Amazon S3 Tables

เพิ่มประสิทธิภาพและต้นทุนการสืบค้นให้เหมาะสมเมื่อขนาดของ Data Lake ของคุณเพิ่มขึ้น

เริ่มต้นใช้งาน Amazon S3

จัดเก็บข้อมูลแบบตารางทุกระดับใน S3

Amazon S3 Tables นำเสนอพื้นที่เก็บอ็อบเจกต์บนระบบคลาวด์แห่งแรกพร้อมรองรับ Apache Iceberg ในตัว รวมถึงเพิ่มประสิทธิภาพให้กับการจัดเก็บข้อมูลตารางในทุกขนาด การเพิ่มประสิทธิภาพตารางอย่างต่อเนื่องจะสแกนและเขียนข้อมูลตารางซ้ำในพื้นหลังโดยอัตโนมัติ ทำให้ประสิทธิภาพในการสืบค้นเร็วขึ้นถึง 3 เท่าเมื่อเทียบกับตาราง Iceberg ที่ไม่ได้รับการจัดการ การเพิ่มประสิทธิภาพการทำงานเหล่านี้จะดีขึ้นอย่างต่อเนื่องเมื่อเวลาผ่านไป นอกจากนี้ S3 Tables ยังมีการเพิ่มประสิทธิภาพเฉพาะสำหรับเวิร์กโหลดของ Iceberg โดยจัดการธุรกรรมได้สูงขึ้นถึง 10 เท่าต่อวินาทีเมื่อเทียบกับตาราง Iceberg ที่เก็บไว้ในบัคเก็ต S3 สำหรับวัตถุประสงค์ทั่วไป สำหรับรายละเอียดเพิ่มเติมเกี่ยวกับการปรับปรุงประสิทธิภาพการสืบค้นของ S3 Tables โปรดดูที่บล็อก

การสนับสนุน S3 Tables สำหรับ Apache Iceberg มาตรฐานนี้จะช่วยให้คุณสืบค้นข้อมูลตารางได้อย่างง่ายดายด้วยเครื่องมือค้นหายอดนิยมจาก AWS และของบุคคลที่สาม ใช้ S3 Tables เพื่อจัดเก็บข้อมูลแบบตาราง เช่น ธุรกรรมการซื้อรายวัน ข้อมูลเซ็นเซอร์สตรีมมิ่ง หรือยอดแสดงโฆษณาเป็นตาราง Iceberg ใน S3 รวมถึงปรับประสิทธิภาพและต้นทุนให้เหมาะสมตามการเพิ่มขึ้นของข้อมูลโดยใช้การบำรุงรักษาตารางอัตโนมัติ อ่านบล็อกเพื่อเรียนรู้เพิ่มเติม

ประโยชน์

ลดความซับซ้อนของ Data Lake ทุกขนาด ไม่ว่าคุณจะเพิ่งเริ่มต้นใช้งานหรือจัดการตารางนับพันในสภาพแวดล้อมการใช้งาน Iceberg ของคุณ

รับประสิทธิภาพในการสืบค้นที่เร็วขึ้นถึง 3 เท่าผ่านการเพิ่มประสิทธิภาพตารางอย่างต่อเนื่องเมื่อเทียบกับตาราง Iceberg ที่ไม่ได้รับการจัดการ และการจัดการธุรกรรมจำนวนสูงขึ้นถึง 10 เท่าต่อวินาทีเมื่อเทียบกับตาราง Iceberg ที่เก็บไว้ในบัคเก็ต S3 สำหรับวัตถุประสงค์ทั่วไป

ดำเนินงานด้านการบำรุงรักษาตารางอย่างต่อเนื่อง เช่น การบีบอัด การจัดการสแน็ปช็อต และการลบไฟล์ที่ไม่ได้อ้างอิงเพื่อเพิ่มประสิทธิภาพและต้นทุนในการสืบค้นเมื่อเวลาผ่านไปโดยอัตโนมัติ

เข้าถึงความสามารถในการวิเคราะห์ Iceberg ขั้นสูงและข้อมูลการสืบค้นโดยใช้บริการ AWS ที่คุ้นเคย เช่น Amazon Athena, Redshift และ EMR ผ่านการผสานรวม S3 Tables เข้ากับ Amazon SageMaker Lakehouse นอกจากนี้คุณสามารถใช้แอปพลิเคชันของบุคคลที่สามที่รองรับ Iceberg REST เช่น Apache Spark, Apache Flink, Trino, DuckDB และ PyIceberg เพื่ออ่านและเขียนข้อมูลลงใน S3 Tables

สร้างตารางเป็นทรัพยากร AWS ที่ดีที่สุดและใช้สิทธิ์เพื่อกำกับดูแลการเข้าถึงได้อย่างง่ายดาย

วิธีทำงาน

S3 Tables มีพื้นที่จัดเก็บข้อมูล S3 ที่สร้างขึ้นโดยเฉพาะสำหรับการจัดเก็บข้อมูลที่มีโครงสร้างในรูปแบบ Apache Parquet ภายในบัคเก็ตตาราง คุณสามารถสร้างตารางเป็นแหล่งข้อมูลชั้นหนึ่งได้โดยตรงใน S3 ตารางเหล่านี้สามารถรักษาความปลอดภัยด้วยสิทธิ์ระดับตารางที่กำหนดไว้ในนโยบายตามข้อมูลระบุตัวตนหรือแหล่งข้อมูล รวมถึงสามารถเข้าถึงได้โดยแอปพลิเคชันหรือเครื่องมือที่รองรับมาตรฐาน Apache Iceberg เมื่อคุณสร้างตารางในบัคเก็ตตาราง ระบบจะจัดเก็บข้อมูลพื้นฐานใน S3 เป็นข้อมูล Parquet จากนั้น S3 จะรักษาข้อมูลเมตาที่จำเป็นเพื่อให้แอปพลิเคชันของคุณสามารถสืบค้นข้อมูล Parquet ได้ บัคเก็ตตารางประกอบด้วยไลบรารีไคลเอนต์ที่ใช้โดยเอนจินสืบค้นเพื่อนำทางและอัปเดตข้อมูลเมตา Iceberg ของตารางในบัคเก็ตตารางของคุณ ไลบรารีนี้ร่วมกับ API ของ S3 ที่ได้รับการอัปเดตสำหรับการดำเนินงานเกี่ยวกับตาราง ช่วยให้ไคลเอนต์หลายรายสามารถอ่านและเขียนข้อมูลไปยังตารางของคุณได้อย่างปลอดภัย เมื่อเวลาผ่านไป S3 จะเพิ่มประสิทธิภาพข้อมูล Parquet พื้นฐานโดยอัตโนมัติด้วยการเขียนอ็อบเจกต์ใหม่หรือ “บีบอัด” อ็อบเจกต์ การบีบอัดจะเพิ่มประสิทธิภาพข้อมูลบน S3 เพื่อปรับปรุงประสิทธิภาพการสืบค้นและลดต้นทุน อ่านข้อมูลผู้ใช้เพื่อเรียนรู้เพิ่มเติม

วิดีโอสาธิต Amazon S3 Tables

ลูกค้า

  • Genesys

    Genesys เป็นผู้นำด้านระบบคลาวด์ระดับโลกสำหรับการควบคุมระบบประสบการณ์ที่ขับเคลื่อนด้วย AI ด้วยความสามารถในการจัดการการมีส่วนร่วมของพนักงาน ดิจิทัล และ AI ขั้นสูง Genesys ช่วยให้องค์กรมากกว่า 8,000 แห่งในกว่า 100 ประเทศสามารถมอบประสบการณ์ลูกค้าและพนักงานที่ปรับให้เหมาะกับแต่ละบุคคลและเห็นอกเห็นใจ ขณะเดียวกันก็ได้รับประโยชน์จากความคล่องตัวทางธุรกิจและผลลัพธ์ที่เพิ่มขึ้น

    Amazon S3 Tables จะเป็นส่วนเสริมที่เปลี่ยนแปลงให้กับสถาปัตยกรรมข้อมูลของเรา โดยเฉพาะอย่างยิ่งด้วยการรองรับ Iceberg ที่มีการจัดการ ซึ่งสร้างเลเยอร์มุมมองผลการสืบค้นสำหรับความต้องการวิเคราะห์ข้อมูลที่หลากหลาย ข้อเสนอนี้มีศักยภาพที่จะช่วยให้ Genesys สามารถลดความซับซ้อนของเวิร์กโฟลว์ข้อมูลที่มีความซับซ้อนได้โดยกำจัดเลเยอร์พิเศษของการจัดการตารางด้วย S3 จัดการงานบำรุงรักษาที่สำคัญ เช่น การบีบอัด การจัดการสแน็ปช็อต และการลบไฟล์ที่ไม่ได้อ้างอิงโดยอัตโนมัติ ความสามารถในการอ่านและเขียนตาราง Iceberg โดยตรงจาก S3 จะช่วยให้เราเพิ่มประสิทธิภาพและสร้างความเป็นไปได้ใหม่สำหรับการรวมข้อมูลอย่างราบรื่นในระบบนิเวศการวิเคราะห์ของเรา การทำงานร่วมกันนี้ ซึ่งรวมเข้ากับการปรับปรุงประสิทธิภาพ ทำให้ S3 Tables กลายเป็นส่วนสำคัญของกลยุทธ์ในอนาคตสำหรับการส่งมอบข้อมูลเชิงลึกที่รวดเร็ว ยืดหยุ่น และเชื่อถือได้

    Glenn Nethercutt ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยี - Genesys

  • Pendulum

    Pendulum เป็นแพลตฟอร์ม Brand Intelligence ที่มีความครอบคลุมมากที่สุดในโลกทั้งเนื้อหาวิดีโอ เสียง และข้อความ เพื่อระบุความเสี่ยงและโอกาสในเชิงรุก ช่วยให้ตัดสินใจได้ดีขึ้นและติดตามการวิเคราะห์ทั่วทั้งองค์กร

    ที่ Pendulum Intelligence เราวิเคราะห์ข้อมูลจากช่องทางและแหล่งที่มาทางโซเชียลนับร้อยล้านรายการ ตาราง Amazon S3 ได้เปลี่ยนวิธีที่เราจัดการ Data Lake ของเรา ซึ่งประมวลผลเนื้อหาวิดีโอและเสียงที่วิเคราะห์เป็นพันชั่วโมงในขณะที่แยกบริบทจากภาพและสื่ออื่น ๆ ในเวลาใกล้เวลาจริงโดยใช้เครื่องมือแมชชีนเลิร์นนิงที่เป็นกรรมสิทธิ์ของเรา ด้วยการกำจัดภาระของการจัดการตาราง รวมถึงการบีบอัด การทำสแนปช็อต และการล้างไฟล์ ทีมงานของเราจะสามารถมุ่งเน้นไปที่สิ่งที่สำคัญที่สุดได้ ซึ่งก็คือการได้รับข้อมูลเชิงลึกที่ดำเนินการได้จากชุดข้อมูลขนาดใหญ่ การผสานรวมอย่างราบรื่นกับสแต็กการวิเคราะห์ของเรา เช่น Amazon Athena, AWS Glue และ Amazon EMR ช่วยเพิ่มความสามารถของเราในการประมวลผลข้อมูลที่ซับซ้อนที่มีขนาดใหญ่อย่างมีนัยสำคัญ

    Abdurrahman Elbuni สถาปนิกคลาวด์ Big Data - Pendulum

  • SnapLogic

    SnapLogic เป็นผู้บุกเบิกด้านการผสานการทำงานที่นำโดย AI แพลตฟอร์ม SnapLogic สำหรับการผสานรวมแบบช่วยสร้างนั้นช่วยเร่งความเร็วในการเปลี่ยนผ่านสู่ระบบดิจิทัลทั่วทั้งองค์กรเพื่อออกแบบ ปรับใช้ และจัดการ AI Agent รวมถึงการผสานรวมที่ดำเนินการโดยอัตโนมัติ ทำการตัดสินใจแบบเรียลไทม์ และผสานรวมเข้ากับเวิร์กโฟลว์ที่มีอยู่ได้อย่างง่ายดาย

    Amazon S3 Tables มาพร้อมการรองรับ Apache Iceberg ในตัวและการผสานรวมบริการ AWS Analytics ช่วยให้บริษัทต่าง ๆ สามารถปรับต้นทุนการวิเคราะห์ข้อมูลให้เหมาะสม ขณะที่เปลี่ยนวิธีใช้ข้อมูลธุรกิจสำหรับการวิเคราะห์ การปฏิบัติตาม และความคิดริเริ่มด้าน AI ทีมสามารถวิเคราะห์ข้อมูลในอดีตได้ทันที รักษาการปฏิบัติตามกฎระเบียบ ตลอดจนเร่งข้อมูลเชิงลึกทางธุรกิจไปพร้อม ๆ กับการลดต้นทุนด้านเทคโนโลยีอย่างมีนัยสำคัญ ด้วยการดำเนินงานด้านการจัดการข้อมูลที่มีความซับซ้อนโดยอัตโนมัติและจัดเตรียมเส้นทางการตรวจสอบการเปลี่ยนแปลงข้อมูลที่สมบูรณ์

    Dominic Wellington สถาปนิกองค์กร - SnapLogic

  • Zus Health

    Zus เป็นแพลตฟอร์มข้อมูลสุขภาพที่มีการใช้งานร่วมกันที่ออกแบบมาเพื่อเร่งความสามารถในการใช้งานข้อมูลสุขภาพร่วมกัน โดยให้ข้อมูลผู้ป่วยที่ใช้งานง่ายผ่าน API, ส่วนประกอบแบบฝังตัว และการผสานรวม EHR โดยตรง

    ในฐานะบริษัทด้านการดูแลสุขภาพที่จัดการข้อมูลผู้ป่วยที่มีการเปลี่ยนแปลงอยู่บ่อยครั้งจำนวนมาก เราได้ตัดสินใจลงทุนใน Apache Iceberg เนื่องจากช่วยแก้ปัญหามากมายโดยใช้ Apache Hive ในด้านการแบ่งพาร์ติชันและระบบอัตโนมัติ พร้อมประโยชน์เพิ่มเติมจากการทำงานร่วมกันที่กว้างขึ้น หนึ่งในปัญหาที่ใหญ่ที่สุดของเรากับ Iceberg คือการทำความเข้าใจและจัดการการเพิ่มประสิทธิภาพตาราง ซึ่งเป็นเหตุผลที่เราตื่นเต้นกับ S3 Tables และความสามารถในการเพิ่มประสิทธิภาพที่มีการจัดการ ความสามารถในการลดค่าใช้จ่ายในการบำรุงรักษาตารางของนักพัฒนาจะช่วยให้เราสามารถโฟกัสที่การนำข้อมูลคุณภาพสูงและข้อมูลเชิงลึกที่มีค่าให้กับลูกค้าของเราได้มากขึ้น

    Sonya Huang วิศวกรซอฟต์แวร์ที่ปรึกษา - Zus Health

พาร์ทเนอร์และการผสานรวม

  • Daft

    Daft เป็นเอ็นจิ้นแบบครบวงจรสำหรับวิศวกรรมข้อมูล การวิเคราะห์ และ ML/AI เปิดเผยทั้งอินเทอร์เฟซ SQL และ Python DataFrame ในฐานะพลเมืองชั้นหนึ่งและเขียนด้วย Rust Daft มอบประสบการณ์การโต้ตอบแบบโต้ตอบในท้องถิ่นที่ฉับไวและน่าประทับใจ ขณะเดียวกันยังปรับขนาดให้เหมาะสมกับเวิร์กโหลดแบบกระจายในระดับเพตาไบต์ได้อย่างราบรื่น

    ตาราง Amazon S3 เป็นส่วนเสริมที่สมบูรณ์แบบสำหรับการสนับสนุนของ Daft สำหรับ Apache Iceberg ด้วยการใช้ประโยชน์จากการผสานรวมกับ AWS Lake Formation และ AWS Glue เราสามารถขยายความสามารถในการอ่านและเขียน Iceberg ที่มีอยู่ของเราไปยัง S3 Tables ได้อย่างง่ายดายในขณะเดียวกันก็ใช้ประโยชน์จากประสิทธิภาพที่ดีที่สุด เราหวังว่าจะมีวิวัฒนาการของบริการใหม่นี้ และเรารู้สึกตื่นเต้นที่จะให้การสนับสนุนที่ดีที่สุดในคลาส S3 Tables สำหรับระบบนิเวศวิศวกรรมข้อมูล Python และ ML/AI

    Sammy Sidhu, CEO และผู้ร่วมก่อตั้ง - Daft

  • Dremio

    Dremio เป็นแพลตฟอร์ม Lakehouse อัจฉริยะ เร่งความเร็ว AI และการวิเคราะห์โดยนำเสนอ SQL เอ็นจิ้นชั้นนำในตลาด แค็ตตาล็อกข้อมูลแบบเปิดและทำงานร่วมกันได้ และแพลตฟอร์มที่ปลอดภัย ปรับขนาดได้ และใช้งานง่าย ความเป็นผู้นำของเราในชุมชน Apache Iceberg, Apache Polaris (incubating) และ Apache Arrow ช่วยให้องค์กรสามารถสร้างสถาปัตยกรรม Lakehouse ที่เปิดกว้างและมีประสิทธิภาพสูงได้อย่างเต็มที่ ในขณะที่ยังคงรักษาความยืดหยุ่นและการควบคุม ซึ่งจะช่วยขจัดความจำเป็นในการผูกขาดกับผู้จำหน่าย

    Dremio มีความยินดีที่จะสนับสนุนความพร้อมใช้งานทั่วไปของตาราง Amazon S3 ด้วยการสนับสนุนข้อกำหนด Apache Iceberg REST Catalog (IRC), S3 Tables ช่วยให้มั่นใจได้ว่าการทำงานร่วมกันอย่างราบรื่นกับ Dremio ช่วยให้ผู้ใช้ได้รับประโยชน์จากเอ็นจิ้น SQL ประสิทธิภาพสูงที่สามารถสืบค้นตาราง Apache Iceberg ที่จัดการในบัคเก็ตตาราง S3 ที่ได้รับการปรับให้เหมาะสม ความร่วมมือนี้เสริมความสำคัญของมาตรฐานแบบเปิดในระบบนิเวศ Lakehouse ขจัดความซับซ้อนในการผนวกรวมและเร่งความเร็วการปรับตัวของลูกค้า ด้วยการสนับสนุนตาราง Amazon S3 และ IRC องค์กรจะได้รับความยืดหยุ่นและทางเลือกที่จำเป็นในการสร้างสถาปัตยกรรม Lakehouse แบบครบวงจรในยุค AI

    James Rowland-Jones รองประธานฝ่ายผลิตภัณฑ์ - Dremio

  • DuckDB Labs

    DuckDB Labs เป็นบริษัทที่ก่อตั้งโดยผู้สร้าง DuckDB ซึ่งเป็นเครื่องมือจัดการข้อมูลสากลยอดนิยม บริษัทว่าจ้างผู้มีส่วนร่วมหลักในระบบ DuckDB DuckDB เป็นซอฟต์แวร์ฟรีและโอเพนซอร์สภายใต้ใบอนุญาต MIT และถูกควบคุมโดย DuckDB Foundation ที่ไม่แสวงผลกำไรอิสระ โครงการ DuckDB ทำให้การประมวลผลวิเคราะห์อย่างรวดเร็วพร้อมใช้งานได้สำหรับผู้คนจำนวนมากผ่านความสะดวกในการใช้งานและความสามารถในการเคลื่อนย้าย

    ตาราง Amazon S3 สอดคล้องกับวิสัยทัศน์ของ DuckDB สำหรับการวิเคราะห์ข้อมูลที่เท่าเทียมกันโดยใช้รูปแบบไฟล์เปิด ความร่วมมือระหว่าง AWS และ DuckDB Labs ช่วยให้เราสามารถขยายการรองรับ Iceberg ใน DuckDB และพัฒนาการผสานรวมกับ S3 Tables ได้อย่างราบรื่น เราเชื่อว่าความคิดที่รวมอยู่ในหลัการพื้นฐานเดียวกันของ DuckDB และ S3 Tables รวมกันเป็นสแต็กการวิเคราะห์ที่มีประสิทธิภาพซึ่งสามารถจัดการกับเวิร์กโหลดที่หลากหลายในขณะที่ยังคงรักษาอุปสรรคต่อการเข้าสู่ระบบที่ต่ำอย่างไม่น่าเชื่อ

    Hannes Mühleisen ประธานเจ้าหน้าที่บริหาร - DuckDB Labs

  • HighByte

    HighByte เป็นบริษัทซอฟต์แวร์อุตสาหกรรมที่มุ่งเน้นด้านสถาปัตยกรรมข้อมูลและความท้าทายในการผสานรวมที่ผู้ผลิตทั่วโลกเผชิญขณะเปลี่ยนแปลงสู่ระบบดิจิทัล HighByte Intelligence Hub ซึ่งเป็นซอฟต์แวร์ Industrial DataOps ที่ได้รับการพิสูจน์แล้วของบริษัท มอบข้อมูลจำลองที่พร้อมใช้งานสำหรับบริการ AWS Cloud โดยใช้อินเทอร์เฟซแบบไม่ต้องใชโค้ดเพื่อเร่งเวลาการผสานรวมและเร่งการวิเคราะห์

    ตาราง Amazon S3 เป็นฟีเจอร์ใหม่ที่มีประสิทธิภาพที่เพิ่มประสิทธิภาพในการจัดการ ประสิทธิภาพ และการจัดเก็บข้อมูลแบบตารางสำหรับเวิร์กโหลดการวิเคราะห์ การผสานรวมโดยตรงของ HighByte Intelligence Hub กับตาราง Amazon S3 ทำให้ผู้ผลิตทั่วโลกสามารถสร้าง Data Lake เชิงธุรกรรมแบบเปิดสำหรับข้อมูลอุตสาหกรรมของตนได้ง่าย S3 Tables ช่วยให้สามารถสืบค้นข้อมูล Parquet ดิบได้ทันที ทำให้ลูกค้าสามารถส่งข้อมูลตามบริบทจาก Edge ไปยังคลาวด์เพื่อใช้งานได้ทันทีโดยไม่ต้องประมวลผลหรือการแปลงเพิ่มเติม สิ่งนี้มีผลกระทบอย่างมากต่อทั้งประสิทธิภาพและการปรับเพิ่มประสิทธิภาพต้นทุนสำหรับลูกค้าร่วมกันของเรา

    Aron Semle ประธานเจ้าหน้าที่ด้านเทคโนโลยี - HighByte

  • PuppyGraph

    PuppyGraph เป็นเครื่องมือสืบค้นกราฟ ETL แบบไร้รอยต่อเรียลไทม์ตัวแรก ซึ่งช่วยให้ทีมข้อมูลสามารถสืบค้น Lakehouse ที่มีอยู่เป็นกราฟในไม่กี่นาทีโดยไม่ต้องย้ายหรือบำรุงรักษาโดยมีค่าใช้จ่าย ปรับขนาดเป็นชุดข้อมูลขนาดเพตาไบต์ และดำเนินการสืบค้นแบบมัลติฮอปที่ซับซ้อนภายในไม่กี่วินาที เพิ่มประสิทธิภาพให้กับกรณีการใช้งานตั้งแต่การตรวจจับการฉ้อโกงไปจนถึงการรักษาความปลอดภัยทางไซเบอร์และข้อมูลเชิงลึกที่ขับเคลื่อนด้วย AI

    Amazon S3 ถือเป็นพื้นฐานของโครงสร้างพื้นฐานข้อมูลสมัยใหม่มาอย่างยาวนาน และการเปิดตัว S3 Tables ถือเป็นก้าวสำคัญที่ทำให้ Apache Iceberg เข้าใกล้การเป็นมาตรฐานสากลสำหรับข้อมูลและ AI มากขึ้น นวัตกรรมนี้ช่วยให้องค์กรสามารถใช้ประโยชน์จากรูปแบบตารางแบบเปิดประสิทธิภาพสูงบน S3 ทำให้สามารถทำการวิเคราะห์หลายเอ็นจิ้นโดยไม่ต้องทำซ้ำข้อมูล สำหรับลูกค้า PuppyGraph หมายความว่าตอนนี้พวกเขาสามารถเรียกใช้การสืบค้นกราฟแบบเรียลไทม์บนข้อมูล S3 ของตนได้โดยตรง โดยรักษาข้อมูลเชิงลึกที่สดใหม่และปรับขนาดได้โดยไม่ต้องใช้ ETL ที่ซับซ้อน เรารู้สึกตื่นเต้นที่จะเป็นส่วนหนึ่งของวิวัฒนาการนี้ ทำให้การวิเคราะห์กราฟได้อย่างราบรื่นเหมือนกับตัวข้อมูลเอง

    Weimo Liu ผู้ร่วมก่อตั้งและ CEO - PuppyGraph

  • Snowflake

    Snowflake ทำให้ AI สำหรับองค์กรเป็นเรื่องง่าย เชื่อมต่อได้ และเชื่อถือได้ บริษัทหลายพันแห่งทั่วโลก รวมถึงบริษัทที่ใหญ่ที่สุดในโลกหลายร้อยแห่งใช้ AI Data Cloud ของ Snowflake เพื่อแบ่งปันข้อมูล สร้างแอปพลิเคชัน และขับเคลื่อนธุรกิจด้วย AI

    เรารู้สึกตื่นเต้นที่จะนำความมหัศจรรย์ของ Snowflake มาสู่ตาราง Amazon S3 การทำงานร่วมกันนี้ช่วยให้ลูกค้า Snowflake สามารถอ่านและประมวลผลข้อมูลที่จัดเก็บไว้ใน S3 Tables ได้อย่างราบรื่นโดยใช้การตั้งค่า Snowflake ที่มีอยู่ ซึ่งไม่จำเป็นต้องย้ายหรือทำซ้ำข้อมูลที่ซับซ้อน ด้วยการรวมความสามารถในการวิเคราะห์ประสิทธิภาพระดับโลกของ Snowflake เข้ากับระบบจัดเก็บตาราง Apache Iceberg อันมีประสิทธิภาพของ Amazon S3 Tables องค์กรต่าง ๆ สามารถสืบค้นและวิเคราะห์ข้อมูลแบบตารางที่จัดเก็บในตาราง Amazon S3 ได้อย่างง่ายดาย

    Rithesh Makkena ผู้อำนวยการฝ่ายวิศวกรรมโซลูชันพาร์ทเนอรืระดับโลก - Snowflake

  • Starburst

    Starburst ขับเคลื่อนสถาปัตยกรรมข้อมูลพื้นฐานที่จำเป็นโดยการวิเคราะห์ AI และแอปพลิเคชันข้อมูล ใช้สภาพแวดล้อม Data Lake แบบไฮบริดที่ขับเคลื่อนโดย Apache Iceberg เพื่อส่งมอบการเข้าถึง การทำงานร่วมกัน และการกำกับดูแลในระดับสากล

    เรารู้สึกตื่นเต้นที่ได้เห็น Amazon S3 แนะนำการสนับสนุนในตัวสำหรับ Apache Iceberg ด้วย S3 Tables เพื่อพัฒนาระบบนิเวศ Iceberg Open Data Lakehouse ด้วยบัคเก็ตตาราง S3 เราหวังว่าจะร่วมมือกับ AWS เพื่อช่วยให้ลูกค้าร่วมของเรานำพลังของ Open Lakehouse มาซึ่งขับเคลื่อนโดย Trino ที่ได้รับการปรับให้เหมาะสม ซึ่งเป็นเอ็นจิ้น MPP SQL แบบโอเพนซอร์สชั้นนำ ผ่านการวิเคราะห์ที่หลากหลายและกรณีการใช้งาน AI ไปยังข้อมูลใน Amazon S3

    Matt Fuller รองประธานฝ่ายผลิตภัณฑ์ - Starburst

  • StreamNative

    StreamNative เป็นแพลตฟอร์มการส่งข้อความและการสตรีมที่ขับเคลื่อน AI และการวิเคราะห์ด้วยการนำข้อมูลเข้าที่มีประสิทธิภาพและคุ้มค่า เอ็นจิ้น StreamNative Ursa ช่วยให้องค์กรสามารถลดค่าใช้จ่ายรวมในการเป็นเจ้าของ (TCO) ได้ 90% ด้วยความเข้ากันได้ของ Kafka สถาปัตยกรรมที่ไร้ผู้นำ และพื้นที่จัดเก็บข้อมูลแบบเนทีฟ Lakehouse ทำให้ข้อมูลที่พร้อมใช้งาน AI เข้าถึงได้ในขนาดใหญ่

    การผสานรวมของเรากับตาราง Amazon S3 ทำให้ข้อมูลที่พร้อมใช้งาน AI แบบเรียลไทม์มีความเปิดกว้างและเข้าถึงได้มากขึ้นกว่าที่เคย สถาปัตยกรรมไร้ผู้นำของ Ursa บน S3 ช่วยลดต้นทุนด้านพื้นที่จัดเก็บข้อมูลแล้ว และการรวมโดยตรงกับ S3 Tables จะช่วยปรับปรุงประสิทธิภาพและประสิทธิผลอีกด้วย ในโลกที่ขับเคลื่อนด้วย AI การกำกับดูแลข้อมูลเป็นสิ่งสำคัญ ที่ StreamNative เรามุ่งมั่นที่จะช่วยให้ธุรกิจลด TCO ลง 90% ในขณะที่ทำให้การสร้างแอปพลิเคชันที่ขับเคลื่อนด้วย AI ด้วยข้อมูลแบบเรียลไทม์ที่ควบคุมได้ง่ายและมีราคาไม่แพง

    Sijie Guo ซีอีโอและผู้ร่วมก่อตั้ง - StreamNative

แหล่งข้อมูลสำหรับ S3 Tables