データエンジニアリングの原則 - AWS 規範ガイダンス

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

データエンジニアリングの原則

最新のデータパイプライン用のアーキテクチャを構築するときは、以下の表に示す原則を採用することをお勧めします。

原則

例

ユースケース:

柔軟性

マイクロサービスを使用する

FastGo enjoys flexibility and scalability with a microservices architecture on AWS (AWS 導入事例)

再現性

Infrastructure as Code (IaC) を使用してサービスをデプロイする

Part 3: Amazon SageMaker を用いた NatWest Group での監査・再現・説明可能な ML モデルの構築 (AWS 機械学習ブログ)

再利用可能性

ライブラリとリファレンスを共有しながら使用する

新しい Dataset-as-a-Source 機能を使用して Amazon QuickSight で管理されたデータセットを作成および再利用する (AWS ビッグデータブログ)

スケーラビリティ

データロードに対応するサービス設定を選択する

Designing a data lake for growth and scale on the AWS Cloud (AWS 規範ガイダンス)

監査可能性

ログ、バージョン、依存関係を使用して監査証跡を保持する

How Parametric Built Audit Surveillance using AWS Data Lake Architecture (AWS アーキテクチャブログ)