（1）AQUA(AdvancedQueryAccelerator)forAmazonRedshift，AmazonRedshift高级查询加速器，提供创新性的硬件加速缓存，能提供比其它任何云数据仓库高达10倍的查询性能；（2）AWSGlueElasticViews让开发人员可以轻松地构建跨数据存储的物化视图，实现在多个数据存储中自动合并和复制数据；（3）AmazonQuickSightQ是AmazonQuickSight的一项基于机器学习的功能，用户可以用自然语言键入有关其业务数据的问题，并在几秒钟内就可以收到高度准确的答案；（4）CapitalOne、BestWesternHotelsResorts、NTTDOCOMO、Audible和PanasonicAvionics等客户已经在使用新的数据分析功能。

北京年12月2日/美通社/--在亚马逊云服务（AWS）举办的年度盛会--AWSre:Invent上，AWS宣布了三项全新的数据分析功能，这些功能可以大幅提升AmazonRedshift数据仓库的性能，使客户在数据存储间的移动和合并数据变得更加容易，并且使终端用户更便捷地利用机器学习从业务数据中获得更多价值。

AQUAforAmazonRedshift通过创新的硬件加速缓存，将计算能力带到存储层中，加速数据查询，提供比其它任何云数据仓库高达10倍的查询性能，该服务将于年1月全面上市。AWSGlueElasticViews可帮助开发人员构建使用来自多个数据存储的应用。利用物化视图，自动在存储、数据仓库和数据库之间合并和复制数据。AmazonQuickSightQ为AmazonQuickSight提供机器学习驱动的能力，使用户能够使用自然语言表达，在AmazonQuickSightQ搜索栏中提出业务问题，并在几秒钟内收到高度准确的答案。当前，每小时创造的数据比20年前一整年所创造的数据还要多。事实上，未来三年创造的数据量将超出过去30年创造的数据量。以往的旧工具在当今这个新的数据世界中根本无法发挥作用。AWS客户针对不同的应用场景，推出了多种分析工具，包括用于无服务器式查询的AmazonAthena，用于搜索和可视化日志数据的AmazonElasticsearchService，用于处理实时数据流的AmazonKinesis，用作数据仓库的AmazonRedshift，以及用于运行ApacheSpark、Hive、Presto和其它大数据框架的AmazonEMR。这些服务为AWS客户提供了适合他们需求的工具。今天宣布的全新数据分析功能建立在这一基础之上，并为客户的所有数据存储提供更快、更具性价比、更易于访问的数据分析。要了解更多信息，请访问。

AWS分析业务副总裁RahulPathak说：“通过我们今天发布的功能，我们将为AmazonRedshift带来10倍以上的性能提升，提供新的灵活方式、轻松地在数据存储之间移动数据，客户可以在业务仪表盘中用自然语言提出问题，并在几秒钟内收到答案。这些功能将极大地提高客户在任何规模下获取数据价值的速度和易用性。”

AmazonRedshiftAQUA（高级查询加速器）将计算能力引入存储层，提供比任何其它云数据仓库快10倍的查询性能。

AmazonRedshift自年推出以来，作为首个为云端构建的数据仓库，其成本仅为传统数据仓库的1/10，目前已经成为最受欢迎的云数据仓库之一。今年早些时候，AWS宣布推出AmazonRedshiftRA3实例，允许客户分别扩展计算和存储，并提供比其它云数据仓库高3倍的性能。然而，即使有RA3实例提供的优势，快速增长的客户在数据仓库中需要处理的数据依然令客户在性能和成本效益扩展之间难以平衡。数据仓库的主流架构是大量的集中式存储数据需要被转移到等着处理数据的计算节点来进行处理。这种方法面临的挑战是，共享数据和计算节点之间有大量的数据移动。随着数据量持续快速增长，这种数据移动会使可用的网络带宽饱和、性能降低。除了网络瓶颈之外，CPU的发展也无法跟上存储能力的快速增长（SSD存储吞吐量的增长速度6倍于CPU从内存处理数据的能力的增长），这要么造成了其新的CPU瓶颈，要么迫使更多的客户过度配置算力、以便更快地完成工作。

AQUAforAmazonRedshift是AmazonRedshift的分布式、硬件加速缓存，这一创新可以提高新时代数据规模下的分析性能。AQUA将计算能力带到存储层，数据不必在两者之间来回移动。这使得AmazonRedshift的运行速度是其它云数据仓库的十倍。AQUA缓存可在众多节点上并行扩展和处理数据。每个节点都拥有一个由AWS设计的分析处理器组成的硬件模块，可大幅加快数据压缩、加密，以及扫描、聚合和过滤等数据处理任务。AQUA还为客户带来了额外的好处，即能够在原始存储上进行计算，节省了原本需要花费在移动数据上的时间。有了这一新的架构，以及它所带来的10倍以上的性能提高，Redshift的客户可以拥有更新的数据仪表盘，节省开发时间，他们的系统也更容易维护。AQUA的预览版现已向所有客户开放，AQUA将于年1月全面上市。AQUA可在RedshiftRA3实例上使用，无需额外的费用，客户可以利用AQUA的性能改进，无需更改代码。要开始使用AQUA，请访问。

AWSGlueElasticViews让开发人员可以轻松构建物化视图，在多个数据存储中自动组合和复制数据

大多数公司都在建立或者已经建立了数据湖，他们可以通过正确的安全和访问控制，将来自各种孤岛的所有数据汇总起来，以便更容易进行数据分析和机器学习。但出于延时和运营的原因，大多数公司也可能在数据湖之外的专用数据存储中拥有越来越多的数据。随着这些数据湖和专用数据存储中的数据不断增加，公司需要更简单的方法来移动数据。

AWSGlueElasticViews为开发人员提供了一种新的能力，可以轻松构建物化视图（也称为虚拟表），在多个数据存储中自动组合和复制数据。AWSGlue是一种无服务器的数据准备服务，可以轻松运行用于数据分析和机器学习的提取、转换和加载（ETL）作业。通过AWSGlueElasticViews，客户可以使用SQL创建从不同数据存储中组合数据的物化视图，AWSGlueElasticViews负责从不同数据源来复制数据以创建物化视图。例如，客户可能会创建一个物化视图，从AmazonAurora中提取餐厅位置信息，并将其与存储在AmazonDynamoDB中的客户评论相结合，然后在AmazonElasticsearchService上按位置建立一个餐厅评论搜索引擎。AWSGlueElasticViews将数据从每个源数据库复制到目标数据库，自动保障目标数据库中的数据更新。ElasticViews会持续监控源数据库的变化，并在几秒钟内更新目标数据库。如果其中一个源数据库中的数据模型发生了变化，ElasticViews会主动提醒开发人员，这样他们就可以更新他们的物化视图以适应变化。客户还可以使用ElasticViews将运营数据从运营数据库复制到数据湖中，近乎实时地运行数据分析。AWSGlueElasticViews可以自动扩缩以适应工作负载的增减，确保目标数据库中的物化视图保持最新。AWSGlueElasticViews现在可以预览。要了解更多信息，请访问。

AmazonQuickSightQ是AmazonQuickSight的机器学习功能，用户可以用自然语言键入有关其业务数据的问题，并在几秒钟内获得高度准确的答案

AmazonQuickSight是专为云计算而构建的可扩展、无服务器、可嵌入机器学习的商业智能(BI)服务。AmazonQuickSight提供了现代的、交互式、自助服务式BI解决方案的所有优势，其功能可以轻松地将仪表盘嵌入到应用程序中，以高性价比的方式扩展，支持成千上万的客户。AmazonQuickSight的“自动叙述”功能为客户提供自动生成的简述，用通俗的语言解释和描述BI仪表盘中数据的含义，使所有用户对数据有共同的理解。客户喜欢这些通俗易懂的叙述，因为这使他们能够快速解读共享仪表板中的数据，并专注于最重要的见解。客户也喜欢用通俗的语言向他们的数据提出业务问题，并得到近乎实时的答案。虽然一些BI工具和供应商已经尝试用自然语言查询（NLQ）来解决这一挑战，但现有的方法要求客户首先要提前花几个月的时间来准备和建立一个模型，即使这样，他们仍然没有办法提出那些原有模型没有预先定义，需要新计算的问题。例如，“我们的同比增长率是多少？”这个问题需要在模型中预先定义“增长率”作为计算。通过今天的BI工具，用户需要与BI团队合作，更新模型并考虑任何新的计算或数据，这可能需要几天或几周的功夫。

AmazonQuickSightQ让用户可以用自然语言对其所有数据提出任何问题，并在几秒钟内收到答复。要提出问题，用户只需在AmazonQuickSightQ搜索栏中输入问题。当用户开始输入问题时，AmazonQuickSightQ会提供带有关键短语和业务术语的自动补全建议，自动执行拼写检查、缩写词与同义词匹配，因此用户不必担心错别字或记不住数据的准确业务术语。AmazonQuickSightQ使用深度学习和机器学习（自然语言处理、模式理解和SQL代码生成的语义解析）来生成数据模型，自动理解业务数据的含义和它们之间的关系，因此用户的业务问题可以得到高度准确的答案，而无需等待几天或几周来建立数据模型。由于AmazonQuickSightQ无需BI团队建立数据模型，因此用户也不限于只提出一组特定的问题。此外，因为查询会应用于所有数据，而不仅仅是预设模型中的数据集，用户可以得到更完整、更准确的答案。AmazonQuickSightQ预先根据来自不同领域和行业的数据进行了训练，如销售、营销、运营、零售、人力资源、医药、保险、能源等，因此它已被优化来理解复杂的商业语言。例如，销售用户可以问“我的销售任务完成得如何？”，或者零售用户可以问“按地区划分的周销量增长最快的产品是什么？”AmazonQuickSightQ通过从用户互动中学习，随着时间的推移不断提高其准确性。如果AmazonQuickSightQ不理解问题中的某个短语，会提示用户从搜索栏中的建议选项下拉菜单中选择，AmazonQuickSightQ会记住该短语，以便下次交互。要了解有关AmazonQuickSightQ的更多信息，请访问。

总部位于东京的NTTDOCOMO是日本最大的移动服务提供商之一，为多万客户提供服务。NTTDOCOMO服务创新部总经理KenOhta表示：“自年迁移到AmazonRedshift以来，AmazonRedshift一直是我们数据分析环境的核心，使我们能够存储到超过10PB的未压缩数据，性能比之前的线下系统提高了10倍。随着客户对数据和数据量的需求增长，AmazonRedshift的持续创新帮助我们带来了扩展系统所需的灵活性和易用性。我们对AQUAforAmazonRedshift的推出感到兴奋，因为我们将进一步提高和扩大AmazonRedshift数据仓库的性能和规模。”

Inter

转载请注明:http://www.aideyishus.com/lktp/4495.html