Amazon EMR

Exécutez facilement et mettez à l’échelle Apache Spark, Hive, Presto et d'autres charges de travail big data

Démarrer avec EMR

Présentation d’EMR sans serveur

Amazon EMR Serverless est une nouvelle option d'Amazon EMR qui permet aux ingénieurs et analystes des données d'exécuter facilement et à moindre coût des applications conçues à l'aide de cadres big data open source tels qu'Apache Spark, Hive ou Presto, sans avoir à régler, exploiter, optimiser, sécuriser ou gérer des clusters.

Avantages

Rapidité et valeur

Exécutez des applications Big Data et des analytiques des données à l'échelle du pétaoctet plus rapidement, et pour un coût inférieur de moitié à celui des solutions sur site.

Les cadres open source les plus actuels

Créez des applications à l’aide des derniers cadres open source, combinées à des options d’exécution sur des clusters Amazon EC2 personnalisés, Amazon EKS, AWS Outposts, ou Amazon EMR sans serveur.

Accélération du délai d’obtention des informations

Obtenez un délai d'obtention des informations 2 x plus rapide avec les versions open source, optimisées pour les performances et compatibles avec l'API de Spark, Hive et Presto.

Développements faciles avec les blocs-notes EMR

Développez, visualisez et déboguez en toute facilité vos applications à l’aide des blocs-notes EMR et les outils open source connus d’EMR Studio.

Cas d'utilisation

Effectuer des analytiques Big Data

Exécutez un traitement de données et des analyses basées sur les hypothèses à grande échelle à l'aide d'algorithmes statistiques et de modèles prédictifs afin de découvrir des modèles cachés, des corrélations, des tendances du marché et des préférences de client.

Créer des pipelines de données évolutifs

Extrayez des données de sources diverses, traitez-les à grande échelle et mettez-les à la disposition des applications et des utilisateurs.

Traiter les flux de données en temps réel

Analysez les événements provenant de sources de données de streaming en temps réel pour créer des pipelines de données de streaming à exécution longue, hautement disponibles et tolérants aux pannes.

Accélérer la science des données et l'adoption du ML

Analysez les données à l'aide de cadres ML open source tels qu'Apache Spark MLlib, TensorFlow et Apache MXNet. Connectez-vous à Amazon SageMaker Studio pour l'entraînement de modèle à grande échelle, l'analyse et la génération de rapports.