北京2020年12月2日 /美通社/ -- 在亞馬遜云服務（AWS）舉辦的年度盛會 -- AWS re:Invent上，AWS宣布了三項全新的數據分析功能，這些功能可以大幅提升Amazon Redshift數據倉庫的性能，使客戶在數據存儲間的移動和合并數據變得更加容易，并且使終端用戶更便捷地利用機器學習從業務數據中獲得更多價值。
當前，每小時創造的數據比20年前一整年所創造的數據還要多。事實上，未來三年創造的數據量將超出過去30年創造的數據量。以往的舊工具在當今這個新的數據世界中根本無法發揮作用。AWS客戶針對不同的應用場景，推出了多種分析工具，包括用于無服務器式查詢的Amazon Athena，用于搜索和可視化日志數據的Amazon Elasticsearch Service，用于處理實時數據流的Amazon Kinesis，用作數據倉庫的Amazon Redshift，以及用于運行Apache Spark、Hive、Presto和其它大數據框架的Amazon EMR。這些服務為AWS客戶提供了適合他們需求的工具。今天宣布的全新數據分析功能建立在這一基礎之上，并為客戶的所有數據存儲提供更快、更具性價比、更易于訪問的數據分析。要了解更多信息，請訪問https://aws.amazon.com/big-data/datalakes-and-analytics/ 。
AWS分析業務副總裁Rahul Pathak說：“通過我們今天發布的功能，我們將為Amazon Redshift帶來10倍以上的性能提升，提供新的靈活方式、輕松地在數據存儲之間移動數據，客戶可以在業務儀表盤中用自然語言提出問題，并在幾秒鐘內收到答案。這些功能將極大地提高客戶在任何規模下獲取數據價值的速度和易用性。”
Amazon Redshift AQUA（高級查詢加速器）將計算能力引入存儲層，提供比任何其它云數據倉庫快10倍的查詢性能。
Amazon Redshift自2012年推出以來，作為首個為云端構建的數據倉庫，其成本僅為傳統數據倉庫的1/10，目前已經成為最受歡迎的云數據倉庫之一。今年早些時候，AWS宣布推出Amazon Redshift RA3實例，允許客戶分別擴展計算和存儲，并提供比其它云數據倉庫高3倍的性能。然而，即使有RA3實例提供的優勢，快速增長的客戶在數據倉庫中需要處理的數據依然令客戶在性能和成本效益擴展之間難以平衡。數據倉庫的主流架構是大量的集中式存儲數據需要被轉移到等著處理數據的計算節點來進行處理。這種方法面臨的挑戰是，共享數據和計算節點之間有大量的數據移動。隨著數據量持續快速增長，這種數據移動會使可用的網絡帶寬飽和、性能降低。除了網絡瓶頸之外，CPU的發展也無法跟上存儲能力的快速增長（SSD存儲吞吐量的增長速度6倍于CPU從內存處理數據的能力的增長），這要么造成了其新的CPU瓶頸，要么迫使更多的客戶過度配置算力、以便更快地完成工作。
AQUA for Amazon Redshift是Amazon Redshift的分布式、硬件加速緩存，這一創新可以提高新時代數據規模下的分析性能。AQUA將計算能力帶到存儲層，數據不必在兩者之間來回移動。這使得Amazon Redshift的運行速度是其它云數據倉庫的十倍。AQUA緩存可在眾多節點上并行擴展和處理數據。每個節點都擁有一個由AWS設計的分析處理器組成的硬件模塊，可大幅加快數據壓縮、加密，以及掃描、聚合和過濾等數據處理任務。AQUA還為客戶帶來了額外的好處，即能夠在原始存儲上進行計算，節省了原本需要花費在移動數據上的時間。有了這一新的架構，以及它所帶來的10倍以上的性能提高，Redshift的客戶可以擁有更新的數據儀表盤，節省開發時間，他們的系統也更容易維護。AQUA的預覽版現已向所有客戶開放，AQUA將于2021年1月全面上市。AQUA可在Redshift RA3實例上使用，無需額外的費用，客戶可以利用AQUA的性能改進，無需更改代碼。要開始使用AQUA，請訪問https://pages.awscloud.com/AQUA_Preview.html 。
AWS Glue Elastic Views讓開發人員可以輕松構建物化視圖，在多個數據存儲中自動組合和復制數據
大多數公司都在建立或者已經建立了數據湖，他們可以通過正確的安全和訪問控制，將來自各種孤島的所有數據匯總起來，以便更容易進行數據分析和機器學習。但出于延時和運營的原因，大多數公司也可能在數據湖之外的專用數據存儲中擁有越來越多的數據。隨著這些數據湖和專用數據存儲中的數據不斷增加，公司需要更簡單的方法來移動數據。
AWS Glue Elastic Views為開發人員提供了一種新的能力，可以輕松構建物化視圖（也稱為虛擬表），在多個數據存儲中自動組合和復制數據。AWS Glue是一種無服務器的數據準備服務，可以輕松運行用于數據分析和機器學習的提取、轉換和加載（ETL）作業。通過AWS Glue Elastic Views，客戶可以使用SQL創建從不同數據存儲中組合數據的物化視圖，AWS Glue Elastic Views負責從不同數據源來復制數據以創建物化視圖。例如，客戶可能會創建一個物化視圖，從Amazon Aurora中提取餐廳位置信息，并將其與存儲在Amazon DynamoDB中的客戶評論相結合，然后在Amazon Elasticsearch Service上按位置建立一個餐廳評論搜索引擎。AWS Glue Elastic Views 將數據從每個源數據庫復制到目標數據庫，自動保障目標數據庫中的數據更新。Elastic Views會持續監控源數據庫的變化，并在幾秒鐘內更新目標數據庫。如果其中一個源數據庫中的數據模型發生了變化，Elastic Views會主動提醒開發人員，這樣他們就可以更新他們的物化視圖以適應變化。客戶還可以使用Elastic Views將運營數據從運營數據庫復制到數據湖中，近乎實時地運行數據分析。AWS Glue Elastic Views可以自動擴縮以適應工作負載的增減，確保目標數據庫中的物化視圖保持最新。AWS Glue Elastic Views 現在可以預覽。要了解更多信息，請訪問http://aws.amazon.com/glue/features/elastic-views 。
Amazon QuickSight Q是Amazon QuickSight的機器學習功能，用戶可以用自然語言鍵入有關其業務數據的問題，并在幾秒鐘內獲得高度準確的答案
Amazon QuickSight 是專為云計算而構建的可擴展、無服務器、可嵌入機器學習的商業智能 (BI) 服務。Amazon QuickSight 提供了現代的、交互式、自助服務式 BI 解決方案的所有優勢，其功能可以輕松地將儀表盤嵌入到應用程序中，以高性價比的方式擴展，支持成千上萬的客戶。Amazon QuickSight的“自動敘述”功能為客戶提供自動生成的簡述，用通俗的語言解釋和描述BI儀表盤中數據的含義，使所有用戶對數據有共同的理解。客戶喜歡這些通俗易懂的敘述，因為這使他們能夠快速解讀共享儀表板中的數據，并專注于最重要的見解。客戶也喜歡用通俗的語言向他們的數據提出業務問題，并得到近乎實時的答案。雖然一些BI工具和供應商已經嘗試用自然語言查詢（NLQ）來解決這一挑戰，但現有的方法要求客戶首先要提前花幾個月的時間來準備和建立一個模型，即使這樣，他們仍然沒有辦法提出那些原有模型沒有預先定義，需要新計算的問題。例如，“我們的同比增長率是多少？”這個問題需要在模型中預先定義“增長率”作為計算。通過今天的BI工具，用戶需要與BI團隊合作，更新模型并考慮任何新的計算或數據，這可能需要幾天或幾周的功夫。
Amazon QuickSight Q讓用戶可以用自然語言對其所有數據提出任何問題，并在幾秒鐘內收到答復。要提出問題，用戶只需在Amazon QuickSight Q搜索欄中輸入問題。當用戶開始輸入問題時，Amazon QuickSight Q會提供帶有關鍵短語和業務術語的自動補全建議，自動執行拼寫檢查、縮寫詞與同義詞匹配，因此用戶不必擔心錯別字或記不住數據的準確業務術語。Amazon QuickSight Q使用深度學習和機器學習（自然語言處理、模式理解和SQL代碼生成的語義解析）來生成數據模型，自動理解業務數據的含義和它們之間的關系，因此用戶的業務問題可以得到高度準確的答案，而無需等待幾天或幾周來建立數據模型。由于Amazon QuickSight Q無需BI團隊建立數據模型，因此用戶也不限于只提出一組特定的問題。此外，因為查詢會應用于所有數據，而不僅僅是預設模型中的數據集，用戶可以得到更完整、更準確的答案。Amazon QuickSight Q預先根據來自不同領域和行業的數據進行了訓練，如銷售、營銷、運營、零售、人力資源、醫藥、保險、能源等，因此它已被優化來理解復雜的商業語言。例如，銷售用戶可以問“我的銷售任務完成得如何？”，或者零售用戶可以問“按地區劃分的周銷量增長最快的產品是什么？”Amazon QuickSight Q 通過從用戶互動中學習，隨著時間的推移不斷提高其準確性。如果Amazon QuickSight Q不理解問題中的某個短語，會提示用戶從搜索欄中的建議選項下拉菜單中選擇，Amazon QuickSight Q會記住該短語，以便下次交互。要了解有關 Amazon QuickSight Q 的更多信息，請訪問 https://aws.amazon.com/quicksight/q 。
總部位于東京的NTT DOCOMO是日本最大的移動服務提供商之一，為8000多萬客戶提供服務。NTT DOCOMO服務創新部總經理Ken Ohta表示：“自2014年遷移到Amazon Redshift以來，Amazon Redshift一直是我們數據分析環境的核心，使我們能夠存儲到超過10PB的未壓縮數據，性能比之前的線下系統提高了10倍。隨著客戶對數據和數據量的需求增長，Amazon Redshift的持續創新幫助我們帶來了擴展系統所需的靈活性和易用性。我們對AQUA for Amazon Redshift的推出感到興奮，因為我們將進一步提高和擴大Amazon Redshift數據倉庫的性能和規模。”
Intercom是一家快速發展的創業公司，估值13億美元，融資超過2.4億美元。“強大的客戶關系比以往任何時候都重要，但在線業務的規模和性質，可能會給建立個人聯系帶來困難。因此我們創建了世界上第一個對話關系平臺，幫助企業通過個性化的、基于即時通訊的體驗建立更好的客戶關系。為了使這一工作順利進行，并在業務爆發的過程中了解我們的業務，我們依賴于大量的數據 -- 目前有70TB，而且還在不斷增加。”Intercom數據工程經理Paul Vickers說，“我們的Amazon Redshift云數據倉庫易于擴展并不會超支。我們對Amazon Redshift中新的AQUA功能感到非常興奮，這將加快我們的查詢速度，縮短數據分析師獲得洞察力的時間。我們知道，有了AWS，我們就可以專注于我們的業務增長而不用關心背后的技術支持。”
埃森哲是一家全球性的專業服務公司，在數字化、云計算和安全領域具有領先的實力。埃森哲北美數據與AI 部門AWS合作負責人A.K. Radhakrishnan表示：“在埃森哲，我們致力于提供服務和解決方案，幫助全球客戶利用數據進行實時決策。然而，數據和對數據洞察力的需求以令人難以置信的速度增長，定義數據、確定優先級和處理數據都面臨挑戰。AQUA for Amazon Redshift提供了創新的方法處理數據倉庫，查詢性能最高可提升10倍。這讓我們更容易支持數據驅動型企業的目標。”
ZS Associates是一家專業服務公司，與企業并肩作戰、幫助開發和交付產品，推動客戶價值和公司業績。“AWS一直走在創新的最前沿，以為客戶提供一流的解決方案而享有盛譽。利用AWS的新一代技術和ZS深厚的技術及領域專長，我們已經為客戶在Amazon Redshift上部署了多個大型數據和分析平臺。”ZS Associates企業架構負責人Nishesh Aggarwal表示，“通過引入Amazon Redshift的RA3實例，我們能夠顯著提高數據分析工作負載的性能，同時解決數據存儲問題。我們非常高興能嘗試AQUA for Amazon Redshift，因為它有望在不付出額外努力的情況下，將我們最復雜的工作負載的性能進一步提高10倍左右。”
Sisense是一個獨立的數據分析平臺，它使全球2000多家客戶能夠簡化復雜的數據，構建和嵌入數據分析應用。“Sisense和Amazon Redshift之間的強有力協作，為我們眾多的聯合客戶帶來了更好的云分析體驗。”Sisense首席戰略官Guy Levy-Yurista表示，“通過AQUA，我們預計性能將提升10倍，讓客戶能夠優化他們的Redshift數據集群。這些將使我們的客戶能夠快速將數據轉化為洞察力，并在整個業務中注入智能。”
Audible是原創口語娛樂和有聲讀物的領先制作商和供應商，每天豐富著數百萬聽眾的生活。“在Audible，客戶可以搜索和發現多個類別的原創口語娛樂內容和有聲讀物。為了給這種體驗提供動力，我們需要快速分析來自多個數據庫的數據，以提供個性化的結果。”Audible首席軟件開發工程師Shailesh Vyas說，“我們期待著嘗試AWS Glue Elastic Views作為無服務器解決方案，為我們環境中多個不同數據庫的數據創建物化視圖。有了AWS Glue Elastic Views，我們的開發人員應該能夠更快地移動數據，更專注于為客戶進行創新，而不是管理復雜的數據集成管道。”
Best Western Hotels & Resorts總部位于亞利桑那州鳳凰城，是一家私營酒店品牌，在全球100多個國家和地區擁有約4700家酒店。Best Western提供18個酒店品牌，滿足各個市場的開發商和客人的需求。“Amazon QuickSight的按使用付費定價和無服務器架構，使得Best Western的精簡分析團隊足夠敏捷，為業務提供更高的價值，速度更快，而且成本不到我們之前分析架構的一半。”Best Western Hotels & Resorts數據庫和企業分析高級經理Joseph Landucci說，“有了Amazon QuickSight Q，我們期待業務合作伙伴能夠自助解決問題，減少我們團隊應對臨時請求的運營開銷。它將使我們的合作伙伴只需用簡單的語言輸入他們的問題，就能快速獲得關鍵業務問題的答案。”
Capital One成立于1994年，是一家領先的信息化技術公司，其使命是讓銀行業更具獨創性、簡單性和人性化，幫助銀行客戶取得成功。“借助Amazon QuickSight，我們已經能夠大規模地、快速推出機器學習驅動的BI儀表板，無需任何服務器設置或繁瑣的容量規劃。” Capital One高級數據工程師Peter Tyson表示，“現在，隨著Amazon QuickSight Q的推出，我們期待著讓用戶能夠輕松、快速地獲得他們臨時業務問題的答案。”
松下航空電子公司是世界領先的機上娛樂和通信系統供應商。“我們基于云計算的解決方案收集了大量的匿名數據，這些數據有助于我們優化航空公司合作伙伴及其乘客的體驗。”松下航空電子公司云計算運營總監Anand Desikan說，“我們開始使用Amazon QuickSight來報告機上Wi-Fi性能，憑借其豐富的API、按會話付費的定價以及可擴展的能力，我們迅速將Amazon QuickSight儀表盤推廣到數百個用戶。該平臺的不斷進化令人印象深刻：機器學習驅動的異常檢測，Amazon SageMaker集成，報表嵌入，提取主題，跨可視化過濾，現在有了Amazon QuickSight Q，我們的用戶只需在搜索欄中輸入業務問題，Amazon QuickSight Q就能提供消費洞察力，并對業務上下文進行理解，提供同義詞，并向他們展示答案，無需復雜的解釋。”
Vyaire Medical是一家致力于呼吸護理的全球性公司，它以改善患者的治療效果和為客戶增加價值為目標，堅定不移地實現、改善和延長生命。“在不到兩個月的時間里，我們就能將舊的 BI 報告工具轉入 Amazon QuickSight。” Vyaire Medical 公司分析與企業數據管理高級總監 Gopal Ramamurthi 說，“我們在管理的便利性方面獲得了很多好處，特別是在擴展規模以支持BI用戶數量增加時。現在，隨著Amazon QuickSight Q的推出，我們期待讓我們的高管團隊、現場銷售用戶和制造工廠的主管在儀表盤中無法獲得答案時，可以更輕松地用純英文提出他們的數據問題，提供更快的洞察力，幫助我們提高銷售和制造流程的效率。”
