โพสต์นี้เขียนร่วมกับ Girish Kumar Chidananda จาก redBus
รถเมล์แดง เป็นหนึ่งในผู้ใช้รายแรกๆ ของ AWS ในอินเดีย และบริการและแอปพลิเคชันส่วนใหญ่โฮสต์บน AWS Cloud AWS ให้ redBus มีความยืดหยุ่นในการปรับขนาดโครงสร้างพื้นฐานอย่างรวดเร็วในขณะที่รักษาต้นทุนให้ต่ำมาก AWS มีชุดบริการที่ครอบคลุมเพื่อตอบสนองความต้องการส่วนใหญ่ รวมถึงการให้การสนับสนุนลูกค้าที่ redBus สามารถรับรองได้
ในโพสต์นี้ เราจะแชร์สถาปัตยกรรมแพลตฟอร์มข้อมูลของ redBus และวิธีการเชื่อมต่อส่วนประกอบต่างๆ เพื่อสร้างทางหลวงข้อมูล นอกจากนี้ เรายังหารือเกี่ยวกับความท้าทายที่ RedBus เผชิญในการสร้างแดชบอร์ดสำหรับกรณีการใช้งานระบบข่าวกรองธุรกิจแบบเรียลไทม์ (BI) และวิธีการใช้งาน อเมซอน QuickSightซึ่งเป็นบริการวิเคราะห์ธุรกิจที่ใช้ระบบคลาวด์ที่รวดเร็ว ใช้งานง่าย ซึ่งช่วยให้พนักงานทุกคนใน redBus สร้างภาพข้อมูลและทำการวิเคราะห์แบบเฉพาะกิจเพื่อรับข้อมูลเชิงลึกทางธุรกิจจากข้อมูลของตน ได้ทุกเวลา และบนอุปกรณ์ใดก็ได้
เกี่ยวกับ เรดบัส
รถเมล์แดง เป็นแพลตฟอร์มจำหน่ายตั๋วรถโดยสารออนไลน์ที่ใหญ่ที่สุดในโลกซึ่งสร้างขึ้นในอินเดียและให้บริการลูกค้าที่มีความพึงพอใจมากกว่า 36 ล้านคนทั่วโลก นอกเหนือจากการจำหน่ายตั๋วรถโดยสารแล้ว redBus ยังให้บริการจำหน่ายตั๋วรถไฟที่เรียกว่า รางสีแดง และบริการรถบัสและรถเช่าที่เรียกว่า ไรด์. เป็นส่วนหนึ่งของกลุ่ม GO-MMT ซึ่งเป็นบริษัทท่องเที่ยวออนไลน์ชั้นนำของอินเดีย โดยมีพอร์ตโฟลิโอของแบรนด์มากมาย ซึ่งรวมถึงแบรนด์ท่องเที่ยวออนไลน์ที่โดดเด่นอื่นๆ เช่น MakeMyTrip และ Goibibo
ดาต้าไฮเวย์ของ redBus 1.0
redBus พึ่งพาอย่างมากในการตัดสินใจโดยใช้ข้อมูลในทุกระดับ ตั้งแต่การติดตามการเดินทางของนักท่องเที่ยว การคาดการณ์ความต้องการในช่วงที่มีการจราจรหนาแน่น การระบุและจัดการกับปัญหาคอขวดในกระบวนการลงทะเบียนของผู้ให้บริการรถโดยสาร และอื่นๆ อีกมากมาย เนื่องจากธุรกิจของ redBus เริ่มเติบโตในแง่ของจำนวนเมืองและประเทศที่พวกเขาดำเนินการ และจำนวนผู้ให้บริการรถบัสและนักเดินทางที่ใช้บริการในแต่ละเมือง ปริมาณข้อมูลขาเข้าก็เพิ่มขึ้นเช่นกัน ความจำเป็นในการเข้าถึงและวิเคราะห์ข้อมูลในที่เดียว ทำให้พวกเขาต้องสร้างแพลตฟอร์มข้อมูลของตนเอง ดังแสดงในแผนภาพต่อไปนี้
ในส่วนต่อไปนี้ เราจะดูรายละเอียดแต่ละองค์ประกอบเพิ่มเติม
แหล่งที่มาของการนำเข้าข้อมูล
ด้วยแพลตฟอร์มข้อมูล 1.0 ข้อมูลจะถูกนำเข้ามาจากแหล่งต่างๆ:
- เวลาจริง – ข้อมูลเรียลไทม์ไหลจากแอพมือถือ redBus, microservices แบ็กเอนด์ และเมื่อผู้โดยสาร ผู้ประกอบการรถโดยสาร หรือแอพพลิเคชั่นดำเนินการใดๆ เช่น จองตั๋วรถโดยสาร ค้นหารายการรถโดยสาร อัพโหลดเอกสาร KYC และอื่นๆ
- โหมดแบทช์ – งานตามกำหนดเวลาดึงข้อมูลจากที่เก็บข้อมูลถาวรหลายแห่งเช่น บริการฐานข้อมูลเชิงสัมพันธ์ของ Amazon (Amazon RDS) ที่เก็บข้อมูล OLTP จากแอปพลิเคชันทั้งหมด คลัสเตอร์ Apache Cassandra ที่จัดเก็บบัสคงคลังจากโอเปอเรเตอร์ต่างๆ Arango DB ที่จัดเก็บกราฟประจำตัวผู้ใช้ และอื่นๆ
การทำรายการข้อมูล
ข้อมูลตามเวลาจริงจะถูกนำเข้าไปยังคลัสเตอร์ Apache Nifi ที่จัดการด้วยตนเอง ซึ่งเป็นแพลตฟอร์มข้อมูลแบบโอเพ่นซอร์สที่ใช้ในการทำความสะอาด วิเคราะห์ และแคตตาล็อกข้อมูลด้วยความสามารถในการกำหนดเส้นทางก่อนที่จะส่งข้อมูลไปยังปลายทาง
การจัดเก็บและการวิเคราะห์
redBus ใช้บริการต่อไปนี้สำหรับความต้องการในการจัดเก็บและการวิเคราะห์:
- บริการจัดเก็บข้อมูลอย่างง่ายของ Amazon (Amazon S3) บริการพื้นที่จัดเก็บออบเจกต์ที่เป็นรากฐานสำหรับ Data Lake เนื่องจากความสามารถในการปรับขนาดได้ไม่จำกัดและความทนทานที่สูงกว่า ข้อมูลตามเวลาจริงไหลจาก Apache Druid และข้อมูลจากที่เก็บข้อมูลไหลตามช่วงเวลาปกติตามตารางเวลา
- Apache Druid ที่เก็บข้อมูลสไตล์ OLAP (กระแสข้อมูลผ่านตัวโหลดข้อมูล Kafka Druid) ซึ่งคำนวณข้อเท็จจริงและเมตริกกับมิติต่างๆ ในระหว่างกระบวนการโหลดข้อมูล
- อเมซอน Redshiftซึ่งเป็นบริการคลังข้อมูลบนคลาวด์ที่ช่วยคุณวิเคราะห์ข้อมูลระดับเอกซะไบต์และเรียกใช้การสืบค้นเชิงวิเคราะห์ที่ซับซ้อน redBus ใช้ Amazon Redshift เพื่อจัดเก็บข้อมูลที่ประมวลผลจาก Amazon S3 และข้อมูลรวมจาก Apache Druid
การสอบถามและการแสดงภาพ
ในการทำให้ RedBus ขับเคลื่อนด้วยข้อมูลมากที่สุดเท่าที่จะเป็นไปได้ พวกเขาทำให้แน่ใจว่าวิศวกร SRE, วิศวกรข้อมูล และนักวิเคราะห์ธุรกิจสามารถเข้าถึงข้อมูลได้ผ่านเลเยอร์การสร้างภาพ เลเยอร์นี้มีแดชบอร์ดที่ให้บริการโดยใช้ Apache SuperSet ซึ่งเป็นแอปพลิเคชันการแสดงข้อมูลแบบโอเพ่นซอร์ส และ อเมซอน อาเธน่าซึ่งเป็นบริการสืบค้นแบบโต้ตอบเพื่อวิเคราะห์ข้อมูลใน Amazon S3 โดยใช้ SQL มาตรฐานสำหรับข้อกำหนดการสืบค้นแบบเฉพาะกิจ
ความท้าทาย
ในขั้นต้น RedBus จัดการกับข้อมูลที่นำเข้าในอัตรา 10 ล้านเหตุการณ์ต่อวัน เมื่อเวลาผ่านไป เมื่อธุรกิจเริ่มเติบโต ปริมาณข้อมูลก็เพิ่มขึ้นเช่นกัน (จากกิกะไบต์เป็นเทราไบต์ถึงเพตะไบต์) การนำเข้าข้อมูลต่อวัน (จาก 10 ล้านเป็น 320 ล้านเหตุการณ์) และความต้องการแดชบอร์ดข่าวกรองธุรกิจ หลังจากนั้นไม่นาน พวกเขาก็เริ่มเผชิญกับความท้าทายด้วยความสามารถด้าน BI ของ Superset ที่จัดการได้เอง และความซับซ้อนในการดำเนินงานที่เพิ่มขึ้น
ความสามารถของ BI ที่จำกัด
redBus พบข้อจำกัด BI ต่อไปนี้:
- ไม่สามารถสร้างการแสดงภาพจากแหล่งข้อมูลหลายแหล่ง – Superset ไม่อนุญาตให้สร้างการแสดงภาพจากหลายตารางภายในชั้นการสำรวจข้อมูล วิศวกรข้อมูลของ redBus ต้องมีการรวมตารางล่วงหน้าที่ระดับแหล่งข้อมูลเอง เพื่อสร้างมุมมอง 360 องศาสำหรับผู้มีส่วนได้ส่วนเสียทางธุรกิจของ redBus วิศวกรข้อมูลจึงไม่สะดวกที่จะรักษาหลายตารางที่รองรับเลเยอร์การแสดงภาพ
- ไม่มีตัวกรองส่วนกลางสำหรับวิชวลในแดชบอร์ด – Superset ไม่รองรับตัวกรองส่วนกลางหรือตัวกรองหลักทั่วทั้งวิชวลในแดชบอร์ด ตัวอย่างเช่น พิจารณาว่ามีวิชวล เช่น ยอดขายที่ชนะตามภูมิภาค รายได้ YTD ที่รับรู้ตามภูมิภาค ไปป์ไลน์การขายตามภูมิภาค และอื่นๆ ในแดชบอร์ด และตัวกรองภูมิภาคจะถูกเพิ่มลงในแดชบอร์ดด้วยค่าต่างๆ เช่น EMEA, APAC และ US ภูมิภาคของตัวกรองจะใช้กับภาพใดภาพหนึ่งเท่านั้น ไม่ใช่แดชบอร์ดทั้งหมด อย่างไรก็ตาม ผู้ใช้แดชบอร์ดคาดหวังการกรองทั่วทั้งแดชบอร์ด
- ไม่ใช่เครื่องมือที่เป็นมิตรต่อผู้ใช้ทางธุรกิจ – Superset เป็นศูนย์กลางของนักพัฒนาอย่างมากเมื่อพูดถึงการปรับแต่ง ตัวอย่างเช่น หากนักวิเคราะห์ธุรกิจ RedBus ต้องปรับแต่งการรีเฟรชตามเวลาที่สอบถามทุกส่วนบนแดชบอร์ดใหม่โดยอัตโนมัติตามค่าที่ตั้งไว้ล่วงหน้า นักวิเคราะห์จะต้องอัปเดตฟิลด์ข้อมูลเมตา JSON ของแดชบอร์ด ดังนั้น การมีความรู้เกี่ยวกับ JSON และไวยากรณ์จึงเป็นสิ่งจำเป็นสำหรับการปรับแต่งใดๆ บนวิชวลหรือแดชบอร์ด
ต้นทุนการดำเนินงานที่เพิ่มขึ้น
แม้ว่า Superset จะเป็นโอเพ่นซอร์ส ซึ่งหมายความว่าไม่มีค่าใช้จ่ายในการออกใบอนุญาต แต่ก็หมายความว่ามีความพยายามมากขึ้นในการบำรุงรักษาส่วนประกอบทั้งหมดที่จำเป็นสำหรับการทำงานเป็นเครื่องมือ BI ระดับองค์กร redBus ได้ปรับใช้และบำรุงรักษาเว็บเซิร์ฟเวอร์ (Nginx) ซึ่งอยู่ด้านหน้าโดย แอปพลิเคชัน Load Balancer เพื่อทำโหลดบาลานซ์ เซิร์ฟเวอร์ฐานข้อมูลเมทาดาทา (MySQL) ที่ Superset เก็บข้อมูลภายใน เช่น ผู้ใช้ ส่วนต่างๆ และคำจำกัดความของแดชบอร์ด คิวงานแบบอะซิงโครนัส (ขึ้นฉ่าย) เพื่อรองรับการสืบค้นที่ใช้เวลานาน นายหน้าข้อความ (RabbitMQ); และเซิร์ฟเวอร์แคชแบบกระจาย (Redis) สำหรับแคชผลลัพธ์ สร้างข้อมูลแผนภูมิ และอื่นๆ อีกมากมาย อเมซอน อีลาสติก คอมพิวท์ คลาวด์ (Amazon EC2) อินสแตนซ์ แผนภาพต่อไปนี้แสดงสถาปัตยกรรมนี้
ทีม DevOps ของ redBus ต้องทำงานหนักในการเตรียมโครงสร้างพื้นฐาน รับการสำรองข้อมูล ปรับขนาดส่วนประกอบด้วยตนเองตามความจำเป็น อัปเกรดส่วนประกอบทีละรายการ และอื่นๆ นอกจากนี้ยังจำเป็นต้องมีนักพัฒนาเว็บ Python เพื่อทำการเปลี่ยนแปลงการกำหนดค่าเพื่อให้ส่วนประกอบทั้งหมดทำงานร่วมกันได้อย่างราบรื่น การดำเนินการด้วยตนเองทั้งหมดนี้เพิ่มต้นทุนรวมในการเป็นเจ้าของสำหรับ redBus
การเดินทางสู่ QuickSight
redBus เริ่มสำรวจโซลูชัน BI ตามข้อกำหนดด้านแดชบอร์ดสองสามข้อเป็นหลัก:
- แดชบอร์ด BI สำหรับผู้มีส่วนได้ส่วนเสียทางธุรกิจและนักวิเคราะห์ ซึ่งข้อมูลมาจาก Amazon S3 และ Amazon Redshift
- แดชบอร์ดการตรวจสอบประสิทธิภาพแอปพลิเคชันแบบเรียลไทม์ (APM) เพื่อช่วยวิศวกรและนักพัฒนา SRE ระบุสาเหตุของปัญหาในการปรับใช้ไมโครเซอร์วิส เพื่อให้พวกเขาสามารถแก้ไขปัญหาก่อนที่จะส่งผลกระทบต่อประสบการณ์การใช้งานของลูกค้า ในกรณีนี้ ข้อมูลมาจาก Druid
QuickSight เหมาะสมกับข้อกำหนดแดชบอร์ด BI ส่วนใหญ่ของ redBus และในเวลาไม่นาน ทีมแพลตฟอร์มข้อมูลก็เริ่มด้วยการพิสูจน์แนวคิด (POC) สำหรับแดชบอร์ดที่ซับซ้อนสองสามรายการ ในตอนท้ายของ POC ซึ่งกินเวลาหนึ่งเดือน ทีมงานได้แบ่งปันสิ่งที่ค้นพบ
ประการแรก QuickSight มีความสามารถด้าน BI มากมาย รวมถึงสิ่งต่อไปนี้:
- เป็นโซลูชัน BI แบบบริการตนเองพร้อมคุณสมบัติการลากและวางที่สามารถช่วยให้นักวิเคราะห์ของ redBus ใช้งานได้อย่างสะดวกสบายโดยไม่ต้องพยายามเขียนโค้ดใดๆ
- การแสดงภาพจากแหล่งข้อมูลหลายแหล่งในแดชบอร์ดเดียวสามารถช่วยให้ผู้ถือผลประโยชน์ทางธุรกิจของ RedBus ได้รับมุมมอง 360 องศาของยอดขาย การคาดการณ์ และข้อมูลเชิงลึกในบานหน้าต่างเดียว
- ตัวกรองแบบเรียงซ้อนในวิชวลและในชีตในแดชบอร์ดเป็นคุณลักษณะที่จำเป็นมากสำหรับข้อกำหนด BI ของ redBus
- QuickSight นำเสนอภาพที่เหมือน Excel—ตารางพร้อมการคำนวณ ตาราง Pivot พร้อมการจัดกลุ่มเซลล์ และการจัดสไตล์เป็นสิ่งที่น่าสนใจสำหรับผู้ดู
- กลไกการคำนวณในหน่วยความจำ (SPICE) ที่เร็วเป็นพิเศษ ขนานกันใน QuickSight สามารถช่วยปรับขนาด RedBus ให้กับผู้ใช้หลายแสนคน ซึ่งทุกคนสามารถดำเนินการวิเคราะห์เชิงโต้ตอบอย่างรวดเร็วในแหล่งข้อมูล AWS ที่หลากหลายได้พร้อมกัน
- ข้อมูลเชิงลึกและการคาดการณ์ ML ที่มีอยู่ทั่วไปโดยไม่มีค่าใช้จ่ายเพิ่มเติมจะช่วยให้ทีมวิทยาศาสตร์ข้อมูลของ redBus สามารถมุ่งเน้นไปที่โมเดล ML นอกเหนือจากการคาดการณ์การขายและโมเดลที่คล้ายกัน
- การรักษาความปลอดภัยระดับแถวในตัว (RLS) อาจทำให้ redBus ให้สิทธิ์การเข้าถึงแบบกรองสำหรับผู้ดู ตัวอย่างเช่น RedBus มีนักวิเคราะห์ธุรกิจจำนวนมากที่บริหารประเทศต่างๆ ด้วย RLS นักวิเคราะห์ธุรกิจแต่ละรายจะเห็นเฉพาะข้อมูลที่เกี่ยวข้องกับประเทศที่ได้รับมอบหมายภายในแดชบอร์ดเดียว
- redBus ใช้ OneLogin เป็นผู้ให้บริการข้อมูลประจำตัว ซึ่งรองรับ Security Assertion Markup Language 2.0 (SAML 2.0) ด้วยความช่วยเหลือของการรวมข้อมูลประจำตัวและการสนับสนุนการลงชื่อเข้าระบบครั้งเดียวจาก QuickSight ทำให้ redBus สามารถจัดเตรียมกระบวนการออนบอร์ดที่เรียบง่ายสำหรับผู้ใช้ QuickSight
- QuickSight มีการแจ้งเตือนในตัวและความสามารถในการแจ้งเตือนทางอีเมล
ประการที่สอง QuickSight เป็นข้อเสนอบริการ BI แบบเนทีฟบนคลาวด์ที่มีการจัดการเต็มรูปแบบและไร้เซิร์ฟเวอร์จาก AWS พร้อมคุณสมบัติดังต่อไปนี้:
- วิศวกรของ redBus ไม่จำเป็นต้องให้ความสำคัญกับการเตรียมใช้งาน การปรับขนาด และการบำรุงรักษาโซลูชัน BI บนอินสแตนซ์ EC2
- QuickSight นำเสนอการผสานรวมกับบริการของ AWS เช่น Amazon Redshift, Amazon S3 และ Athena และเฟรมเวิร์กยอดนิยมอื่นๆ เช่น Presto, Snowflake, Teradata และอื่นๆ QuickSight เชื่อมต่อกับแหล่งข้อมูลส่วนใหญ่ที่ redBus มีอยู่แล้ว ยกเว้น Apache Druid เนื่องจากการรวมแบบเนทีฟกับ Druid ยังไม่พร้อมใช้งานในเดือนธันวาคม 2022 สำหรับรายการแหล่งข้อมูลที่รองรับทั้งหมด โปรดดู แหล่งข้อมูลที่รองรับ.
ผลที่ได้
เมื่อพิจารณาถึงคุณสมบัติที่หลากหลายและต้นทุนการเป็นเจ้าของโดยรวมที่ลดลง redBus เลือก QuickSight สำหรับข้อกำหนดแดชบอร์ด BI ด้วย QuickSight วิศวกรข้อมูลของ redBus ได้สร้างแดชบอร์ดจำนวนมากในเวลาไม่นานเพื่อให้ข้อมูลเชิงลึกจากข้อมูลระดับเพตะไบต์แก่ผู้มีส่วนได้ส่วนเสียทางธุรกิจและนักวิเคราะห์ ดาต้าไฮเวย์ของ redBus พัฒนาขึ้นเพื่อนำข่าวกรองธุรกิจมาสู่ผู้ชมที่กว้างขึ้นในองค์กรของพวกเขา ด้วยประสิทธิภาพที่ดีขึ้นและเวลาต่อมูลค่าที่เร็วขึ้น ตั้งแต่เดือนพฤศจิกายน 2022 เป็นต้นไป QuickSight สำหรับผู้ใช้ทางธุรกิจและ Superset สำหรับแดชบอร์ด APM แบบเรียลไทม์ (ในขณะที่เขียน QuickSight ไม่มีตัวเชื่อมต่อแบบเนทีฟให้กับ Druid) ดังที่แสดงในแผนภาพต่อไปนี้
แดชบอร์ดการตรวจจับความผิดปกติของการขาย
แม้ว่าจะมีแดชบอร์ดจำนวนมากที่ redBus นำไปใช้กับการผลิต แต่การตรวจจับความผิดปกติของการขายเป็นหนึ่งในแดชบอร์ดที่น่าสนใจที่ redBus สร้างขึ้น โดยใช้โมเดลการคาดการณ์ยอดขายที่เป็นกรรมสิทธิ์ของ redBus ซึ่งจะมาจากข้อมูลการขายที่ผ่านมาจากตาราง Amazon Redshift และข้อมูลการขายแบบเรียลไทม์จากตาราง Druid ดังแสดงในรูปต่อไปนี้
ในช่วงเวลาปกติ งานที่กำหนดเวลาไว้จะป้อนโมเดลการคาดการณ์ของ RedBus ด้วยข้อมูลการขายตามเวลาจริงและประวัติ จากนั้นข้อมูลที่คาดการณ์จะถูกส่งไปยังตาราง Amazon Redshift แดชบอร์ดการตรวจจับความผิดปกติของการขายใน QuickSight ให้บริการโดยตารางผลลัพธ์ของ Amazon Redshift
ต่อไปนี้คือหนึ่งในวิชวลจากแดชบอร์ดการตรวจจับความผิดปกติของการขาย สร้างขึ้นโดยใช้แผนภูมิเส้นที่แสดงยอดขายจริงรายชั่วโมง ยอดขายที่คาดการณ์ และเกณฑ์การแจ้งเตือนสำหรับอนุกรมเวลาสำหรับกลุ่มธุรกิจเฉพาะใน redBus
ในภาพนี้ แต่ละแถบแสดงถึงจำนวนความผิดปกติในการขายที่จุดใดจุดหนึ่งในอนุกรมเวลา
นักวิเคราะห์ของ redBus สามารถเจาะลึกรายละเอียดการขายและความผิดปกติในระดับนาทีต่อไป ดังแสดงในแผนภาพต่อไปนี้ คุณสมบัติเจาะลึกนี้มาพร้อมกับ QuickSight
สำหรับรายละเอียดเพิ่มเติมเกี่ยวกับการเพิ่มเจาะลึกลงในวิชวลแดชบอร์ด QuickSight โปรดดู การเพิ่มข้อมูลเชิงลึกให้กับข้อมูลภาพใน Amazon QuickSight.
นอกจากภาพแล้ว มันยังกลายเป็นหนึ่งในแดชบอร์ดโปรดของผู้ชมที่ redBus เนื่องจากคุณสมบัติที่โดดเด่นดังต่อไปนี้:
- เนื่องจากการกรองผ่านภาพเป็นคุณลักษณะสำเร็จรูปใน QuickSight ตัวกรองตามเวลาประทับจึงถูกเพิ่มไปยังแดชบอร์ด สิ่งนี้ช่วยในการกรองภาพหลายภาพในแดชบอร์ดด้วยการคลิกเพียงครั้งเดียว
- การดำเนินการ URL ที่กำหนดค่าบนวิชวลช่วยให้ผู้ชมนำทางไปยังแอปพลิเคชันภายในองค์กรที่คำนึงถึงบริบท
- การแจ้งเตือนทางอีเมลที่กำหนดค่าบน KPI และภาพมาตรวัดช่วยให้ผู้ชมได้รับการแจ้งเตือนตรงเวลา
ขั้นตอนถัดไป
นอกเหนือจากการสร้างแดชบอร์ดใหม่สำหรับความต้องการแดชบอร์ด BI แล้ว redBus กำลังดำเนินการตามขั้นตอนต่อไปนี้:
- สำรวจ QuickSight ฝังตัว Analytics สำหรับข้อกำหนดของแอปพลิเคชันสองสามข้อเพื่อเร่งเวลาในการเข้าถึงข้อมูลเชิงลึกสำหรับผู้ใช้ด้วยภาพข้อมูลในบริบท แดชบอร์ดแบบโต้ตอบ และอื่นๆ โดยตรงภายในแอปพลิเคชัน
- สำรวจ QuickSight Qซึ่งสามารถช่วยให้ผู้มีส่วนได้ส่วนเสียทางธุรกิจสามารถถามคำถามในภาษาธรรมชาติและรับคำตอบที่ถูกต้องด้วยการแสดงภาพข้อมูลที่เกี่ยวข้อง ซึ่งช่วยให้พวกเขาได้รับข้อมูลเชิงลึกจากข้อมูล
- สร้างโซลูชันแดชบอร์ดที่เป็นหนึ่งเดียวโดยใช้ QuickSight ซึ่งครอบคลุมแหล่งข้อมูลทั้งหมดเมื่อมีการผสานรวม
สรุป
ในโพสต์นี้ เราแสดงให้คุณเห็นว่า RedBus สร้างแพลตฟอร์มข้อมูลของตนโดยใช้บริการ AWS และเฟรมเวิร์ก Apache ต่างๆ ได้อย่างไร ความท้าทายที่แพลตฟอร์มต้องเผชิญ (โดยเฉพาะอย่างยิ่งในข้อกำหนดแดชบอร์ด BI และความท้าทายขณะปรับขนาด) และวิธีที่พวกเขาใช้ QuickSight และลดค่าใช้จ่ายทั้งหมด ของความเป็นเจ้าของ
หากต้องการทราบข้อมูลเพิ่มเติมเกี่ยวกับวิศวกรรมที่ redBus โปรดดูที่ โพสต์บล็อกขนาดกลาง. หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับสิ่งที่เกิดขึ้นใน QuickSight หรือหากคุณมีคำถามใดๆ โปรดติดต่อ ชุมชน QuickSightซึ่งมีการใช้งานมากและมีทรัพยากรมากมาย
เกี่ยวกับผู้เขียน
กีริช กุมาร ชิดานนท์ ทำงานเป็นผู้จัดการฝ่ายวิศวกรรมอาวุโส – วิศวกรรมข้อมูลที่ redBus ซึ่งเขาได้สร้างแอปพลิเคชันวิศวกรรมข้อมูลและส่วนประกอบต่างๆ สำหรับ redBus ในช่วง 5 ปีที่ผ่านมา ก่อนที่จะเริ่มต้นการเดินทางในอุตสาหกรรมไอที เขาเคยทำงานเป็นวิศวกรระบบเครื่องกลและระบบควบคุมในองค์กรต่างๆ และสำเร็จการศึกษาระดับปริญญาโทสาขาวิศวกรรมพลังงานของไหลจากมหาวิทยาลัยบาธ
คายาลวิจิ กันดาซามี ทำงานร่วมกับบริษัทเจ้าของภาษาดิจิทัลเพื่อสนับสนุนนวัตกรรมของพวกเขา ในฐานะ Senior Solutions Architect (APAC) ที่ Amazon Web Services เธอใช้ประสบการณ์ของเธอเพื่อช่วยให้ผู้คนนำความคิดของพวกเขามาสู่ชีวิต โดยเน้นที่สถาปัตยกรรมไมโครเซอร์วิสและโซลูชันบนคลาวด์โดยใช้บริการของ AWS เป็นหลัก นอกเวลางาน เธอชอบเล่นหมากรุกและเป็นนักเล่นหมากรุกที่ได้รับการจัดอันดับโดยสุจริต เธอยังสอนศิลปะการเล่นหมากรุกให้ลูกสาวของเธอ และเตรียมพวกเขาให้พร้อมสำหรับการแข่งขันหมากรุกต่างๆ
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- เพลโตบล็อคเชน Web3 Metaverse ข่าวกรอง ขยายความรู้. เข้าถึงได้ที่นี่.
- ที่มา: https://aws.amazon.com/blogs/big-data/a-dive-into-redbuss-data-platform-and-how-they-used-amazon-quicksight-to-accelerate-business-insights/
- $ 10 ล้าน
- 1
- 10
- 100
- 2022
- 360 องศา
- a
- เกี่ยวกับเรา
- เร่งความเร็ว
- เข้า
- สามารถเข้าถึงได้
- ตาม
- ถูกต้อง
- ข้าม
- การปฏิบัติ
- คล่องแคล่ว
- Ad
- ที่เพิ่ม
- เพิ่มเติม
- ที่อยู่
- ผู้รับใช้
- มีผลต่อ
- หลังจาก
- กับ
- เตือนภัย
- ทั้งหมด
- แล้ว
- อเมซอน
- Amazon EC2
- อเมซอน QuickSight
- อเมซอน RDS
- Amazon Web Services
- จำนวน
- การวิเคราะห์
- นักวิเคราะห์
- นักวิเคราะห์
- วิเคราะห์
- การวิเคราะห์
- วิเคราะห์
- และ
- การตรวจจับความผิดปกติ
- คำตอบ
- ในภูมิภาคเอเชียแปซิฟิก
- อาปาเช่
- การใช้งาน
- การใช้งาน
- ใช้
- ปพลิเคชัน
- สถาปัตยกรรม
- รอบ
- ศิลปะ
- ที่ได้รับมอบหมาย
- มีเสน่ห์
- ผู้ฟัง
- ผู้เขียน
- อัตโนมัติ
- ใช้ได้
- AWS
- แบ็กเอนด์
- การสำรองข้อมูล
- บาร์
- ตาม
- เพราะ
- กลายเป็น
- ก่อน
- กำลัง
- ดีกว่า
- บล็อก
- กล่อง
- ยี่ห้อ
- แบรนด์
- นำมาซึ่ง
- โบรกเกอร์
- สร้าง
- การก่อสร้าง
- สร้าง
- built-in
- รถบัส
- ธุรกิจ
- ระบบธุรกิจอัจฉริยะ
- ที่เรียกว่า
- ความสามารถในการ
- รถ
- กรณี
- กรณี
- แค็ตตาล็อก
- ก่อให้เกิด
- ความท้าทาย
- การเปลี่ยนแปลง
- แผนภูมิ
- การสร้างแผนภูมิ
- ตรวจสอบ
- หมากรุก
- เลือก
- เมือง
- เมือง
- เมฆ
- การเข้ารหัส
- หมู่คน
- รวม
- บริษัท
- บริษัท
- สมบูรณ์
- ซับซ้อน
- ความซับซ้อน
- ส่วนประกอบ
- ส่วนประกอบ
- ครอบคลุม
- คำนวณ
- แนวคิด
- งานที่เชื่อมต่อ
- เชื่อมต่อ
- พิจารณา
- ควบคุม
- ราคา
- ค่าใช้จ่าย
- ได้
- ประเทศ
- ประเทศ
- คู่
- ครอบคลุม
- สร้าง
- การสร้าง
- ลูกค้า
- Customer Support
- ลูกค้า
- การปรับแต่ง
- ปรับแต่ง
- หน้าปัด
- ข้อมูล
- ดาต้าเลค
- แพลตฟอร์มข้อมูล
- วิทยาศาสตร์ข้อมูล
- การสร้างภาพข้อมูล
- คลังข้อมูล
- ที่ขับเคลื่อนด้วยข้อมูล
- ฐานข้อมูล
- วัน
- ธันวาคม
- การตัดสินใจ
- องศา
- ความต้องการ
- นำไปใช้
- การใช้งาน
- ปลายทาง
- รายละเอียด
- รายละเอียด
- การตรวจพบ
- ผู้พัฒนา
- นักพัฒนา
- เครื่อง
- DevOps
- DID
- ต่าง
- มิติ
- โดยตรง
- สนทนา
- กระจาย
- เอกสาร
- ไม่
- การทำ
- Dont
- ลง
- ดรูอิด
- ความทนทาน
- ในระหว่าง
- แต่ละ
- ง่ายต่อการใช้งาน
- ความพยายาม
- ความพยายาม
- อีเมล
- ที่ฝัง
- EMEA
- พนักงาน
- ทำให้สามารถ
- เครื่องยนต์
- วิศวกร
- ชั้นเยี่ยม
- วิศวกร
- ระดับองค์กร
- ทั้งหมด
- โดยเฉพาะอย่างยิ่ง
- อีเธอร์ (ETH)
- เหตุการณ์
- วิวัฒน์
- ตัวอย่าง
- ยกเว้น
- ที่คาดหวัง
- ประสบการณ์
- การสำรวจ
- สำรวจ
- กว้างขวาง
- อย่างยิ่ง
- ต้องเผชิญกับ
- หันหน้าไปทาง
- FAST
- เร็วขึ้น
- ที่ชื่นชอบ
- ลักษณะ
- คุณสมบัติ
- สหพันธ์
- สนาม
- รูป
- กรอง
- กรอง
- ฟิลเตอร์
- พอดี
- แก้ไขปัญหา
- ความยืดหยุ่น
- ไหล
- กระแส
- โฟกัส
- โดยมุ่งเน้น
- ดังต่อไปนี้
- ฟอร์ม
- รากฐาน
- กรอบ
- เป็นมิตร
- ราคาเริ่มต้นที่
- ด้านหน้า Front
- อย่างเต็มที่
- ฟังก์ชัน
- ต่อไป
- ได้รับ
- ได้รับ
- ให้
- กระจก
- เหตุการณ์ที่
- ให้
- กราฟ
- บัญชีกลุ่ม
- การเจริญเติบโต
- มีความสุข
- มี
- หนัก
- ช่วย
- จะช่วยให้
- จุดสูง
- สูงกว่า
- อย่างสูง
- ทางหลวง
- ทางประวัติศาสตร์
- ถือ
- เป็นเจ้าภาพ
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- อย่างไรก็ตาม
- HTML
- HTTPS
- ร้อย
- ความคิด
- แยกแยะ
- ระบุ
- เอกลักษณ์
- in
- รวมถึง
- รวมทั้ง
- ขาเข้า
- เพิ่มขึ้น
- อินเดีย
- เป็นรายบุคคล
- อุตสาหกรรม
- ข้อมูล
- โครงสร้างพื้นฐาน
- นักวิเคราะห์ส่วนบุคคลที่หาโอกาสให้เป็นไปได้มากที่สุด
- ข้อมูลเชิงลึก
- บูรณาการ
- การผสานรวม
- Intelligence
- การโต้ตอบ
- น่าสนใจ
- ภายใน
- สินค้าคงคลัง
- ปัญหา
- ปัญหา
- IT
- อุตสาหกรรมไอที
- ตัวเอง
- งาน
- เข้าร่วม
- การเดินทาง
- JSON
- Kafka
- การเก็บรักษา
- ทราบ
- ความรู้
- KYC
- ทะเลสาบ
- ภาษา
- ใหญ่ที่สุด
- ชื่อสกุล
- ชั้น
- ชั้นนำ
- เรียนรู้
- ชั้น
- ลิขสิทธิ์
- ชีวิต
- facelift
- ข้อ จำกัด
- Line
- รายการ
- โหลด
- loader
- โหลด
- ดู
- ต่ำ
- เก็บรักษา
- ทำ
- ทำให้
- การทำ
- จัดการ
- การจัดการ
- ผู้จัดการ
- จำเป็น
- คู่มือ
- ด้วยมือ
- หลาย
- วิธี
- เชิงกล
- ข่าวสาร
- เมตาดาต้า
- ตัวชี้วัด
- microservices
- ล้าน
- นาที
- ML
- โทรศัพท์มือถือ
- ปพลิเคชันมือถือ
- แบบ
- โมเดล
- การตรวจสอบ
- ข้อมูลเพิ่มเติม
- มากที่สุด
- MS
- หลาย
- MySQL
- พื้นเมือง
- โดยธรรมชาติ
- ภาษาธรรมชาติ
- นำทาง
- จำเป็นต้อง
- จำเป็น
- ความต้องการ
- ใหม่
- ถัดไป
- NGINX
- โดดเด่น
- การประกาศ
- การแจ้งเตือน
- พฤศจิกายน
- จำนวน
- วัตถุ
- การจัดเก็บวัตถุ
- เสนอ
- การเสนอ
- เสนอ
- การดูแลพนักงานใหม่
- ONE
- ออนไลน์
- เปิด
- โอเพนซอร์ส
- การดำเนินการ
- การดำเนินการ
- การดำเนินงาน
- การดำเนินการ
- ผู้ประกอบการ
- ผู้ประกอบการ
- ใบสั่ง
- organizacja
- องค์กร
- อื่นๆ
- ด้านนอก
- ของตนเอง
- การเป็นเจ้าของ
- บานหน้าต่าง
- Parallel
- ส่วนหนึ่ง
- ในสิ่งที่สนใจ
- คน
- ดำเนินการ
- การปฏิบัติ
- ท่อ
- เดือย
- สถานที่
- เวที
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- ผู้เล่น
- เล่น
- PoC
- จุด
- ยอดนิยม
- ผลงาน
- เป็นไปได้
- โพสต์
- อำนาจ
- ที่คาดการณ์
- เตรียมความพร้อม
- ส่วนใหญ่
- ประถม
- ก่อน
- กระบวนการ
- การผลิต
- โดดเด่น
- พิสูจน์
- พิสูจน์แนวคิด
- เป็นเจ้าของ
- ให้
- ให้
- ผู้จัดหา
- ให้
- การให้
- ผลักดัน
- หลาม
- คำถาม
- ทางรถไฟ
- อย่างรวดเร็ว
- คะแนน
- มาถึง
- เรียลไทม์
- ข้อมูลตามเวลาจริง
- ตระหนัก
- รับ
- ภูมิภาค
- ปกติ
- ที่เกี่ยวข้อง
- ตรงประเด็น
- เป็นตัวแทนของ
- แสดงให้เห็นถึง
- จำเป็นต้องใช้
- ความต้องการ
- แหล่งข้อมูล
- ผลสอบ
- รายได้
- รวย
- ราก
- วิ่ง
- ขาย
- scalability
- ขนาด
- ปรับ
- ที่กำหนดไว้
- กำหนดการงาน
- วิทยาศาสตร์
- ได้อย่างลงตัว
- ค้นหา
- ส่วน
- ความปลอดภัย
- เห็น
- บริการตัวเอง
- การส่ง
- ระดับอาวุโส
- ชุด
- serverless
- บริการ
- บริการ
- การให้บริการ
- หลาย
- Share
- ที่ใช้ร่วมกัน
- แสดง
- คล้ายคลึงกัน
- ง่าย
- พร้อมกัน
- เดียว
- ชิ้น
- So
- ทางออก
- โซลูชัน
- ในไม่ช้า
- แหล่ง
- แหล่งที่มา
- เครื่องเทศ
- SQL
- ผู้มีส่วนได้เสีย
- มาตรฐาน
- ข้อความที่เริ่ม
- ที่เริ่มต้น
- ขั้นตอน
- การเก็บรักษา
- จัดเก็บ
- เก็บไว้
- ร้านค้า
- ชุด
- สนับสนุน
- ที่สนับสนุน
- ที่สนับสนุน
- รองรับ
- วากยสัมพันธ์
- ระบบ
- ตาราง
- การ
- งาน
- ทีม
- เงื่อนไขการใช้บริการ
- พื้นที่
- โลก
- ของพวกเขา
- ดังนั้น
- พัน
- ธรณีประตู
- ตลอด
- จองตั๋ว
- บัตรเข้าชม
- เวลา
- อนุกรมเวลา
- หมดเวลา
- ไปยัง
- ร่วมกัน
- เครื่องมือ
- รวม
- การแข่งขัน
- ไปทาง
- การติดตาม
- การจราจร
- การเดินทาง
- นักท่องเที่ยว
- เดินทาง
- ทริกเกอร์
- กลับ
- ปึกแผ่น
- มหาวิทยาลัย
- ไม่ จำกัด
- บันทึก
- อัปโหลด
- us
- ใช้
- ผู้ใช้งาน
- ผู้ใช้
- ความคุ้มค่า
- ความคุ้มค่า
- ความหลากหลาย
- ต่างๆ
- ผ่านทาง
- รายละเอียด
- ผู้ชม
- จวน
- การสร้างภาพ
- ปริมาณ
- คลังสินค้า
- เว็บ
- เว็บเซิร์ฟเวอร์
- บริการเว็บ
- อะไร
- ความหมายของ
- ที่
- ในขณะที่
- WHO
- กว้าง
- กว้าง
- จะ
- ชนะ
- ภายใน
- ไม่มี
- งาน
- ทำงานด้วยกัน
- ทำงาน
- โรงงาน
- โลก
- ของโลก
- จะ
- การเขียน
- ปี
- ลมทะเล