Amazon EMR

Ejecute y escale con facilidad Apache Spark, Hive, Presto y otras cargas de trabajo de macrodatos

Introducción a EMR

Introducing EMR Serverless (Presentación de EMR sin servidor)

Amazon EMR sin servidor es una nueva opción de Amazon EMR que hace que sea fácil y rentable para los ingenieros y analistas de datos ejecutar aplicaciones creadas con marcos de macrodatos de código abierto, como Apache Spark, Hive o Presto, sin tener que ajustar, operar, optimizar, proteger o administrar clústeres.

Beneficios

Velocidad y valor

Ejecute aplicaciones de big data y análisis de datos a escala de petabytes con mayor rapidez y a menos de la mitad del costo de las soluciones en las instalaciones.

Los marcos de código abierto más recientes

Cree aplicaciones con los últimos marcos de código abierto, con opciones de ejecución en clústeres personalizados de Amazon EC2, Amazon EKS, AWS Outposts o Amazon EMR sin servidor.

Tiempo de obtención de información más rápido

Logre que el tiempo para obtener información sea hasta 2 veces más rápido con versiones de Spark, Hive y Presto compatibles con API de código abierto y de rendimiento optimizado.

Compilaciones sencillas cuadernos de EMR

Desarrolle, visualice y depure fácilmente sus aplicaciones mediante los cuadernos de EMR y las conocidas herramientas de código abierto de EMR Studio.

Casos de uso

Ejecución de análisis de big data

Ejecute procesamientos de datos a gran escala y análisis hipotéticos utilizando algoritmos estadísticos y modelos predictivos para descubrir patrones ocultos, correlaciones, tendencias del mercado y preferencias de los clientes.

Creación de canalizaciones de datos escalables

Extraiga datos de una variedad de orígenes, procéselos a escala y póngalos a disposición de las aplicaciones y los usuarios.

Procesamiento de flujos de datos en tiempo real

Analice los eventos de orígenes de datos de streaming en tiempo real para crear canalizaciones de datos de streaming de larga duración, altamente disponibles y tolerantes a errores.

Acelere la adopción de machine learning y ciencia de datos

Analice los datos con marcos de ML de código abierto como Apache Spark MLlib, TensorFlow y Apache MXNet. Conéctese a Amazon SageMaker Studio para la formación de modelos a gran escala, el análisis y la creación de informes.