอร์ EMR Serverless เพิ่มหรือลดทรัพยากรการประมวลผลและหน่วยความจำตามที่แอปพลิเคชันของคุณต้องการ และคุณจ่ายเฉพาะทรัพยากรที่แอปพลิเคชันของคุณใช้เท่านั้น

กรณีการใช้งาน

ดำเนินการวิเคราะห์ Big Data

เรียกใช้การประมวลผลข้อมูลขนาดใหญ่และการวิเคราะห์แบบ What-if โดยใช้อัลกอริทึมเชิงสถิติและโมเดลเชิงคาดการณ์เพื่อค้นหารูปแบบ ความสัมพันธ์ แนวโน้มของตลาด และความชอบของลูกค้าที่ซ่อนอยู่

สร้างไปป์ไลน์ข้อมูลที่สามารถปรับขนาดได้

ดึงข้อมูลจากแหล่งต่างๆ ประมวลผลข้อมูลทุกระดับ และทำให้ข้อมูลพร้อมใช้งานสำหรับแอปพลิเคชันและผู้ใช้

ประมวลผลสตรีมข้อมูลแบบเรียลไทม์

วิเคราะห์เหตุการณ์จากแหล่งข้อมูลการสตรีมแบบเรียลไทม์เพื่อสร้างไปป์ไลน์ข้อมูลการสตรีมที่ใช้งานได้ยาวนาน พร้อมใช้งานสูง และทนต่อข้อผิดพลาด

เร่งการนำวิทยาศาสตร์ข้อมูลและ ML ไปใช้งาน

วิเคราะห์ข้อมูลโดยใช้เฟรมเวิร์ก ML แบบโอเพนซอร์ส เช่น Apache Spark MLlib, TensorFlow และ Apache MXNet เชื่อมต่อกับ Amazon SageMaker Studio สำหรับการฝึกฝน การวิเคราะห์ และการรายงานโมเดลขนาดใหญ่