本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 最佳实践
<a name="best-practice-tagging"></a>

使用标签时，了解当前或潜在的公司和使用案例结构非常重要。使用这些信息，您可以选择合适的标签。例如，如果您正在为售前部门构建数据湖，并且知道有计划扩展数据湖以包括来自售后部门的数据，那么使用标签 `department` 将有助于分别确定每个部门的成本和绩效。可以更准确地识别代码或数据的规划、成本分配和优化。如果没有 `department` 标签，售前数据需要 15 分钟进行数据建模，而售后数据需要 45 分钟，则开发人员必须花更多的时间进行根本原因分析。有了 `department` 标签，开发人员就可以准确了解该从哪里入手。

## 标记本体
<a name="ontology"></a>

业务和技术在识别合适的标签方面共同发挥着重要作用。从业务角度来看，公司和项目将始终遵循一定的结构。例如，在欧洲、中东和非洲*区域*，HR *部门*可能有一个预测招聘需求的*项目*。在这种情况下，包括来自现有结构的元数据对于报告、监控、清理和推出非常重要。同时，技术部门明白，该项目将需要以下内容：
+ 通过由数据摄取、清理和处理组成的数据管线收集数据的各个*阶段*
+ 用于进行预测数据建模的 ML 团队****
+ 用于代码编排的 DevOps 管线，覆盖开发、测试和生产环境

所有斜体关键字均为业务和技术组结构，这些结构务必与应用程序的组件关联。以下是典型的标记本体示例。使用该示例，下表显示了标签对应的键值对。


|  |  | 
| --- |--- |
| **键** | **值** | 
| `department` | `human resources` | 
| `region` | `EMEA` | 
| `project` | `hiring forecast` | 
| `phase` | `3` | 
| `process` | `data ingestion` `data cleaning`、`processing`、`modeling`、或 `sales forecasting` | 
| `domain` | `machine learning` 或者`data pipeline` | 
| `creation` | `cdk` `x framework`、`ingest pipeline`、或 `manual - empty` | 
| `status` | `development` `testing`、`production access`、`reporting`、或 `onboarding` | 

## 标签治理
<a name="governance"></a>

设置治理机制有助于使标记在所有 AWS 资源上保持一致且可编程：
+ *被动治理*是指查找未正确标记的资源。您可以使用[资源组标记 API](https://docs.aws.amazon.com/resourcegroupstagging/latest/APIReference/overview.html)、[AWS Config 规则](https://docs.aws.amazon.com/config/latest/developerguide/evaluate-config_use-managed-rules.html)和自定义脚本等工具。
+ *主动治理*是指不允许用户创建任何未标记的资源。您可以使用 [AWS CloudFormation](https://docs.aws.amazon.com/AWSCloudFormation/latest/UserGuide/Welcome.html)、[AWS Service Catalog](https://docs.aws.amazon.com/servicecatalog/latest/userguide/end-user-console.html)、AWS Organizations 中的[标签策略](https://docs.aws.amazon.com/organizations/latest/userguide/orgs_manage_policies_tag-policies.html)或 IAM 资源级权限等工具。