As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Princípios de engenharia de dados
Recomendamos que você adote os princípios na tabela a seguir ao criar uma arquitetura para um pipeline de dados moderno.
Princípios | Exemplo | Caso de uso |
Flexibilidade | Usar microsserviços | FastGo desfruta de flexibilidade e escalabilidade com uma arquitetura de microsserviços na AWS |
Reprodutibilidade | Usar a infraestrutura como código (IaC) para implantar seus serviços | Part 3: How NatWest Group built auditable, reproducible, and explainable ML models with Amazon SageMaker |
Capacidade de reutilização | Usar bibliotecas e referências de forma compartilhada | Create and reuse governed datasets in Amazon QuickSight with new Dataset-as-a-Source feature |
Escalabilidade | Escolher as configurações de serviço para acomodar qualquer carga de dados | Projeção de um data lake para crescimento e escala na Nuvem AWS (Recomendações da AWS) |
Auditabilidade | Mantenha uma trilha de auditoria usando logs, versões e dependências | How Parametric Built Audit Surveillance using AWS Data Lake Architecture |
