【Day 04】 Data Analytics Pipeline 对应於 AWS 中的服务 ( 2 )

今天继续针对 Data Analytics Pipeline on AWS 中常见的 AWS 服务来做说明：

Data Storage Services：

AWS S3 [1]
它提供一个简单的 Web 服务界面，可存放需要的任意类型和任意数量的资料，这些操作可从任何位置随时执行；Amazon S3 也可以透过 UI 介面简单定义资料的存取权限设定，确保资料安全性以及设定生命周期，将资料的创造、抓取、保留、备份、到销毁的整个过程都能加以管理，并根据资料的存取频繁度或新旧，将资料搬移到合适的储存服务中，以大幅减省储存费用的支出。
AWS Redshift [2]
Redshift 是一个完全托管的 PB 级的资料仓储服务，它底层是基於 PostgreSQL 建构的，当今天资料量与笔数非常庞大或是 SQL 的计算较复杂，适合使用 Redshift，因 Redshift 的储存以及运算都采用分散式，故查询速度以及储存量都较大较快。

Data Analytics & Visualization：

AWS Athena [3]
是一个无服务器查询服务，因 Athena 是基於 Presto 之下，提供完整的标准 SQL 支援且能接受各种标准资料格式，当分析资料量不大、想快速产生报表且不想透过程序进行，Athena 则非常适合你。
注：若分析量大时则可以使用 Redshift，Redshift 也可以透过 SQL 语法进行 Data Analytics。
AWS QuickSight [4]
它是一个无服务器 BI 服务，可以轻松地建立和发布互动式仪表板，而它也是第一种依工作阶段计费定价的 BI 服务(仅当使用者存取仪表板或报表时才付费)，非常具成本利益。
Amazon OpenSearch Service (先前的名字为 Amazon Elasticsearch Service ) [5]
OpenSearch 源自 Elasticsearch 7.10.2 和 Kibana 7.10.2，它是一种分布式开源搜索和分析服务，可以使用 AWS 管理控制台简单快速布建 OpenSearch Service 集群来快速蒐集和分析资料。

後续实作，我们也会透过这两天介绍的这些 AWS 服务建立出合适的 Data Analytics Pipeline，快速简单地蒐集处理资料以及进行视觉化分析

接着明天就会进入我们资料实作前戏-建置 WordPress on AWS 的部分罗! 我们明天见：）
如果有任何指点与建议，也欢迎留言交流，一起漫步在 Data on AWS 中。