अमेज़न एथेना एक इंटरैक्टिव क्वेरी सेवा है जो डेटा का विश्लेषण करना आसान बनाती है अमेज़न सरल भंडारण सेवा (अमेज़ॅन S3) और AWS, ऑन-प्रिमाइसेस, या SQL या Python का उपयोग करने वाले अन्य क्लाउड सिस्टम में रहने वाले डेटा स्रोत। एथेना को ओपन-सोर्स ट्रिनो और प्रेस्टो इंजन और अपाचे स्पार्क फ्रेमवर्क पर बनाया गया है, जिसमें किसी प्रावधान या कॉन्फ़िगरेशन प्रयास की आवश्यकता नहीं है। एथेना सर्वर रहित है, इसलिए प्रबंधन के लिए कोई बुनियादी ढांचा नहीं है, और आप केवल उन प्रश्नों के लिए भुगतान करते हैं जो आप चलाते हैं।
अपाचे आइसबर्ग बहुत बड़े विश्लेषणात्मक डेटासेट के लिए एक खुला तालिका प्रारूप है। यह फ़ाइलों के बड़े संग्रह को तालिकाओं के रूप में प्रबंधित करता है, और यह आधुनिक विश्लेषणात्मक डेटा लेक ऑपरेशंस जैसे रिकॉर्ड-स्तरीय इंसर्ट, अपडेट, डिलीट और टाइम ट्रैवल क्वेरीज़ का समर्थन करता है। एथेना अपाचे आइसबर्ग तालिकाओं के लिए पढ़ने, समय यात्रा, लिखने और डीडीएल प्रश्नों का समर्थन करता है जो डेटा और डेटा के लिए अपाचे पारक्वेट प्रारूप का उपयोग करते हैं। एडब्ल्यूएस गोंद डेटा कैटलॉग उनके मेटास्टोर के लिए.
फ़ीचर इंजीनियरिंग कच्चे डेटा (छवियां, टेक्स्ट फ़ाइलें, वीडियो इत्यादि) को पहचानने और बदलने, लापता डेटा को बैकफ़िल करने और संदर्भ प्रदान करने के लिए एक या अधिक सार्थक डेटा तत्वों को जोड़ने की एक प्रक्रिया है ताकि मशीन लर्निंग (एमएल) मॉडल इससे सीख सके। पूर्वानुमान, कंप्यूटर विज़न, प्राकृतिक भाषा प्रसंस्करण और वाक् पहचान सहित विभिन्न उपयोग के मामलों के लिए डेटा लेबलिंग की आवश्यकता होती है।
एथेना की क्षमताओं के साथ संयुक्त, अपाचे आइसबर्ग संपूर्ण डेटासेट को कॉपी या पुन: बनाने की आवश्यकता के बिना नई डेटा सुविधाएं बनाने के लिए डेटा वैज्ञानिकों के लिए एक सरलीकृत वर्कफ़्लो प्रदान करता है। आप फ़ीचर इंजीनियरिंग के लिए किसी अन्य सेवा का उपयोग किए बिना एथेना पर मानक SQL का उपयोग करके फ़ीचर बना सकते हैं। डेटा वैज्ञानिक डेटासेट तैयार करने और कॉपी करने में लगने वाले समय को कम कर सकते हैं और इसके बजाय डेटा फीचर इंजीनियरिंग, प्रयोग और बड़े पैमाने पर डेटा का विश्लेषण करने पर ध्यान केंद्रित कर सकते हैं।
इस पोस्ट में, हम अपाचे आइसबर्ग ओपन टेबल प्रारूप के साथ एथेना का उपयोग करने के लाभों की समीक्षा करते हैं और यह डेटा वैज्ञानिकों के लिए सामान्य फीचर इंजीनियरिंग कार्यों को कैसे सरल बनाता है। हम प्रदर्शित करते हैं कि कैसे एथेना एक मौजूदा तालिका को अपाचे आइसबर्ग प्रारूप में परिवर्तित कर सकती है, फिर कॉलम जोड़ सकती है, कॉलम हटा सकती है, और डेटासेट को दोबारा बनाए या कॉपी किए बिना तालिका में डेटा को संशोधित कर सकती है, और अपाचे आइसबर्ग टेबल पर नई सुविधाएं बनाने के लिए इन क्षमताओं का उपयोग कर सकती है।
समाधान अवलोकन
डेटा वैज्ञानिक आमतौर पर बड़े डेटासेट के साथ काम करने के आदी होते हैं। डेटासेट आमतौर पर JSON, CSV, ORC, या में संग्रहीत किए जाते हैं अपाचे लकड़ी की छत प्रारूप, या तेजी से पढ़ने के प्रदर्शन के लिए समान पढ़ने-अनुकूलित प्रारूप। डेटा वैज्ञानिक अक्सर नई डेटा सुविधाएँ बनाते हैं, और ऐसी डेटा सुविधाओं को एकत्रित और सहायक डेटा से भर देते हैं। ऐतिहासिक रूप से, यह कार्य Apache Parquet प्रारूप में अंतर्निहित डेटा के साथ तालिका के शीर्ष पर एक दृश्य बनाकर पूरा किया गया था, जहां ऐसे कॉलम और डेटा को रनटाइम पर जोड़ा गया था या अतिरिक्त कॉलम के साथ एक नई तालिका बनाकर पूरा किया गया था। हालाँकि यह वर्कफ़्लो कई उपयोग के मामलों के लिए उपयुक्त है, लेकिन बड़े डेटासेट के लिए यह अक्षम है, क्योंकि डेटा को रनटाइम पर जेनरेट करने की आवश्यकता होगी या डेटासेट को कॉपी और रूपांतरित करने की आवश्यकता होगी।
एथेना ने पेश किया है ACID (परमाणुता, संगति, अलगाव, स्थायित्व) लेनदेन ऐसी क्षमताएँ जो INSERT, UPDATE, DELETE, MERGE और समय यात्रा संचालन को जोड़ती हैं अपाचे आइसबर्ग टेबल. ये क्षमताएं डेटा वैज्ञानिकों को नई डेटा सुविधाएं बनाने और डेटासेट को कॉपी करने या बदलने या किसी दृश्य के साथ अमूर्त करने की चिंता किए बिना मौजूदा डेटा सुविधाओं को मौजूदा डेटासेट पर छोड़ने में सक्षम बनाती हैं। डेटा वैज्ञानिक फीचर इंजीनियरिंग कार्य पर ध्यान केंद्रित कर सकते हैं और डेटासेट की प्रतिलिपि बनाने और बदलने से बच सकते हैं।
एथेना आइसबर्ग अपडेट ऑपरेशन अपाचे आइसबर्ग स्थिति डिलीट फ़ाइलों और नई अद्यतन पंक्तियों को एक ही लेनदेन में डेटा फ़ाइलों के रूप में लिखता है। आप एकल अद्यतन विवरण के माध्यम से रिकॉर्ड सुधार कर सकते हैं।
एथेना इंजन संस्करण 3 के जारी होने के साथ, अपाचे आइसबर्ग तालिकाओं की क्षमताओं को संचालन के समर्थन के साथ बढ़ाया गया है जैसे कि चयन के रूप में तालिका बनाएँ (CTAS) और MERGE कमांड जो आपके आइसबर्ग डेटा के जीवनचक्र प्रबंधन को सुव्यवस्थित करते हैं। CTAS Apache Paquet, और जैसे अन्य प्रारूपों से तालिकाएँ बनाने को तेज़ और कुशल बनाता है में विलय आइसबर्ग तालिका में पंक्तियों को सशर्त अद्यतन, हटाना या सम्मिलित करना। एक एकल कथन अपडेट, डिलीट और सम्मिलित क्रियाओं को संयोजित कर सकता है।
.. पूर्वापेक्षाएँ
अपाचे आइसबर्ग तालिका के साथ CTAS और MERGE कमांड का उपयोग करने के लिए एथेना इंजन संस्करण 3 के साथ एक एथेना कार्यसमूह स्थापित करें। अपने एथेना कार्यसमूह में अपने मौजूदा एथेना इंजन को संस्करण 3 में अपग्रेड करने के लिए, दिए गए निर्देशों का पालन करें क्वेरी प्रदर्शन बढ़ाने और अधिक विश्लेषण सुविधाओं तक पहुंचने के लिए एथेना इंजन संस्करण 3 में अपग्रेड करें या देखें एथेना कंसोल में इंजन संस्करण बदलना.
डेटासेट
प्रदर्शन के लिए, हम एक Apache Parquet तालिका का उपयोग करते हैं जिसमें S3 बकेट में संग्रहीत पिछले कई वर्षों के बेतरतीब ढंग से वितरित काल्पनिक बिक्री डेटा के कई मिलियन रिकॉर्ड शामिल हैं। डाउनलोड डेटासेट, इसे अपने स्थानीय कंप्यूटर पर अनज़िप करें, और इसे अपने S3 बकेट पर अपलोड करें। इस पोस्ट में, हमने अपना डेटासेट अपलोड किया है s3://sample-iceberg-datasets-xxxxxxxxxxx/sampledb/orders_and_customers/
.
निम्न तालिका तालिका के लिए लेआउट दिखाती है customer_orders
.
आम नाम | डाटा प्रकार | Description |
orderkey | स्ट्रिंग | ऑर्डर के लिए ऑर्डर नंबर |
कस्टकी | स्ट्रिंग | ग्राहक पहचान संख्या |
आदेश की स्थिति | स्ट्रिंग | आदेश की स्थिति |
कुल कीमत | स्ट्रिंग | ऑर्डर की कुल कीमत |
आर्डर की तारीख | स्ट्रिंग | आदेश की तारीख |
आदेशप्राथमिकता | स्ट्रिंग | आदेश की प्राथमिकता |
क्लर्क | स्ट्रिंग | उस क्लर्क का नाम जिसने आदेश पर कार्रवाई की |
जहाजप्राथमिकता | स्ट्रिंग | शिपिंग पर प्राथमिकता |
नाम | स्ट्रिंग | ग्राहक का नाम |
पता | स्ट्रिंग | ग्राहक का पता |
राष्ट्रकुंजी | स्ट्रिंग | ग्राहक राष्ट्र कुंजी |
फ़ोन | स्ट्रिंग | ग्राहक फोन नंबर |
acctbal | स्ट्रिंग | ग्राहक खाता शेष |
mktsegment | स्ट्रिंग | ग्राहक बाज़ार खंड |
फीचर इंजीनियरिंग करें
एक डेटा वैज्ञानिक के रूप में, हम प्रदर्शन करना चाहते हैं इंजीनियरिंग की सुविधा मौजूदा डेटासेट में प्रत्येक ग्राहक के लिए गणना की गई एक वर्ष की कुल खरीद और एक वर्ष की औसत खरीद को जोड़कर ग्राहक के ऑर्डर डेटा पर। प्रदर्शन उद्देश्यों के लिए, हमने बनाया customer_orders
टेबल में sampledb
एथेना का उपयोग कर डेटाबेस जैसा कि निम्नलिखित डीडीएल कमांड में दिखाया गया है। (आप अपने किसी भी मौजूदा डेटासेट का उपयोग कर सकते हैं और इस पोस्ट में उल्लिखित चरणों का पालन कर सकते हैं।) customer_orders
डेटासेट उत्पन्न किया गया था और S3 बकेट स्थान में संग्रहीत किया गया था s3://sample-iceberg-datasets-xxxxxxxxxxx/sampledb/orders_and_customers/
लकड़ी की छत प्रारूप में. यह तालिका अपाचे आइसबर्ग तालिका नहीं है.
क्वेरी चलाकर तालिका में डेटा सत्यापित करें:
हम ग्राहक बिक्री की गहरी समझ प्राप्त करने के लिए इस तालिका में नई सुविधाएँ जोड़ना चाहते हैं, जिसके परिणामस्वरूप तेज़ मॉडल प्रशिक्षण और अधिक मूल्यवान अंतर्दृष्टि प्राप्त हो सकती है। डेटासेट में नई सुविधाएँ जोड़ने के लिए, कनवर्ट करें customer_orders
एथेना टेबल से एथेना पर अपाचे आइसबर्ग टेबल तक। एक मुद्दा CTAS अपाचे आइसबर्ग प्रारूप के साथ एक नई तालिका बनाने के लिए क्वेरी स्टेटमेंट customer_orders
मेज़। ऐसा करते समय, प्रत्येक ग्राहक द्वारा पिछले वर्ष में कुल खरीद राशि (डेटासेट का अधिकतम वर्ष) प्राप्त करने के लिए एक नई सुविधा जोड़ी जाती है।
निम्नलिखित CTAS क्वेरी में, एक नया कॉलम नामित किया गया है one_year_sales_aggregate
डिफ़ॉल्ट मान के साथ 0.0
डेटा प्रकार का double
जोड़ा गया है और table_type
इसके लिए सेट है ICEBERG
:
नए कॉलम के साथ अपाचे आइसबर्ग तालिका में डेटा को सत्यापित करने के लिए निम्नलिखित क्वेरी जारी करें one_year_sales_aggregate
मूल्यों के रूप में 0.0
:
हम नई सुविधा के लिए मानों को पॉप्युलेट करना चाहते हैं one_year_sales_aggregate
पिछले वर्ष (डेटासेट का अधिकतम वर्ष) में उनकी खरीदारी के आधार पर प्रत्येक ग्राहक के लिए कुल खरीद राशि प्राप्त करने के लिए डेटासेट में। मूल्यों को पॉप्युलेट करने के लिए एथेना का उपयोग करके अपाचे आइसबर्ग तालिका में एक मर्ज क्वेरी स्टेटमेंट जारी करें one_year_sales_aggregate
सुविधा:
पिछले वर्ष में प्रत्येक ग्राहक द्वारा किए गए कुल खर्च के अद्यतन मूल्य को मान्य करने के लिए निम्नलिखित क्वेरी जारी करें:
हमने प्रत्येक ग्राहक द्वारा पिछले वर्ष की औसत खरीद राशि की गणना और भंडारण करने के लिए मौजूदा अपाचे आइसबर्ग तालिका में एक और सुविधा जोड़ने का निर्णय लिया है। सुविधा के लिए मौजूदा तालिका में एक नया कॉलम जोड़ने के लिए एक ALTER क्वेरी स्टेटमेंट जारी करें one_year_sales_average
:
इस नई सुविधा में मान भरने से पहले, आप सुविधा के लिए डिफ़ॉल्ट मान सेट कर सकते हैं one_year_sales_average
सेवा मेरे 0.0
. एथेना पर उसी अपाचे आइसबर्ग तालिका का उपयोग करके, नई सुविधा के लिए मान को पॉप्युलेट करने के लिए एक अद्यतन क्वेरी स्टेटमेंट जारी करें 0.0
:
पिछले वर्ष में प्रत्येक ग्राहक द्वारा औसत खर्च के लिए अद्यतन मूल्य निर्धारित करने के लिए निम्नलिखित क्वेरी जारी करें 0.0
:
अब हम नई सुविधा के लिए मान भरना चाहते हैं one_year_sales_average
पिछले वर्ष (डेटासेट का अधिकतम वर्ष) में उनकी खरीदारी के आधार पर प्रत्येक ग्राहक के लिए औसत खरीद राशि प्राप्त करने के लिए डेटासेट में। सुविधा के लिए मानों को पॉप्युलेट करने के लिए एथेना इंजन का उपयोग करके एथेना पर मौजूदा अपाचे आइसबर्ग तालिका में एक मर्ज क्वेरी स्टेटमेंट जारी करें one_year_sales_average
:
प्रत्येक ग्राहक द्वारा औसत खर्च के लिए अद्यतन मूल्यों को सत्यापित करने के लिए निम्नलिखित क्वेरी जारी करें:
एक बार जब डेटासेट में अतिरिक्त डेटा सुविधाएँ जोड़ दी जाती हैं, तो डेटा वैज्ञानिक आम तौर पर एमएल मॉडल को प्रशिक्षित करने और अमेज़ॅन सेजमेकर या समकक्ष टूलसेट का उपयोग करके अनुमान लगाने के लिए आगे बढ़ते हैं।
निष्कर्ष
इस पोस्ट में, हमने प्रदर्शित किया कि अपाचे आइसबर्ग के साथ एथेना का उपयोग करके फीचर इंजीनियरिंग कैसे करें। हमने Apache Parquet प्रारूप में मौजूदा डेटासेट से एथेना पर अपाचे आइसबर्ग तालिका बनाने के लिए CTAS क्वेरी का उपयोग करके, ALTER क्वेरी का उपयोग करके एथेना पर मौजूदा Apache आइसबर्ग तालिका में नई सुविधाएँ जोड़कर, और अपडेट करने के लिए UPDATE और MERGE क्वेरी स्टेटमेंट का उपयोग करके भी प्रदर्शन किया। मौजूदा स्तंभों के फ़ीचर मान।
हम आपको जल्दी और कुशलता से तालिकाएँ बनाने के लिए CTAS क्वेरी का उपयोग करने के लिए प्रोत्साहित करते हैं, और अपाचे आइसबर्ग के साथ एथेना का उपयोग करके सुविधाओं को परिवर्तित करते समय डेटा तैयारी और अद्यतन कार्यों को सरल बनाने के लिए तालिकाओं को एक चरण में सिंक्रनाइज़ करने के लिए MERGE क्वेरी स्टेटमेंट का उपयोग करते हैं। यदि आपके पास कोई टिप्पणी या प्रतिक्रिया है, तो कृपया उन्हें टिप्पणी अनुभाग में छोड़ दें।
लेखक के बारे में
विवेक गौतम AWS प्रोफेशनल सर्विसेज में डेटा लेक में विशेषज्ञता के साथ एक डेटा आर्किटेक्ट है। वह AWS पर डेटा उत्पाद, एनालिटिक्स प्लेटफ़ॉर्म और समाधान बनाने वाले एंटरप्राइज़ ग्राहकों के साथ काम करता है। आधुनिक डेटा प्लेटफ़ॉर्म का निर्माण और डिज़ाइन न करते समय, विवेक एक खाद्य उत्साही व्यक्ति हैं, जो नए यात्रा स्थलों का पता लगाना और लंबी पैदल यात्रा करना भी पसंद करते हैं।
मिखाइल वेनशेटिन Amazon Web Services के साथ एक समाधान वास्तुकार है। मिखाइल रोगियों के परिणामों को बेहतर बनाने में मदद करने वाले समाधान तैयार करने के लिए स्वास्थ्य सेवा और जीवन विज्ञान ग्राहकों के साथ काम करता है। मिखाइल डेटा एनालिटिक्स सेवाओं में माहिर हैं।
नरेश गौतम 20 वर्षों के अनुभव के साथ एडब्ल्यूएस में एक डेटा एनालिटिक्स और एआई/एमएल लीडर है, जो ग्राहकों को डेटा-संचालित निर्णय लेने के साथ ग्राहकों को सशक्त बनाने के लिए अत्यधिक उपलब्ध, उच्च-प्रदर्शन, और लागत प्रभावी डेटा एनालिटिक्स और एआई/एमएल समाधान बनाने में मदद करता है। . अपने खाली समय में, वह ध्यान और खाना पकाने का आनंद लेते हैं।
हर्षा तदिपार्थी AWS में एक विशेषज्ञ प्रधान समाधान वास्तुकार, विश्लेषिकी है। उन्हें डेटाबेस और एनालिटिक्स में ग्राहकों की जटिल समस्याओं को हल करने और सफल परिणाम देने में आनंद आता है। काम से बाहर, वह अपने परिवार के साथ समय बिताना, फिल्में देखना और जब भी संभव हो यात्रा करना पसंद करते हैं।
- एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
- ईवीएम वित्त। विकेंद्रीकृत वित्त के लिए एकीकृत इंटरफ़ेस। यहां पहुंचें।
- क्वांटम मीडिया समूह। आईआर/पीआर प्रवर्धित। यहां पहुंचें।
- प्लेटोआईस्ट्रीम। Web3 डेटा इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
- स्रोत: https://aws.amazon.com/blogs/big-data/accelerate-data-science-feature-engineering-on-transactional-data-lakes-using-amazon-athena-with-apache-iceberg/
- :हैस
- :है
- :नहीं
- :कहाँ
- $यूपी
- 10
- 100
- 12
- 17
- 20
- 20 साल
- 23
- 27
- 7
- a
- About
- में तेजी लाने के
- पहुँच
- पूरा
- लेखा
- कार्रवाई
- जोड़ना
- जोड़ा
- जोड़ने
- अतिरिक्त
- पता
- ऐ / एमएल
- भी
- हालांकि
- वीरांगना
- अमेज़न एथेना
- अमेज़न SageMaker
- अमेज़ॅन वेब सेवा
- राशि
- an
- विश्लेषणात्मक
- विश्लेषणात्मक
- विश्लेषिकी
- विश्लेषण करें
- का विश्लेषण
- और
- अन्य
- कोई
- अपाचे
- अपाचे स्पार्क
- हैं
- AS
- At
- उपलब्ध
- औसत
- से बचने
- एडब्ल्यूएस
- AWS व्यावसायिक सेवाएँ
- आधारित
- BE
- क्योंकि
- किया गया
- लाभ
- निर्माण
- इमारत
- बनाया गया
- by
- परिकलित
- कर सकते हैं
- क्षमताओं
- मामलों
- वर्गीकरण
- बादल
- संग्रह
- स्तंभ
- स्तंभ
- गठबंधन
- टिप्पणियाँ
- सामान्य
- जटिल
- गणना करना
- कंप्यूटर
- Computer Vision
- विन्यास
- शामिल हैं
- प्रसंग
- बदलना
- खाना पकाने
- नकल
- सुधार
- प्रभावी लागत
- बनाना
- बनाया
- बनाना
- ग्राहक
- ग्राहक
- तिथि
- डेटा विश्लेषण
- डेटा लेक
- डेटा विज्ञान
- आँकड़े वाला वैज्ञानिक
- डेटा पर ही आधारित
- डाटाबेस
- डेटाबेस
- डेटासेट
- तारीख
- तय
- निर्णय
- और गहरा
- चूक
- पहुंचाने
- बचाता है
- दिखाना
- साबित
- डिज़ाइन बनाना
- स्थलों
- वितरित
- कर
- डबल
- बूंद
- सहनशीलता
- से प्रत्येक
- आसान
- कुशल
- कुशलता
- प्रयास
- भी
- तत्व
- सशक्त
- सक्षम
- प्रोत्साहित करना
- इंजन
- अभियांत्रिकी
- इंजन
- वर्धित
- उद्यम
- उद्यम ग्राहकों
- सरगर्म
- संपूर्ण
- बराबर
- ईथर (ईटीएच)
- मौजूदा
- अनुभव
- का पता लगाने
- बाहरी
- असत्य
- परिवार
- फास्ट
- और तेज
- Feature
- विशेषताएं
- प्रतिक्रिया
- फ़ाइलें
- फोकस
- का पालन करें
- निम्नलिखित
- भोजन
- के लिए
- प्रारूप
- चौखटे
- मुक्त
- से
- आम तौर पर
- उत्पन्न
- मिल
- Go
- समूह
- Hadoop
- है
- he
- स्वास्थ्य सेवा
- मदद
- मदद
- उच्च प्रदर्शन
- अत्यधिक
- वृद्धि
- उसके
- ऐतिहासिक दृष्टि से
- करंड
- कैसे
- How To
- एचटीएमएल
- HTTPS
- पहचान
- पहचान
- if
- छवियों
- में सुधार
- in
- सहित
- बढ़ना
- अप्रभावी
- इंफ्रास्ट्रक्चर
- आवेषण
- अंतर्दृष्टि
- बजाय
- निर्देश
- इंटरैक्टिव
- में
- शुरू की
- अलगाव
- मुद्दा
- IT
- जेपीजी
- JSON
- लेबलिंग
- झील
- भाषा
- बड़ा
- पिछली बार
- ख़ाका
- नेता
- जानें
- सीख रहा हूँ
- छोड़ना
- जीवन
- जीवन विज्ञान
- जीवन चक्र
- सीमा
- स्थानीय
- स्थान
- प्यार करता है
- मशीन
- यंत्र अधिगम
- बनाना
- बनाता है
- प्रबंधन
- प्रबंध
- प्रबंधन करता है
- बहुत
- बाजार
- मिलान किया
- मैक्स
- सार्थक
- मेडिटेशन
- उल्लेख किया
- मर्ज
- दस लाख
- लापता
- ML
- आदर्श
- मॉडल
- आधुनिक
- संशोधित
- अधिक
- चलचित्र
- नाम
- नामांकित
- राष्ट्र
- प्राकृतिक
- प्राकृतिक भाषा
- प्राकृतिक भाषा संसाधन
- आवश्यकता
- ज़रूरत
- नया
- नई सुविधा
- नई सुविधाएँ
- नए नए
- नहीं
- संख्या
- of
- अक्सर
- on
- ONE
- केवल
- खुला
- खुला स्रोत
- आपरेशन
- संचालन
- or
- आदेशों
- अन्य
- हमारी
- परिणामों
- बाहर
- अतीत
- वेतन
- निष्पादन
- प्रदर्शन
- फ़ोन
- प्लेटफार्म
- प्लेटो
- प्लेटो डेटा इंटेलिजेंस
- प्लेटोडाटा
- कृप्या अ
- स्थिति
- संभव
- पद
- तैयारी
- मूल्य
- प्रिंसिपल
- समस्याओं
- प्रक्रिया
- संसाधित
- प्रसंस्करण
- उत्पाद
- पेशेवर
- प्रदान करना
- क्रय
- खरीद
- प्रयोजनों
- अजगर
- प्रश्नों
- जल्दी से
- कच्चा
- कच्चा डेटा
- पढ़ना
- मान्यता
- रिकॉर्ड
- अभिलेख
- को कम करने
- और
- अपेक्षित
- परिणाम
- की समीक्षा
- आरओडब्ल्यू
- रन
- दौड़ना
- sagemaker
- विक्रय
- वही
- स्केल
- विज्ञान
- विज्ञान
- वैज्ञानिक
- वैज्ञानिकों
- अनुभाग
- serverless
- सेवा
- सेवाएँ
- सेट
- कई
- दिखाया
- दिखाता है
- समान
- सरल
- सरलीकृत
- को आसान बनाने में
- एक
- So
- समाधान ढूंढे
- सुलझाने
- सूत्रों का कहना है
- स्पार्क
- विशेषज्ञ
- माहिर
- भाषण
- वाक् पहचान
- बिताना
- खर्च
- एसक्यूएल
- मानक
- कथन
- बयान
- कदम
- कदम
- भंडारण
- की दुकान
- संग्रहित
- सुवीही
- तार
- सफल
- ऐसा
- समर्थन
- समर्थन करता है
- सिस्टम
- तालिका
- कार्य
- कार्य
- कि
- RSI
- मर्ज
- लेकिन हाल ही
- उन
- फिर
- वहाँ।
- इन
- इसका
- पहर
- समय यात्रा
- सेवा मेरे
- ऊपर का
- कुल
- रेलगाड़ी
- प्रशिक्षण
- ट्रांजेक्शन
- लेन-देन संबंधी
- तब्दील
- बदलने
- यात्रा
- टाइप
- आधारभूत
- समझ
- अपडेट
- अद्यतन
- अपडेट
- उन्नयन
- अपलोड की गई
- उपयोग
- का उपयोग
- आमतौर पर
- सत्यापित करें
- मूल्यवान
- मूल्य
- मान
- विभिन्न
- सत्यापित
- संस्करण
- बहुत
- के माध्यम से
- वीडियो
- देखें
- दृष्टि
- करना चाहते हैं
- था
- घड़ी
- we
- वेब
- वेब सेवाओं
- थे
- कब
- जब कभी
- कौन कौन से
- जब
- कौन
- साथ में
- बिना
- काम
- वर्कफ़्लो
- कार्यसमूह
- काम कर रहे
- कार्य
- होगा
- लिखना
- वर्ष
- साल
- इसलिए आप
- आपका
- जेफिरनेट
- ज़िप