Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Prinzipien der Datentechnik
Wir empfehlen, dass Sie beim Aufbau einer Architektur für eine moderne Datenpipeline die Prinzipien in der folgenden Tabelle anwenden.
Prinzip | Beispiel | Anwendungsfall |
Flexibilität | Verwenden Sie Microservices | |
Reproduzierbarkeit | Verwenden Sie Infrastructure as Code (IaC), um Ihre Dienste bereitzustellen | Teil 3: Wie NatWest Group mit Amazon überprüfbare, reproduzierbare und erklärbare ML-Modelle entwickelte SageMaker |
Wiederverwendbarkeit | Verwenden Sie Bibliotheken und Referenzen gemeinsam | QuickSight Mit neuer Dataset-as-a-Source Funktion verwaltete Datensätze in Amazon erstellen und wiederverwenden |
Skalierbarkeit | Wählen Sie Servicekonfigurationen für jede Datenlast | Entwicklung eines Data Lakes für Wachstum und Skalierung in der AWS-Cloud (AWS Prescriptive Guidance) |
Überprüfbarkeit | Führen Sie anhand von Protokollen, Versionen und Abhängigkeiten einen Prüfpfad | Wie Parametric die Auditüberwachung mithilfe der AWS Data Lake-Architektur aufgebaut |
