In 2021 및 2020의 새로운 기능에 대해 알려드렸습니다. 아마존 레드 시프트 모든 데이터를 분석하고 풍부하고 강력한 통찰력을 찾는 것이 더 쉽고 빠르며 비용 효율적입니다. 2022년에 Amazon Redshift 팀이 열심히 일했다는 소식을 전하게 되어 기쁩니다. 우리는 고객 요구 사항에서 거꾸로 작업하여 모든 데이터를 더 쉽고 빠르고 비용 효율적으로 분석할 수 있는 여러 가지 새로운 기능을 발표했습니다. 이 게시물에서는 이러한 새로운 기능 중 일부를 다룹니다.
AWS에서 데이터 및 분석을 위한 전략은 고객에게 현대 데이터 아키텍처 데이터 사일로에서 벗어나도록 도와줍니다. 목적에 맞게 구축된 데이터, 분석, 기계 학습(ML) 및 인공 지능 서비스를 통해 올바른 작업에 적합한 도구를 사용할 수 있습니다. 모든 사람이 분석을 사용할 수 있도록 개방형, 관리형, 보안 및 완전 관리형 서비스를 제공합니다. AWS의 최신 데이터 아키텍처 내에서 클라우드 데이터 웨어하우스인 Amazon Redshift는 핵심 구성 요소로 남아 있어 테라바이트에서 페타바이트 규모의 정형 및 비정형 데이터에 대한 규모와 성능으로 복잡한 SQL 분석을 실행하고 널리 사용되는 비즈니스 인텔리전스를 통해 통찰력을 널리 사용할 수 있도록 합니다. BI) 및 분석 도구. 우리는 계속해서 고객의 요구 사항에서 거꾸로 작업하고 있으며, 2022년에는 Amazon Redshift에서 다음을 포함하여 고객의 주요 데이터 웨어하우징 사용 사례를 지원하는 40개 이상의 기능을 출시했습니다.
- 셀프 서비스 분석
- 손쉬운 데이터 수집
- 데이터 공유 및 협업
- 데이터 과학 및 기계 학습
- 안전하고 신뢰할 수 있는 분석
- 최고의 가격 대비 성능 분석
더 깊이 들어가 이 영역의 새로운 Amazon Redshift 기능에 대해 논의해 보겠습니다.
셀프 서비스 분석
고객은 계속해서 데이터와 분석이 유비쿼터스화되고 있으며 조직의 모든 사람에게 분석이 필요하다고 말합니다. 발표했습니다 Amazon Redshift 서버리스 데이터 웨어하우스 인프라를 프로비저닝하고 관리할 필요 없이 몇 초 만에 분석을 쉽게 실행하고 확장할 수 있습니다. 2021년 2022월에 우리는 Redshift Serverless의 일반 가용성, 그 이후로 Peloton, Broadridge Financials 및 NextGen Healthcare를 포함한 수천 명의 고객이 데이터를 빠르고 쉽게 분석하는 데 사용했습니다. Amazon Redshift Serverless는 데이터 웨어하우스 용량을 자동으로 프로비저닝하고 지능적으로 확장하여 모든 분석에 고성능을 제공하며, 사용자는 워크로드 기간 동안 사용된 컴퓨팅에 대해서만 초당 비용을 지불합니다. GA 이후로 다음과 같은 기능을 추가했습니다. 리소스 태깅, 단순화된 모니터링 및 추가 AWS 리전에서의 가용성을 통해 결제를 더욱 간소화하고 전 세계 더 많은 리전으로 도달 범위를 확장합니다.
2021년에는 데이터 분석가, 데이터 과학자 및 개발자가 Amazon Redshift 데이터 웨어하우스 및 데이터 레이크의 데이터를 탐색, 분석 및 협업할 수 있는 무료 웹 기반 도구인 Amazon Redshift Query Editor V2를 출시했습니다. 2022년에 Query Editor V2는 다음과 같이 추가로 개선되었습니다. 노트북 지원 쿼리를 작성, 구성 및 주석 처리하기 위한 공동 작업 개선 를 통한 사용자 액세스 IdP(ID 공급자) 자격 증명 싱글 사인온용; 개발자 생산성을 향상시키기 위해 동시에 여러 쿼리를 실행하는 기능.
Autonomics는 ML 기반 최적화를 사용하고 고객에게 자체 학습 및 자체 최적화 데이터 웨어하우스를 제공하기 위해 적극적으로 노력하고 있는 또 다른 영역입니다. 2022년에 우리는 자동화된 구체화된 뷰 (AutoMVs) 구체화된 뷰를 자동으로 생성하고 유지함으로써 사용자의 노력 없이 쿼리 성능을 향상(총 런타임 감소)합니다. 자동 새로 고침, 증분 새로 고침 및 구체화된 보기에 대한 자동 쿼리 재작성과 결합된 AutoMV는 구체화된 보기를 유지 관리할 필요가 없도록 만들어 자동으로 더 빠른 성능을 제공합니다. 또한, 자동 테이블 최적화 (ATO) 스키마 최적화 기능 및 자동 워크로드 관리 워크로드 최적화를 위한 (자동 WLM) 기능이 더 나은 쿼리 성능을 위해 추가로 개선되었습니다.
손쉬운 데이터 수집
고객은 트랜잭션 데이터베이스, 데이터 웨어하우스, 데이터 레이크 및 빅 데이터 시스템과 같은 여러 데이터 소스에 데이터를 분산하고 있다고 말합니다. 그들은 이 데이터를 노코드/로우코드, 제로 ETL 데이터 파이프라인과 통합하거나 이 데이터를 이동하지 않고 제자리에서 분석할 수 있는 유연성을 원합니다. 고객은 현재 데이터 파이프라인이 복잡하고 수동적이며 경직되고 느리기 때문에 불완전하고 일관되지 않으며 부실한 데이터 보기로 인해 통찰력이 제한된다고 말합니다. 고객은 우리에게 더 나은 방법을 요구했으며 데이터 파이프라인을 단순화하고 자동화하는 여러 가지 새로운 기능을 발표하게 된 것을 기쁘게 생각합니다.
Amazon Redshift와 Amazon Aurora 제로 ETL 통합(평가판) 페타바이트 규모의 트랜잭션 데이터에서 실시간에 가까운 분석 및 ML을 실행할 수 있습니다. 여러 거래 데이터를 만들기 위한 코드 없는 솔루션을 제공합니다. Amazon Aurora Aurora에 작성된 후 몇 초 내에 Amazon Redshift 데이터 웨어하우스에서 사용할 수 있는 데이터베이스이므로 복잡한 데이터 파이프라인을 구축하고 유지 관리할 필요가 없습니다. 이 기능을 통해 Aurora 고객은 복잡한 SQL 분석, 내장 ML, 데이터 공유, 여러 데이터 스토어 및 데이터 레이크에 대한 연합 액세스와 같은 Amazon Redshift 기능에 액세스할 수도 있습니다. 이 기능은 현재 미리보기에서 사용할 수 있습니다. Amazon Aurora MySQL 호환 에디션 버전 3(MySQL 8.0과 호환 가능), 다음을 수행할 수 있습니다. 미리보기에 대한 액세스 요청.
Amazon Redshift는 이제 Amazon S3에서 자동 복사 (미리보기)에서 데이터 로드를 단순화합니다. 아마존 단순 스토리지 서비스 (Amazon S3)를 Amazon Redshift로. 이제 지속적인 파일 수집 규칙(복사 작업)을 설정하여 Amazon S3 경로를 추적하고 추가 도구나 사용자 지정 솔루션 없이 새 파일을 자동으로 로드할 수 있습니다. 복사 작업은 시스템 테이블을 통해 모니터링할 수 있으며 이전에 로드된 파일을 자동으로 추적하고 수집 프로세스에서 제외하여 데이터 중복을 방지합니다. 이 기능은 현재 미리 보기에서 사용할 수 있습니다. 미리 보기 트랙을 사용하여 새 클러스터를 만들어 이 기능을 사용해 볼 수 있습니다.
고객은 계속해서 즉각적이고 즉각적인 실시간 분석이 필요하다고 말하며 우리는 스트리밍 수집 지원 일반 가용성 Amazon Redshift에서 Amazon Kinesis 데이터 스트림 및 Apache Kafka 용 Amazon Managed Streaming (아마존 MSK). 이 기능을 사용하면 스트리밍 데이터를 Amazon Redshift로 수집하기 전에 Amazon S3에서 스테이징할 필요가 없으므로 초당 수백 메가바이트의 스트리밍 데이터를 데이터 웨어하우스로 수집하면서 초 단위로 측정되는 짧은 지연 시간을 달성할 수 있습니다. Amazon Redshift 내에서 SQL을 사용하여 여러 Kinesis 데이터 스트림 또는 MSK 주제의 데이터에 연결하고 직접 데이터를 수집하고, 스트리밍 데이터에 직접 액세스하기 위해 스트림 위에 변환이 있는 자동 새로 고침 스트리밍 구체화된 보기를 생성하고, 실시간 데이터를 기록과 결합할 수 있습니다. 더 나은 통찰력을 위한 데이터. 예를 들어 Adobe는 Amazon Redshift 스트리밍 수집을 Adobe Experience Platform의 일부로 통합하여 CRM 및 고객 지원 애플리케이션과 같은 다양한 애플리케이션에 대한 웹 및 애플리케이션 클릭스트림과 세션 데이터를 실시간으로 수집하고 분석합니다.
고객들은 Amazon Redshift, BI 및 ETL(추출, 변환 및 로드) 도구, Salesforce 및 Marketo와 같은 비즈니스 애플리케이션 간의 간단하고 즉시 사용 가능한 통합을 원한다고 말했습니다. 의 일반 가용성을 발표하게 된 것을 기쁘게 생각합니다. Amazon Redshift용 Informatica 데이터 로더, Informatica Data Loader를 사용하여 Amazon Redshift에 고속 및 대용량 데이터를 무료로 로드할 수 있습니다. Amazon Redshift 콘솔에서 Informatica Data Loader 옵션을 선택하기만 하면 됩니다. Informatica Data Loader에서 Salesforce 또는 Marketo와 같은 소스에 연결하고 Amazon Redshift를 대상으로 선택한 다음 데이터 로드를 시작할 수 있습니다.
데이터 공유 및 협업
고객은 모든 자사 및 타사 데이터를 분석하고 고객, 파트너 및 공급업체가 풍부한 데이터 기반 통찰력을 사용할 수 있기를 원한다고 계속해서 말합니다. 2021년에 다음과 같은 새로운 기능을 출시했습니다. 데이터 공유 및 AWS 데이터 교환 통합, 모든 데이터를 보다 쉽게 분석하고 조직 내부 및 외부에서 공유할 수 있도록 합니다.
데이터 공유를 사용하는 고객의 좋은 예는 Orion입니다. Orion은 자산 관리, 자산 관리 및 투자 관리 제공업체와 같은 금융 서비스 업계 고객을 위한 실시간 DaaS(Data as a Service) 솔루션을 제공합니다. 주로 온프레미스 및 AWS에 있는 SQL Server 데이터베이스인 2,500개 이상의 데이터 소스를 보유하고 있습니다. 데이터는 Kafka 커넥터를 사용하여 Amazon Redshift로 스트리밍됩니다. 그들은 이 모든 데이터를 수신한 다음 데이터 공유를 사용하여 협업을 위해 실시간으로 데이터를 공유하는 생산자 클러스터를 가지고 있습니다. 이는 여러 클라이언트에 서비스를 제공하는 다중 테넌트 아키텍처입니다. 데이터의 민감도를 고려할 때 데이터 공유는 클러스터 간에 워크로드 격리를 제공하고 해당 데이터를 최종 사용자에게 안전하게 공유하는 방법입니다.
2022년에는 데이터를 더 쉽고 간단하고 빠르게 공유하고 협업할 수 있는 새로운 기능을 통해 성능, 거버넌스 및 개발자 생산성을 개선하기 위해 이 영역에 지속적으로 투자했습니다.
고객이 대규모 데이터 공유 구성을 구축함에 따라 공유 데이터에 대한 간소화된 거버넌스와 보안을 요청했으며 AWS Lake Formation을 통한 중앙 집중식 액세스 제어 Amazon Redshift 데이터 공유를 통해 여러 Amazon Redshift 데이터 웨어하우스에서 라이브 데이터를 공유할 수 있습니다. 이 기능을 통해 Amazon Redshift는 이제 다음을 사용하여 Amazon Redshift 데이터 공유의 간소화된 거버넌스를 지원합니다. AWS Lake 형성 데이터 공유에 대한 데이터 또는 권한을 중앙에서 관리하는 단일 창으로 사용합니다. Lake Formation API 및 AWS 관리 콘솔, 다른 Amazon Redshift 데이터 웨어하우스에서 Amazon Redshift 데이터 공유를 검색하고 사용할 수 있습니다.
데이터 과학 및 기계 학습
고객은 계속해서 데이터 및 분석 시스템이 비즈니스에서 일어나고 있는 일(설명 분석)부터 발생 이유(진단 분석) 및 미래에 일어날 일에 이르기까지 광범위한 질문에 답하는 데 도움이 되기를 원한다고 말합니다. (예측 분석). Amazon Redshift는 복잡한 SQL 분석, 데이터 레이크 분석, 아마존 레드시프트 ML 고객이 데이터를 분석하고 강력한 인사이트를 발견할 수 있도록 합니다. 레드시프트 ML Amazon Redshift를 다음과 통합합니다. 아마존 세이지 메이커, 친숙한 SQL 명령을 사용하여 ML 모델을 생성, 교육 및 배포할 수 있는 완전 관리형 ML 서비스입니다.
또한 Amazon Redshift와 Apache Spark 간의 더 나은 통합을 요청하는 고객이 있어 발표하게 되어 기쁩니다. Apache Spark용 Amazon Redshift 통합 Spark 기반 애플리케이션에서 데이터 웨어하우스에 쉽게 액세스할 수 있도록 합니다. 이제 다음과 같은 AWS 분석 및 ML 서비스를 사용하는 개발자는 아마존 EMR, AWS 접착제, SageMaker는 Amazon Redshift 데이터 웨어하우스에서 읽고 쓰는 Apache Spark 애플리케이션을 손쉽게 구축할 수 있습니다. Amazon EMR 및 AWS Glue는 Redshift-Spark 커넥터를 패키징하므로 Spark 기반 애플리케이션에서 데이터 웨어하우스에 쉽게 연결할 수 있습니다. 관련 데이터만 Amazon Redshift 데이터 웨어하우스에서 소비하는 Spark 애플리케이션으로 이동하도록 정렬, 집계, 제한, 조인 및 스칼라 함수와 같은 작업에 여러 푸시다운 기능을 사용할 수 있습니다. 또한 다음을 활용하여 애플리케이션을 보다 안전하게 만들 수 있습니다. AWS 자격 증명 및 액세스 관리 (IAM) Amazon Redshift에 연결하기 위한 자격 증명.
안전하고 신뢰할 수 있는 분석
고객은 데이터 웨어하우스가 고가용성, 안정성 및 보안이 필요한 미션 크리티컬 시스템이라고 계속 말합니다. 우리는 2022년에 이 분야에서 여러 가지 새로운 기능을 출시했습니다.
Amazon Redshift는 이제 다중 AZ 배포 (평가판) RA3 인스턴스 기반 클러스터용으로 여러 AWS 가용 영역에서 동시에 데이터 웨어하우스를 실행하고 예측하지 못한 가용 영역 전체 장애 시나리오에서 지속적으로 운영할 수 있습니다. 다중 AZ 지원은 이미 Redshift Serverless에서 사용할 수 있습니다. Amazon Redshift 다중 AZ 배포를 사용하면 가용 영역 장애 시 사용자 개입 없이 복구할 수 있습니다. Amazon Redshift 다중 AZ 데이터 웨어하우스는 하나의 엔드포인트가 있는 단일 데이터 웨어하우스로 액세스되며 워크로드 처리를 여러 가용 영역에 자동으로 분산하여 성능을 극대화하는 데 도움이 됩니다. 예기치 않은 중단 시 비즈니스 연속성을 유지하기 위해 애플리케이션을 변경할 필요가 없습니다.
2022년에는 역할 기반 액세스 제어, 행 수준 보안, 데이터 마스킹(미리보기)과 같은 기능을 출시하여 액세스를 관리하고 개인 식별 정보(PII)를 난독화하는 등 누가 어떤 데이터에 액세스할 수 있는지 결정할 수 있도록 했습니다. ) 신용 카드 번호와 같습니다.
당신이 사용할 수 RBAC(역할 기반 액세스 제어) 최종 사용자의 직무 역할 및 권한에 따라 광범위하거나 세분화된 수준에서 데이터에 대한 최종 사용자 액세스를 제어합니다. RBAC를 사용하면 SQL을 사용하여 역할을 생성하고 역할에 세분화된 권한 모음을 부여한 다음 해당 역할을 최종 사용자에게 할당할 수 있습니다. 역할에는 개체 수준, 열 수준 및 시스템 수준 권한을 부여할 수 있습니다. 또한 RBAC는 DBA, 운영자, 보안 관리자 또는 사용자 지정 역할을 위한 기본 시스템 역할을 도입합니다.
RLS(행 수준 보안) 테이블의 행에 대한 세분화된 액세스의 설계 및 구현을 단순화합니다. RLS를 사용하면 사용자의 작업 역할 또는 SQL 사용 권한을 기반으로 테이블 내의 행 하위 집합에 대한 액세스를 제한할 수 있습니다.
다음에 대한 Amazon Redshift 지원 동적 데이터 마스킹(DDM)현재 평가판으로 제공되는 를 사용하면 Amazon Redshift 데이터 웨어하우스에서 주민등록번호, 신용카드 번호 및 전화번호와 같은 PII 보호를 간소화할 수 있습니다. 동적 데이터 마스킹을 사용하면 쿼리 시 Amazon Redshift가 민감한 데이터를 사용자에게 반환하는 방법을 결정하는 간단한 SQL 기반 마스킹 정책을 통해 데이터에 대한 액세스를 제어할 수 있습니다. 일관되고 형식이 보존되며 되돌릴 수 없는 마스킹된 데이터 값을 정의하는 마스킹 정책을 생성할 수 있습니다. 테이블의 특정 열 또는 열 목록에 마스킹 정책을 적용할 수 있습니다. 또한 마스킹된 데이터를 표시하는 방법을 유연하게 선택할 수 있습니다. 예를 들어 데이터를 완전히 숨기거나 부분 실수 값을 와일드카드 문자로 바꾸거나 SQL 식, Python 또는 AWS 람다 사용자 정의 함수. 또한 하나 이상의 서로 다른 열의 값을 기반으로 테이블의 열 데이터를 선택적으로 보호하는 다른 열을 기반으로 조건부 마스킹 정책을 적용할 수 있습니다.
우리는 또한 다음 기능 향상을 발표했습니다. 감사 로깅, 기본 통합 마이크로소프트 애저 액티브 디렉토리에 대한 지원 기본 IAM 역할 추가 리전에서 보안 관리를 더욱 단순화합니다.
최고의 가격 대비 성능 분석
고객은 비용을 낮게 유지하면서 모든 규모에서 고성능을 제공하는 빠르고 비용 효율적인 데이터 웨어하우스가 필요하다고 계속해서 말합니다. 1일부터 2012년 Amazon Redshift 출시, 우리는 데이터 기반 접근 방식을 취하고 플릿 원격 측정을 사용하여 모든 규모에서 최고의 가격 대비 성능을 제공하는 클라우드 데이터 웨어하우스 서비스를 구축했습니다. 수년에 걸쳐 우리는 진화했습니다 Amazon Redshift의 아키텍처 다음과 같은 기능을 출시했습니다. Redshift 관리 스토리지(RMS) 스토리지와 컴퓨팅의 분리를 위해 아마존 레드시프트 스펙트럼 데이터 레이크 쿼리의 경우 자동 테이블 최적화 물리적 스키마 최적화를 위해 자동 워크로드 관리 워크로드의 우선 순위를 지정하고 올바른 컴퓨팅 및 메모리를 할당하기 위해 클러스터 크기 조정 컴퓨팅 및 스토리지를 수직으로 확장하고 동시성 확장 컴퓨팅을 동적으로 확장 또는 축소합니다. 성능 벤치 마크 Amazon Redshift의 가격 대비 성능 리더십을 계속해서 입증하십시오.
2022년에는 일반 가용성과 같은 새로운 기능을 추가했습니다. 쓰기 작업을 위한 동시성 확장 COPY, INSERT, UPDATE 및 DELETE와 같이 거의 무제한의 동시 사용자 및 쿼리를 지원합니다. 또한 경량의 CPU 효율적인 사전 인코딩 문자열 열에 대한 벡터화된 스캔을 통해 문자열 기반 데이터 처리의 성능 향상을 도입하여 데이터베이스 엔진이 압축된 데이터에서 직접 작동할 수 있도록 했습니다.
다음과 같은 SQL 연산자에 대한 지원도 추가했습니다. 합병 (삽입 또는 업데이트를 위한 단일 연산자); CONNECY_BY (계층적 쿼리의 경우); 세트, 롤업 및 큐브 그룹화 (다차원 보고용) 레거시 데이터 웨어하우스에서 Amazon Redshift로 쉽게 마이그레이션할 수 있도록 SUPER 데이터 유형의 크기를 16MB로 늘렸습니다.
결론
우리 고객들은 계속해서 데이터와 분석이 그들에게 최우선 순위로 남아 있으며 이러한 시기에 데이터에서 더 많은 비즈니스 가치를 비용 효율적으로 추출해야 할 필요성이 과거 어느 때보다 두드러진다고 말합니다. Amazon Redshift를 클라우드 데이터 웨어하우스로 사용하면 테라바이트에서 페타바이트에 이르는 정형 및 비정형 데이터의 규모와 성능으로 복잡한 SQL 분석을 실행하고 널리 사용되는 BI 및 분석 도구를 통해 통찰력을 광범위하게 사용할 수 있습니다.
40년에 2022개 이상의 기능을 출시했고 혁신의 속도는 계속해서 가속화되고 있지만 아직 1일차입니다. 이러한 기능이 조직에 더 많은 가치를 제공하는 데 어떻게 도움이 되는지 여러분의 의견을 기다리겠습니다. 이러한 새로운 기능을 사용해 보고 추가 의견이 있으면 AWS 계정 팀을 통해 연락해 주시기 바랍니다.
저자,
마난 고엘 AWS의 Amazon Redshift를 포함한 AWS 분석 서비스의 제품 시장 진출 리더입니다. 그는 25년 이상의 경험을 가지고 있으며 데이터베이스, 데이터 웨어하우징, 비즈니스 인텔리전스 및 분석에 정통합니다. Manan은 Duke University에서 MBA를, 전자 및 통신 공학 학사 학위를 받았습니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- 플라토 블록체인. Web3 메타버스 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 출처: https://aws.amazon.com/blogs/big-data/whats-new-in-amazon-redshift-2022-a-year-in-review/
- 1
- 100
- 2021
- 2022
- a
- 능력
- 소개
- 가속
- ACCESS
- 데이터에 액세스
- 액세스
- 얻기 쉬운
- 계정
- 달성
- 가로질러
- 활동적인
- 활발히
- 추가
- 또한
- 추가
- 또한
- 어도비 벽돌
- All
- 수
- 이미
- 아마존
- 아마존 EMR
- 애널리스트
- 분석
- 분석하다
- 분석하는
- 및
- 알리다
- 발표
- 다른
- 답변
- 아파치
- 아파치 스파크
- API
- 어플리케이션
- 어플리케이션
- 신청
- 접근
- 아키텍처
- 지역
- 지역
- 인조의
- 인공 지능
- 유산
- 자산 관리
- 회계 감사
- 오로라
- 저자
- 자동
- 자동화
- Automatic
- 자동적으로
- 유효성
- 가능
- AWS
- AWS 접착제
- 하늘빛
- 기반으로
- 기초
- 되고
- 전에
- 존재
- BEST
- 더 나은
- 사이에
- 큰
- 빅 데이터
- 청구
- 흩어져
- 넓은
- 브로드 리지
- 빌드
- 건물
- 내장
- 사업
- 비즈니스 응용 프로그램
- 비즈니스 연속성
- 비즈니스 인텔리전스
- 기능
- 생산 능력
- 카드
- 케이스
- 가지 경우
- 변경
- 문자
- 왼쪽 메뉴에서
- 선택
- 클라이언트
- 클라우드
- 클러스터
- 협력
- 협동
- 수집
- 단
- 열
- 결합
- 결합 된
- 댓글
- 커뮤니케이션
- 호환성
- 완전히
- 복잡한
- 구성 요소
- 계산
- 병발 사정
- 연결하기
- 일관된
- 콘솔에서
- 소비
- 계속
- 계속
- 계속
- 끊임없는
- 제어
- 비용 효율적인
- 비용
- 커버
- 만들
- 만들기
- 신임장
- 신용
- 크레디트 카드
- 크레딧
- CRM
- Current
- 관습
- 고객
- 고객센터
- 고객
- 사용자 정의
- 데이터
- 데이터 교환
- 데이터 레이크
- 데이터 처리
- 데이터 공유
- 데이터웨어 하우스
- 데이터웨어 하우스
- 데이터 중심
- 데이터베이스
- 데이터베이스
- 일
- 깊이
- 배달하다
- 보여
- 배포
- 전개
- 디자인
- 결정
- 개발자
- 개발자
- 다른
- 직접
- 발견
- 발견
- 토론
- 분산
- 배포
- 공작
- 듀크 대학
- ...동안
- 동적
- 쉽게
- 용이하게
- 편집자
- 노력
- 전자
- 거림
- 제거
- 가능
- 수
- 가능
- 종점
- 엔진
- 엔지니어링
- 에테르 (ETH)
- 사람
- 진화
- 예
- 교환
- 흥분한
- 펼치기
- 경험
- 탐험
- 표현
- 추출물
- 고장
- 익숙한
- FAST
- 빠른
- 특색
- 특징
- 입양 부모로서의 귀하의 적합성을 결정하기 위해 미국 이민국에
- 파일
- 금융
- 금융 서비스
- 금융
- Find
- 함대
- 유연성
- 형성
- 앞으로
- 무료
- 에
- 충분히
- 기능
- 추가
- 미래
- 일반
- 얻을
- 지프
- 주기
- 주어진
- 제공
- 기부
- 유리
- 시장으로가요
- 통치
- 부여
- 부여
- 큰
- 발생
- 행복한
- 하드
- 데
- 건강 관리
- 듣기
- 도움
- 도움이
- 숨는 장소
- 높은
- 역사적인
- 보유
- 방법
- How To
- HTML
- HTTPS
- 수백
- IAM
- 통합 인증
- 이행
- 개선
- 개선하는
- 개량
- in
- 포함
- 증가
- 산업
- 정보
- 인프라
- 혁신
- 삽입물
- 통찰력
- 통합
- 통합 된
- 통합
- 완성
- 인텔리전스
- 개입
- 소개
- 소개합니다
- 사다
- 투자
- 초대
- 격리
- IT
- 일
- 작업
- 어울리다
- 7월
- 카프카
- 유지
- 유지
- 키
- Kinesis 데이터 스트림
- 소금물
- 대규모
- 숨어 있음
- 시작
- 시작
- 리더
- Leadership
- 배우기
- 유산
- 레벨
- 경량의
- 제한
- 명부
- 살고있다
- 라이브 데이터
- 하중
- 짐을 싣는 사람
- 로드
- 보기
- 낮은
- 기계
- 기계 학습
- 만든
- 유지하다
- 유지
- 확인
- 유튜브 영상을 만드는 것은
- 관리
- 관리
- 구축
- 조작
- Marketo
- 마스크
- 극대화하다
- 메모리
- 이전
- ML
- 모델
- 현대
- 수정
- 모니터링
- 모니터링
- 배우기
- 움직이는
- 여러
- MySQL의
- 출신
- 필요
- 필요
- 요구
- 신제품
- 새로운 기능
- 번호
- 숫자
- 제공
- ONE
- 열 수
- 운영
- 조작
- 행정부
- 연산자
- 운영자
- 최적화
- 선택권
- 조직
- 조직
- 기타
- 정전
- 외부
- 자신의
- 평화
- 꾸러미
- 빵
- 부품
- 파트너
- 과거
- 지불
- 피턴
- 성능
- 권한
- 몸소
- 전화
- 물리적
- pii
- 장소
- 플랫폼
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 기쁘게 생각한
- 정책
- 정책
- 인기 문서
- 게시하다
- 강한
- 예측 분석
- 예방
- 시사
- 이전에
- 가격
- 주로
- 우선 순위
- 우선
- 방법
- 처리
- 제작자
- 프로덕트
- 생산력
- 보호
- 제공
- 공급자
- 제공
- 제공
- 규정
- Python
- 문의
- 빨리
- 범위
- 도달
- 읽기
- 현실
- 실시간
- 실시간 데이터
- 수신
- 복구
- 감소
- 지역
- 관련된
- 신뢰성
- 신뢰할 수있는
- 유적
- 교체
- 신고
- 통계 보고서
- 요구조건 니즈
- 얽매다
- 결과
- 반품
- 리뷰
- 재 작성
- 풍부한
- 까다로운
- 직위별
- 역할
- 롤업
- 규칙
- 달리기
- 달리는
- 현자
- 영업
- 규모
- 저울
- 스케일링
- 시나리오
- 과학
- 과학자
- 둘째
- 초
- 안전해야합니다.
- 안전하게
- 보안
- 민감한
- 감도
- 서버리스
- 봉사하다
- 서비스
- 서비스
- 세션
- 세트
- 설정
- 몇몇의
- 공유
- 공유
- 공유
- 표시
- 단순, 간단, 편리
- 단순화
- 단순화
- 간단히
- 동시에
- 이후
- 단일
- 좌석
- 크기
- 느리게
- So
- 사회적
- 해결책
- 솔루션
- 일부
- 지우면 좋을거같음 . SM
- 불꽃
- 구체적인
- SQL
- 단계
- 저장
- 상점
- 전략
- 스트리밍
- 스트리밍
- 스트림
- 구조화
- 정형 및 비정형 데이터
- 이러한
- 감독자
- 공급 업체
- SUPPORT
- 지원
- 체계
- 시스템은
- 테이블
- 목표
- 팀
- XNUMXD덴탈의
- 미래
- 그들의
- 타사
- 수천
- 을 통하여
- 시간
- 시대
- 에
- 수단
- 검색을
- 상단
- 이상의 주제
- 금액
- 터치
- 선로
- Train
- 거래상의
- 변환
- 변환
- 어디에나 있는
- 뜻하지 않은
- 대학
- 무제한
- 잠금을 해제
- 업데이트
- 업데이트
- us
- 사용
- 사용자
- 사용자
- 활용
- 가치
- 마케팅은:
- 여러
- 버전
- 관측
- 보기
- 사실상
- 창고
- 창고
- 재산
- 자산 관리
- 웹
- 웹 기반
- 뭐
- 어느
- 동안
- 누구
- 넓은
- 넓은 범위
- 크게
- 의지
- 이내
- 없이
- 작업
- 일
- 일하는
- 전세계적인
- 쓰다
- 쓴
- year
- 년
- 너의
- 제퍼 넷
- 지역