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
<a name="data-engineering-principles"></a>

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](https://aws.amazon.com/solutions/case-studies/fastgo/) (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](https://aws.amazon.com/blogs/machine-learning/part-3-how-natwest-group-built-auditable-reproducible-and-explainable-ml-models-with-amazon-sagemaker/) (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](https://aws.amazon.com/blogs/big-data/create-and-reuse-governed-datasets-in-amazon-quicksight-with-new-dataset-as-a-source-feature/) (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](https://docs.aws.amazon.com/prescriptive-guidance/latest/data-lake-for-growth-scale/welcome.html) (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](https://aws.amazon.com/blogs/architecture/how-parametric-built-audit-surveillance-using-aws-data-lake-architecture/) (AWS アーキテクチャブログ) |