Overview

Kinesis

Glue

AWS re:Invent 2019: Upgrading AWS Glue to use AWS Lake Formation permissions (ANT281-P)

Lake Formation 권한을 사용하도록 업그레이드하는 방법을 배웁니다.
IAM 정책을 사용하여 AWS Glue 데이터 카탈로그에서 FGAC (Fine-Grained Access Control)가 있는 간단한 데이터 레이크부터 시작합니다.
그런 다음 Lake Formation 권한을 사용하도록 업그레이드합니다.

Athena

AWS re:Invent 2019: [REPEAT 1] Deep dive into Amazon Athena (ANT307-R1)

Amazon Athena는 표준 SQL을 사용하여 Amazon S3의 데이터를 쉽게 분석 할 수 있는 대화식 쿼리 서비스입니다.
Athena는 서버리스이므로 관리 할 인프라가 없으며 실행 한 쿼리에 대해서만 비용을 지불합니다.
고객이 Athena를 사용하여 데이터 레이크를 쿼리하고 분석가 및 개발자를위한 셀프 서비스를 제공하며 애플리케이션을 구축하는 방법을 알아보십시오.
최신 개선 사항에 대해 자세히 알아보고 데모를 보여줍니다. 새로운 Athena 사용자는 서비스 기능 및 고객 아키텍처 패턴에 대한 이해를 얻습니다.
기존 Athena 사용자는 동시성, 성능 및 보안을 포함하여 최근 개선 된 내용을 이해합니다.

참고: https://dev.classmethod.jp/cloud/aws/reinvent2019-report-amazon-athena-best-practice/

참고: https://www.megazone.com/reinvent-2019-deep-dive-into-amazon-athena/

Redshift

AWS re:Invent 2019: How to build your data analytics stack at scale with Amazon Redshift (ANT335-R)

최신 클라우드 데이터웨어 하우스는 가변 분석 워크로드를 처리하기 위해 필요에 따라 확장 및 확장 할 수 있어야 합니다.
이 세션에서는 모든 사용 사례 또는 워크로드에 대해 예측 가능한 최저 비용으로 최고의 성능을 제공하는 Amazon Redshift의 기능에 대해 설명합니다.
Amazon Redshift가 대량의 쿼리 작업, 복잡한 쿼리가 포함 된 대용량 데이터 세트, 자주 쿼리되는 데이터 및 자주 액세스하지 않는 기록 데이터, Amazon S3 데이터 레이크의 열린 파일 형식 및 Amazon Redshift의 구조화 된 데이터의 혼합으로 소규모 데이터 세트를 처리하는 방법에 대해 알아보십시오.

EMR

Amazon Elasticsearch Service

AWS Data Exchange

AWS re:Invent 2019: AWS Data Exchange: Find & subscribe to third-party data in the cloud (ANT238-R)

AWS Data Exchange를 사용하면 클라우드에서 타사 데이터를 쉽게 찾고 구독하고 사용할 수 있습니다.
이 세션에서는 AWS Data Exchange가 데이터 세트의 찾기, 라이센스 및 사용에 따른 마찰을 제거하는 방법을 살펴 봅니다.
데이터가 없으면 데이터를 라이센싱하고 분석을 강화하기 위해 필요한 곳으로 옮길 수 있습니다.
AWS Data Exchange를 사용하여 Amazon Athena 및 Amazon QuickSight와 같은 AWS 서비스로 내부 분석을 강화하는 방법을 배웁니다.
데이터 제공 업체의 경우 데이터 스토리지, 전송, 청구 및 적용을위한 인프라를 구축하고 유지 관리 할 필요가 없어져 AWS Data Exchange가 클라우드로 마이그레이션하는 수백만 고객에게 어떻게 쉽게 접근 할 수 있는지 알아보십시오.

Customer case

AWS re:Invent 2019: How Zappos uses AWS services for near-real-time search optimization (ANT380-P)

이 세션에서 Zappos가 AWS 분석을 활용하여 엔드 투 엔드 머신 러닝 (ML) 플랫폼을 개발 한 방법을 알아보십시오.
엔진은 Amazon Kinesis Data Firehose, Amazon Redshift 및 AWS Lambda에 크게 의존하는 실시간 이벤트 수집 시스템으로 구성됩니다.
시스템, 시스템 구축 방법 및 다양한 ML 알고리즘에 공급되는 방법에 대해 알아 봅니다.
마지막으로, 실시간 검색 최적화 및 크기 권장 사항을 포함하여 Zappos 웹 사이트에서 다양한 기능을 사용하는 방법을 알아보십시오.

AWS re:Invent 2019: Intuit: Moving from monitoring to observability using Amazon ES (ANT330)

Intuit는 Amazon EC2 (Amazon Elastic Compute Cloud), 컨테이너 및 서버리스 애플리케이션을 포함하는 클라우드 호스팅 아키텍처로 전환함에 따라 애플리케이션의 상태를 모니터링하는 방식을 혁신하기위한“관찰”과정을 밟고 있습니다.
관찰을 위해서는 로그, 메트릭, 추적 등의 상관 관계가 필요합니다. 이는 시스템이 더욱 분산됨에 따라 복잡해집니다. 이 세션에서이 회사는 OpenTelemetry, Amazon Elasticsearch Service (Amazon ES), Amazon Kinesis 및 Jaeger와 같은 도구를 활용하여 관찰 솔루션을 구축하고 컨테이너에서 서버리스 애플리케이션에 이르기까지 플랫폼 전반에 대한 가시성을 제공함으로써이 솔루션이 제공하는 이점에 대해 논의합니다. . 또한 향후 몇 년 동안 관측 성이 어떻게 발전하고 있는지에 대해 논의합니다.

AWS re:Invent 2019: AWS analytics enables fraud prevention for Sony’s PlayStation (ANT331)

Sony Interactive Entertainment는 사용자의 거래 활동을 집계 할 수있는 빅 데이터 플랫폼으로 EVE Fraud System을 구축하여 은행의 지불 거절 또는 지불 거절없이 승인이 크게 증가했습니다.
이 세션에서 Sony가 Amazon Kinesis Data Analytics, Amazon Kinesis Data Firehose, AWS Lambda, AWS Glue, Amazon Simple Storage Service (Amazon S3) 및 Amazon DynamoDB를 사용하여 집계를 생성하고 180 밀리 초보다 짧게 단일 구매 트랜잭션에서 검색하는 방법을 알아보십시오

AWS re:Invent 2019: Migrate your data warehouse to the cloud, ft. Fannie Mae (ANT334-R)

최신 데이터웨어 하우징은 데이터를 이동할 필요없이 데이터웨어 하우스와 데이터 레이크의 모든 데이터를 혼합하고 분석합니다.
이 세션에서 Fannie Mae의 담당자는 주요 온 프레미스 데이터웨어 하우스에서 Amazon Redshift로 기록 시간을 어떻게 마이그레이션했는지 설명합니다.
회사가 AWS DMS (AWS Database Migration Service), AWS Schema Conversion Tool, AWS Glue 및 Amazon Redshift를 사용하여 조직 전체에시기 적절한 분석을 제공하는 방법을 알아보십시오.

Youtube 미정리 정보

AWS re:Invent 2019 Breakout Sessions | Analytics

7