本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 資料工程原則
<a name="data-engineering-principles"></a>

當您為現代資料管道建置架構時，建議您採用下表中的原則。


|  |  |  | 
| --- |--- |--- |
| **原則** | **範例** | **使用案例** | 
| 彈性 | 使用微服務 | [FastGo 透過 AWS 上的微服務架構享有彈性和可擴展性](https://aws.amazon.com/solutions/case-studies/fastgo/) (AWS 案例研究） | 
| 重現性 | 使用基礎設施做為程式碼 (IaC) 來部署您的服務 | [第 3 部分：NatWest Group 如何使用 Amazon SageMaker 建置可稽核、可重現且可解釋的 ML 模型 ](https://aws.amazon.com/blogs/machine-learning/part-3-how-natwest-group-built-auditable-reproducible-and-explainable-ml-models-with-amazon-sagemaker/)(AWS Machine Learning 部落格） | 
| 可重複使用性 | 以共用方式使用程式庫和參考 | [使用新的資料集Dataset-as-a-Source功能，在 Amazon QuickSight 中建立和重複使用受管資料集 ](https://aws.amazon.com/blogs/big-data/create-and-reuse-governed-datasets-in-amazon-quicksight-with-new-dataset-as-a-source-feature/)(AWS 大數據部落格） | 
| 可擴展性 | 選擇服務組態以容納任何資料負載 | [在 AWS 雲端上設計用於成長和擴展的資料湖](https://docs.aws.amazon.com/prescriptive-guidance/latest/data-lake-for-growth-scale/welcome.html) (AWS 規範性指導） | 
| 可稽核性 | 使用日誌、版本和相依性來保留稽核線索 | [如何使用 AWS Data Lake 架構參數建置稽核監控 ](https://aws.amazon.com/blogs/architecture/how-parametric-built-audit-surveillance-using-aws-data-lake-architecture/)(AWS 架構部落格） |