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.
# Data Lake für Transport und Logistik
Veröffentlichungsdatum: 15. ** März 2020 () [Geschichte des Diagramms](#diagram-history) **
Diese Architektur zeigt, wie Datensilos durchbrochen und ein einziges Repository für Transport- und Logistikdaten aus mehreren Quellen erstellt werden können. Sie können eine vollständig verwaltete, nutzungsabhängige und skalierbare Architektur verwenden, um die Komplexität und die Kosten der Verwaltung lokaler Datenbanken zu verringern.
## Data Lake für Transport und Logistik
Die folgenden Schritte beschreiben die Architektur:
1. Erfassen Sie Daten aus mehreren Quellen: historische und große Datenbanken mit AWS Snowball, Echtzeitdaten mit [ Amazon Kinesis](https://docs.aws.amazon.com/streams/latest/dev/introduction.html), ERP-Datensynchronisierung mit AWS DataSync und mobile App-Daten mit Amazon. [ AppSync ](https://docs.aws.amazon.com/appsync/latest/devguide/what-is-appsync.html)
1. Extrahieren, transformieren und laden Sie Rohdaten automatisch mit [ Lake Formation. ](https://docs.aws.amazon.com/lake-formation/latest/dg/what-is-lake-formation.html) Entdecken Sie Schemas und erstellen Sie einen Datenkatalog für die weitere Datenanalyse.
1. Erstellen Sie einen [ Amazon Simple Storage Service ](https://docs.aws.amazon.com/AmazonS3/latest/userguide/Welcome.html) Data Lake, in dem Sie geschäftskritische Daten sicher speichern, organisieren und darauf zugreifen können. Verwenden Sie Amazon EMR für eine detaillierte Steuerung von Extraktions-, Transformations- und Ladeaufträgen (ETL). Verwenden Sie [ AWS Glue](https://docs.aws.amazon.com/glue/latest/dg/what-is-glue.html), um Ihren Datenkatalog zu verwalten.
1. Verwandeln Sie Rohdaten mit [ Athena ](https://docs.aws.amazon.com/athena/latest/ug/what-is.html) und [ Amazon Quick Sight in umsetzbares Wissen. ](https://docs.aws.amazon.com/quicksight/latest/user/welcome.html) Verbreiten Sie wichtige Business Intelligence-Erkenntnisse in Ihrem gesamten Unternehmen. Verwenden Sie SageMaker KI, um ML-based prädiktive und präskriptive Analysen bereitzustellen.
1. Verwenden Sie AWS vollständig verwaltete Datenbanken, um bestimmte Funktionen bereitzustellen: Amazon Neptune Graph Database für die Netzwerkoptimierung, Amazon Aurora für schnelle relationale Abfragen und [ Amazon DynamoDB ](https://docs.aws.amazon.com/amazondynamodb/latest/developerguide/Introduction.html) für interaktive Mobil- und Web-Apps mit Echtzeit-Updates. Vermeiden Sie Datenlatenzen, indem Sie Live-Datenstreams von Amazon Kinesis aufnehmen.
## Weitere Informationen
Weitere Informationen finden Sie in den folgenden Ressourcen:
+ [AWS Architektur-Ikonen ](https://aws.amazon.com/architecture/icons)
+ [AWS Zentrum für Architektur ](https://aws.amazon.com/architecture)
+ [AWS Well-Architected](https://aws.amazon.com/architecture/well-architected)
## Geschichte des Diagramms
Abonnieren Sie den RSS-Feed, um über Aktualisierungen dieses Referenzarchitekturdiagramms informiert zu werden.
| Änderung | Beschreibung | Datum |
| --- |--- |--- |
| [Erste Veröffentlichung](#diagram-history) | Das Referenzarchitekturdiagramm wurde zuerst veröffentlicht. | 15. März 2020 |
**Anmerkung**
Um RSS-Updates zu abonnieren, muss ein RSS-Plugin für den von Ihnen verwendeten Browser aktiviert sein.