Amazon DataZone：集成

Amazon DataZone 集成分为四类：

生产者数据来源

从 AWS Glue Data Catalog 和 Amazon Redshift 的内置数据来源发布数据。对于所有其他类型的来源，您可以定义自定义资产类型，并使用 Amazon DataZone 公共 API 发布这些资产。为了与 AWS Glue 数据质量自动监测功能集成，数据来源可用于按计划生成数据质量分数。

分析工具

使用 Amazon Athena 和 Amazon Redshift 查询编辑器等服务，以便您可以直接处理来自查询编辑器的数据。使用 API 可轻松扩展此功能，进而自定义其他第三方工具。Amazon DataZone 可以与这些工具共享项目访问环境。

访问权限实现

自动为由 AWS Lake Formation 托管的 AWS Glue 表以及 Amazon Redshift 表和视图实现和管理权限。对于所有其他资产，Amazon DataZone 会发送与用户操作相关的标准事件，例如订阅请求或批准。您可以使用这些标准事件与其他 AWS 服务或第三方解决方案集成，以实现自定义集成。

机器学习（ML）工具

结合 Amazon SageMaker 使用，轻松获得对数据和机器学习资产的访问权限。您可以轻松执行 ML 任务，并将新创建的数据和机器学习资产发布到您的业务数据目录中。详细了解 Amazon SageMaker 如何支持机器学习治理。

主要功能

对不同来源的数据进行编目

对位于 AWS Glue Data Catalog 或 Amazon Redshift，并具有丰富元数据和业务环境的数据进行编目。通过 AWS Glue 连接器，Amazon DataZone 可以通过 Amazon AppFlow 访问跨 AWS、第三方服务、本地和其他服务的数据。

自动实现数据访问

Amazon DataZone 对 Lake Formation 进行自动化，以帮助数据消费者访问所请求资源的控制。对于 Amazon DataZone 托管资产，无需管理员或移动数据，即可实现对底层表的数据访问（根据数据发布者采用的策略）。

无缝访问 AWS 分析工具

为分析师和业务线最终用户提供对分析工具（如 Amazon Athena 和 Amazon Redshift 查询编辑器）的无缝访问，以对数据进行发现、准备、转换、分析和可视化。用户可通过不属于控制台的应用程序或 API 获得其数据的个性化视图。

简化数据治理和机器学习（ML）治理

使用户可以根据业务问题轻松管理对基础设施、数据和 ML 资源的访问权限。将 Amazon SageMaker Studio 的机器学习构建体验与 Amazon DataZone 的数据治理功能相集成后，用户可以编目、发现、共享和访问数据和机器学习资产。

管理数据湖中的数据

使用 AWS 集中管理和扩展细粒度的数据访问权限。

查看信息图表

使用 Amazon DataZone 和 AWS Glue 进行元数据管理

您可能已经在使用 AWS Glue Data Catalog 来管理您的技术元数据。学习如何通过结合 AWS Glue Data Catalog 和 Amazon DataZone 来管理与业务数据目录集成的技术元数据目录。

通过使用 Amazon DataZone 和 AWS Glue 管理元数据来统一您的数据环境

您需要一个强大而全面的元数据管理解决方案，让用户、引擎和模型可以发现您的数据。使用 Amazon DataZone 和 AWS Glue Data Catalog 简化发现、管理和分析。

查看信息图表

Amazon DataZone：集成