---

• 1. Base
• 2. Collection
  • 2.1. Kinesis Data Streams
    • 2.1.1. Kinesis Producer
    • 2.1.2. Kinesis Consumer
    • 2.1.3. Kinesis Scailing
    • 2.1.4. Deplicated Records
  • 2.2. Kinesis Data Firehose
• 3. Processing
  • 3.1. Glue
  • 3.2. Glue DataBrew
  • 3.3. Lake Formation
  • 3.4. Amazon Security Lake
  • 3.5. EMR
  • 3.5.1. EMR Cluster
  • 3.5.2. EMR with AWS Services
  • 3.5.3. EMR Stroage
  • 3.5.4. EMR Managed Scailing
  • 3.5.5. EMR Serverless
  • 3.5.6. EMR Spark
  • 3.5.7. EMR Hive
  • 3.5.8. EMR Apache Pig
  • 3.5.9. EMR Hbase
  • 3.5.10. EMR Presto
  • 3.5.11. EMR Hue, Splunk, Flume
  • 3.5.12. EMR Security
  • 3.6. AWS Data Pipeline
  • 3.7. AWS Step Functions
• 4. Analytics
  • 4.1. Kinesis Analytics
  • 4.2. OpenSearch
  • 4.2.1. Index Management
  • 4.2.2. Performance
  • 4.3. Athena
  • 4.4. Redshift
• 5. Visualization
  • 5.1. QuickSight
• 6. 참고

---

1. Base

아래의 정리된 내용을 바탕으로 부족한 내용 정리

• AWS Solutions Architecture Assosicate

2. Collection

• RealTime : 실시간 Data 수집
  • Kinesis data Streams (KDS)
  • Simple Queue Service (SQS)
  • Internet of Things (IoT)
• Near-real Time : 준실시간 Data 수집
  • Kinesis Data Firehose (KDF)
  • Database Migration Service (DMS)
• Batch : 일괄 Data 수집
  • Snowball
  • Data Pipeline

2.1. Kinesis Data Streams

• 다수의 Shard로 구성
• Retention : 1 ~ 365 Days
• 저장된 Data는 지울수 없음
• Producer
• Record
  • Producer가 전송하는 Data
  • Partition Key : Record가 어느 Shard로 전달될지 결정
  • Data Blob : Data 저장소
• Consumer
• Capacity Mode
  • Provisioned Mode
    • 사용자가 Shard의 개수를 지정
    • Shard 개수당 비용 발생
  • On-demand Mode
    • Traffic 양에 따라서 자동으로 Scaling 수행
    • 기본 성능 : 4 MB/sec, 4000 msg/sec
    • Shard 개수 및 Traffic 양에 따라서 비용 발생
• Security
  • IAM 기반 인증/인가
  • 전송 Data 암호화는 HTTPS 이용
  • 저장된 Data 암호환느 KMS 이용
  • VPC 내부에서 VPC Endpoint를 통해서 접근 가능
  • CloudTrail을 통한 추적

2.1.1. Kinesis Producer

• Ex) Application, SDK KPL, Kinesis Agent, CloudWatch Logs, AWS IoT, Kinesis Data Analytics
• 성능
  • Shard당 1 MB/sec, 1000 msg/sec 제한
  • 초과시 ProvisionedThroughputExceeded Exception 발생
    • 더 많은 Data를 보내고 있는건지, Hot Shard가 발생하고 있는건지 확인 필요
    • Backoff 기반 재시도, Shard 증가, Partition Key 점검을 통해서 문제 해결
• API
  • 단일 : PutRecord
  • 복수 : PutRecords
• Kinesis Producer Library (KPL)
  • C++/Java 지원
  • Retry 로직 지원
    • 최대 30분 동안의 Data를 가지고 있으며, Retry 수행
  • Sync, Async API 지원
  • CloudWatch로 Metric 전송
  • Batching 수행
    • Throuput 증가, 비용 감소
    • RecordMaxBufferedTime의 시간 만큼 대기후 한번에 전송 (Default 100ms)
    • Write API를 직접 이용하는것 대비 Latency가 발생하기 때문에, Latency가 중요한 Application이라면 KPL 이용을 권장하지 않음
  • 압축은 제공하지 않으며 App에서 직접 구현 필요
  • KPL로 Encoding된 Record는 반드시 KPL 또는 Helper Library를 통해서 Decoding 필요
• Kinesis Agent
  • Log 파일을 Kinesis Data Streams로 전송
  • KPL 기반
  • Data 전처리 지원

2.1.2. Kinesis Consumer

• Ex) Application, AWS Lambda, Kinesis Data Firehose, Kinesis Data Analytics
• 성능
  • Default : 2 MB/sec all Consumer
  • Enhanced Fan Out 이용시 : 2 MB/sec per Consumear
• API
  • GetRecords
    • 다수의 Record를 가져옴
    • Client의 Polling 필요
    • 한번의 호출로 각 Shard당 최대 2 MB Data 수신 가능
    • 한번의 호출로 최대 10 MB Data, 10000개의 Record 수신 가능
      • 10 MB 수신 시 성능 제한에 따라서 5초 동안 Throttled
    • 각 Shard당 초당 5번 접근 가능
• Kinesis Client Library (KCL)
  • Golang, Python, Ruby, NodeJs
  • Group 기능을 통해서 다수의 Consumer가 다수 Shard를 분배하여 처리 가능
  • Checkpointing 기능을 통해서 Data 처리 Resume 가능
  • KPL을 통해서 Aggregation된 Data를 De-aggregation 수행
• Kinesis Connector Library
  • Data를 다른 AWS Servce로 전달
  • EC2 Instance에서 구동 필요
  • Deprecated : Kinesis Firehorse로 대체
• Lambda
  • De-aggreagte되어 Lamba 함수에게 전달
  • Batch 사이즈 지정 가능

2.1.3. Kinesis Scailing

• Shard 추가
  • Shard 추가시 기존의 Parent Shard를 대체하는 다수의 Child Shard가 생성
  • Parent Shard에 존재하는 Data를 모두 처리한 이후에, Child Shard의 Data 처리를 권장
    • KCL에서는 내부적으로 구현이 되어 있음
• Shard 통합
  • Chart 통합시 기존 다수의 Parent Shard를 대체하는 하나의 Child Shard 생성

2.1.4. Deplicated Records

• Producer
  • 일시적 Network 장애로 인해서 동일한 Record가 중복되어 Stream에 저장될 수 있음
  • 중복된 저장을 회피할 수 없으며, Consumer에서 중복 처리 필요
• Consumer
  • Data에 Unique ID를 집어 넣어, 동일한 Data를 수신하여도 중복 처리되지 않도록 App Logic 처리

2.2. Kinesis Data Firehose

• AWS Service, 3rd Party Application에 Data 적재
• Fully Managed Service : Auto-scaling 지원
• Near Real Time : 최소 60초 지연 발생
• 압축 지원 : GZIP, ZIP, SNAPPY
• Producer
  • SDK KPL, Kinesis Agent, Kinesis Data Streams, Amazon CloudWatch, AWS IoT
  • 하나의 Record 당 최대 1MB
• Consumer
  • Amazon S3, Amazon OpenSearch, Datadog, splunk, New Relic, MongoDB, HTTP Endpoints
  • Batch Write 수행
• Transformation
  • Lambda를 활용하여 Data 변환 가능

3. Processing

3.1. Glue

• Serverless ETL 수행
• S3, RDS, Redshift의 Data 처리 가능
• Glue Crawler
  • S3의 Data로 부터 Schema 생성
  • 생성된 Schema는 Glue Data Catalog에 저장
• Glue Data Catalog
  • Schema 정보 저장소
  • 사용자의 입력 또는 Glue Crawler를 통해서 생성 가능
  • EMR Hive의 Metastore를 Glue Data Catalog로 변환 가능
  • EMR Hive에서 Hive의 Metastore로 제공 가능
• Glue Studio : Glue Job을 Visual Interface를 통해서 처리
• Glue Data Quality
  • Data의 품질 평가 및 검사 서비스
  • DQDL (Data Quality Definition Language) 이용하여 규칙 정의
  • Glue Studio에서 이용 가능

3.2. Glue DataBrew

3.3. Lake Formation

• Data Lake (S3)의 Data 접근 권한 관리
• Data Monitoring 기능 제공
• Data 변환 기능 제공
• Glue 기반

3.4. Amazon Security Lake

• Data 보안 중앙화
• Multi Account, On-premise 환경포함 Data 정규화
• Data Life-cycle 관리

3.5. EMR

• EC2 기반 관리형 Hadoop Framework
  • Spark, HBase, Presto, Flink
  • EMR Notebooks

3.5.1. EMR Cluster

• Master Node
  • Task 상태 추적, Cluster 상태 관리
• Core Node
  • HDFS 제공, Task 수행
  • Multi Node Cluster의 경우에 반드시 하나 이상의 Core Node가 존재
    • 일부 Hadoop Echo System에서 여전히 HDFS가 이용되기 때문
  • Scale Up&Down이 가능하지만 Data Loss Risk 가능성 존재
• Task Node
  • Task 수행
  • HDFS와 같이 Data를 저장하고 있지 않기 때문에 제거시에도 Data Loss Risk가 존재하지 않음
  • Spot Instance 이용에 적합
• Transient vs Long-Running Cluster
  • Transient Cluster
    • Task 수행 완료후 Cluster 제거
    • Batch Job에 적합
  • Long-running Cluster
    • RI Instance를 이용하여 Stream Task 수행
    • Spot Instnace를 이용하여 Batch Task 수행
• Task 제출
  • Master Node에 직접 접근하여 Task 제출
  • AWS Console을 통해서 Task 제출

3.5.2. EMR with AWS Services

• S3에 Input Data, Output Data 저장 수행
• CloudWatch를 통해서 Performance Monitoring 수행
• IAM을 통해서 인가 관리 수행
• CloudTrail을 통해서 Audit 수행
• AWS Data Pipeline, AWS Step Function을 통해서 Task Scheduling, Workflow 구성

3.5.3. EMR Stroage

• HDFS
  • Core Node의 Cluster로 구성
  • EMR Cluster의 Life-cycle과 동일, EMR Cluster 제거시 HDFS의 데이터도 삭제됨
  • EMRFS보다 빠른 성능을 보이기 때문에 임시 Data를 저장하는 Caching 용도의 사용 권장
• EMRFS
  • S3 기반 Filesystem
  • EMR Cluster와 별개의 Life-cycle를 갖음, EMR Cluster 제거시에도 Data 보존
  • S3에서 Strong Consisteny 보장
• Local Filesystem
  • 임시 Cache 용도로 이용

3.5.4. EMR Managed Scailing

• EMR Automatic Scailing
  • CloudWatch Metric 기반
  • Instance Group만 지원
• EMR Managed Scailing
  • Instance Group, Instance Fleet 지원
  • Spark, Hive, YARN Workload 지원

3.5.5. EMR Serverless

• Spark, Hive, Presto 지원
• Cluster 크기를 자동으로 관리
• 사용자가 크기 지정 가능
• 하나의 Region 내부에서만 Task 처리

3.5.6. EMR Spark

• Kinesis와 Spark Streaming 연동 가능
• Spark를 통해서 처리한 Data를 Redshift에 저장 가능
• Athena Console에서 Spark 실행을 통해서 Data 분석 가능

3.5.7. EMR Hive

• SQL(HiveQL)을 이용하여 HDFS, EMRFS에 저장된 Data 조회 가능
• MapReduce, Tez를 기반으로 SQL을 분산 처리 수행
• OLAP에 적합
• User Defined Function, Thrift, JDBC/ODBC Driver 지원
• Metastore
  • Data Structure 정보
  • Column 이름, Type 정보
  • 기본적으로 Master Node의 MySQL에 Metastore를 저장
  • AWS 환경에서는 Glue Data Catalog, Amazon RDS에 저장하는 방안을 권고
• AWS Service와 연동
  • S3로 부터 Load Data, Write Data 수행 가능
  • S3로 부터 Script Load 가능

3.5.8. EMR Apache Pig

• Mapper, Reducer 작성을 빠르게 도와주는 Script 환경 제공
• SQL-like Syntax를 이용하여 Map, Reduce 단계 수행
• User Define 함수 제공 (UDF's)
• MapReduce, Tez를 기반으로 분산 처리 수행
• AWS Service와 연동
  • S3 Data Query 수행 가능
  • S3로 부터 JAR, Script Load 가능

3.5.9. EMR Hbase

• Non-relational, Petabyte-scale Database
• HDFS 및 Google BigTable 기반
• Memory에서 연산 처리 수행
• AWS Service와 연동
  • EMRFS을 통한 S3 데이터 저장 지원
  • S3로 Backup 가능

3.5.10. EMR Presto

• 다양한 Big Data Database에 연결 가능
• HDFS, S3, Cassandra, MongoDB, HBase, SQL, Redshift, Teradata
• OLAP Task에 적합

3.5.11. EMR Hue, Splunk, Flume

• Hue
  • EMR Cluster 관리를 위한 Web Interface 제공
  • IAM과 통합 기능 제공
  • HDFS과 S3 사이의 Data 이동 기능 제공
• Splunk
• Flume
  • Log Aggregation Platform
  • HDFS, Hbase 기반
• MXNet
  • Neural Network 구성 Platform
  • EMR에 포함

3.5.12. EMR Security

• 다양한 인증/인가 방법 이용 가능
  • AM Policy, IAM Role, Kerberos, SSH
• Block Public Access
  • Public Access 접근 차단

3.6. AWS Data Pipeline

• S3, RDS, DynamoDB, Redshift, EMR을 Data 전송 목적지로 설정 가능
• Task 의존성 관리
• Task 재시도 및 실패 Notify
• Cross-region Pipeline 지원
• Precondition Check 지원
• On-premise Data Source 지원
• 고가용성 제공
• 다양한 Activity 제공
  • EMR, Hive, Copy, SQL, Script

3.7. AWS Step Functions

• Workflow 서비스
• 쉬운 시각화 기능 제공
• Error Handling, Retry 기능 제공
• Audit 기능 제공
• 임의의 기간 동안 Wait 기능 제공

4. Analytics

4.1. Kinesis Analytics

• 실시간 Data 처리 Service
• 구성 요소
  • Input Stream : Data가 인입되는 Stream
  • Reference Table : Data 처리시 참조하는 Table, S3의 Data Join 수행 가능
  • Output Stream : 처리된 Data를 내보내는 Stream
  • Error Stream : Data 처리시 발생한 Data를 내보내는 Stream
• with Lambda
  • Lambda를 Data의 목적지로 지정 가능
  • Data를 변경하고 AWS Service에 전달
• with Apache Flink
  • Apache Flink Framework 지원
  • SQL Query 대신 Flink Application 작성
  • Serverless
    • Auto-scailing 수행
    • KPU 단위로 비용 측정
    • 1 KPU = 1 vCPU, 4 Memory
  • 구성 요소
    • Flink Source : MSK, Kinesis Data Streams
    • Flink Datastream API
    • Flink Sink : S3, Kinesis Datastream, Kinesis Datafirehorse
  • RANDOM_CUT_FOREST
    • Abnormal Detection 수행 SQL 함수

4.2. OpenSearch

• ElasticSearch 기반 검색 엔진
• Scalable
• Lucene 기반
• 활용 방안
  • Full-text Search
  • Log Analytics
  • Application Monitoring
  • Security Analytics
  • Clickstream Analytics
• Concept
  • Document : 검색할 대상, Full-Text 뿐만 아니라 JSON 구조도 지원
  • Types : Schema 정의, 현재는 잘 이용되고 있지 않음
  • Indices
    • Inverted Index로 구성
    • 다수의 Shard로 구성되며, 분산 처리 수행
    • Primary Shard : Read/Write 수행
    • Replica Shard : Read만 수행 가능하며 다수의 Replica 구성시 Load Balancing 수행
• Fully-managed (Not Serverless)
• 다운 타임없이 Scale in/out 수행
• 다양한 AWS Service와 연동
  • S3 Bucket
  • Kinesis Data Streams
  • DynamoDB Streams
  • CloudWatch, CloudTrail
  • Zone Awareness
• Options
  • Dedicated Master Node : Node의 개수 및 Spec
  • Domains : Cluster 구동을 위한 모든 정보들을 의미 (설정 정보)
  • S3 기반 Snapshot 기능 제공
  • Zone Awareness
• Security
  • Resource-based Policy
  • Identity-based Policy
  • IP-based Policy
  • Request Sining
  • Private Cluster in VPC
  • Dashboard Secuirty
    • AWS Cognito
    • Outside VPC
      • SSH Tunnel
      • Reserve Proxy on EC2 Instance
      • VPC Direct Connect
      • VPN
• OTLP Task에 적합하지 않음
  • Transaction 기능 미제공

4.2.1. Index Management

• Storage Type
  • Hot Storage
    • Fastest Store, 하지만 높은 비용
    • EBS, Instance Store
    • Default Store
  • Ultra Warm Storage
    • S3 + Caching 기반
    • Dedicated Master Node 필요
    • Log, Immutable Data와 같이 Write가 적은 경우 이용에 유리
  • Cold Storage
    • S3 기반
    • 오래된 또는 주기적인 Data 저장시 이용에 유리
    • Dedicated Master Node 필요, UltraWarm 활성화 필요
    • T2, T3 Instance Type에서 이용 불가능
  • Storage Type 사이의 Data Migration 가능
• Index State Management (ISM)
  • 오래된 Index의 경우 삭제
  • Index를 Read-only로 변환
  • Index를 Hot -> Ultrawarm -> Cold Storage로 이동
  • Replica 개수 감소
  • Index 자동 Snapshot
  • Rollup을 통해서 Index 요약
    • 비용 절감
  • 30 ~ 48분 간격을 실행
  • 실행 완료시 Notification 전송
• Cross-cluster Replication 기능 제공
  • 고가용성 확보
  • Follower Index는 Leader Index로부터 Data를 가져와 동기화 수행
• Stability
  • 3개의 Dedicated Master Node 이용 권장
  • Disk 용량 관리
  • 적잘한 Shard 개수 선택
    • ??

4.2.2. Performance

• Memory Pressure 발생 시
  • Shard의 불균형 분배 되었을 경우
  • Shard가 너무 많을 경우
• JVMMemoryPressure 발생시 오래되고 이용되지 않는 Index 삭제 수행

4.3. Athena

• S3를 위한 SQL Query Service
• Presto 기반
• Serverless
• 다양한 Format 지원
  • CSV, TSV, JSON, ORC (Columnar), Parquet (Columnar), Avro, Snappy, Zlib, LZO, Gzip
• Glue Data Catalog를 통해서 Athena는 Metadata 수집
• 다양한 활용 용도
  • App Log 분석을 위한 Ad-hoc Query
  • Redshift에 Data 적재 전, Data 분석을 위한 Query
  • CloudTrail, CloudFront, VPC, ELB Log 분석
  • QuickSight와 통합
• Workgroups 기능 제공
  • Workgroups 단위로 Query 접근 권한, 비용 추적 가능
  • IAM, CloudWatch, SNS과의 통합 가능
  • Workgroup 마다 다음의 설정 가능
    • Query History, Data Limit, IAM Policy, 암호화 설정
• 비용
  • TB당 5달러
  • 성공 또는 취소한 Query 당 비용 청구
  • 실패한 Query는 비용 청구 X
  • DDL 비용 청구 X
  • Columnar Format 이용시 비용 절감 및 성능 이점
  • Glue, S3는 별개의 비용 청구 이용
• 성능
  • Columnar Format 이용시 성능 이점
  • 큰 용량의 적은 파일로 구성되어야 성능 이점
  • Partition 기능 활용
• Transaction
  • Iceberg를 통해서 이용 가능
    • Table Type에 ICEBERG 지정
  • Lake Formation의 Governed Table을 통해서도 Transaction 기능 이용 가능

4.4. Redshift

• OLAP을 위한 서비스
• SQL, ODBC, JDBC 인터페이스 제공
• Scale-up/down On-demand 방식
• Built-int Replication
• CloudWatch, CloudTrail 기반 Monitoring
• Architecture
  • Leader Node
    • Client의 Query 수신 및 병렬처리 Plan 수립
    • 수립한 병렬처리 Plan에 따라서 Compute Node에게 Task 분배 및 처리 결과 수집
  • Compute Node
    • 최대 128개의 컴퓨트 노드 구성 가능
    • Type
      • Dense Storage : HDD와 저비용 큰 용량의 Storage를 갖고 있는 Type
      • Dense Compute : Compute 성능에 초점을 맞춘 Type
• Spectrum
  • S3에 있는 Data 직접 접근
  • Concurrney 제한
  • 수평 확장 지원
  • Storage, Compute 분리
• 성능
  • MPP (Massively Parallel Processing)
  • Columnar Data Storage
  • Column Compression
• Durability
  • Cluster 내부에서 Data 복제 발생
  • S3로 Data 백업 수행
  • 장애가 발생한 Node 자동 복구 수행
  • RA3 Cluster의 경우만 Multi-AZ 지만 (DS2는 Single AZ)
• Scaling
  • Vertical, Horizontal Scailing 수행
  • Scailing 수행시 새로운 클러스터가 생성되어 Data가 넘어가는 형태 (일시적 Downtime 발생)
• Data Distribution Style
  • Data를 Compute Node에 어떻게 분배할지 결정
  • Auto : 자동으로 Data 크기에 따라서 Data 분배
  • Even : Round-robin에 따라서 자동으로 Data 분배
  • Key : Key, Hasing 기반으로 Data 분배
  • All : Data를 모든 Compute Node에 복제
• Sort Key
  • Sort Key에 따라서 Disk에 정령되어 저장
  • Compound : 다수의 Column을 조합하여 Sort Key로 이용
  • Interleaved : ??
• Data 복제
  • COPY
    • S3, EMR, DynamoDB 원격 Host에서 Data 복제 수행
    • 병렬로 데이터 복제 수행
  • UNLOAD : 처리된 결과를 S3에 복제 수행
  • S3 Auto-copy : S3에 Data 변경시 Redshift에 자동으로 복제 수행
  • Aurora zero-ETL Integration : Aurora에서 Redshift로 데이터 자동 복제
  • Redshift Injestion
  • DBLINK : RDS와 연결하여 Data 복제 수행
• AWS Service와 통합
  • S3, DMS, EMR, EC2, Data Pipeline
• WLM (Workload Management)
  • Query Queue
  • Query에 우선순위를 부여하여 관리
  • 기본 5개의 Queue 이용
  • 최대 8개의 Queue 구성 가능
  • 각 Queue는 Concurrency Level이 존재하며 50까지 설정 가능
  • Query 특징에 따라서 자동으로 Concurrency Level을 조정해주며, 수동으로도 설정 가능
• Concurrency Scaling
  • Cluster를 추가하여 Query 처리
  • WLM에 쌓여 있는 Query를 추가된 Cluster에게 전송 및 처리
• SQA (Short Query Acceleration)
  • WLM의 Short Query를 위한 Queue를 이용
  • Read-only Query, CREATE TALBE AS Query에 적용
  • Short 기준 시간 설정 가능
• VACUUM
  • VACUUM FULL :
  • VACUUM DELETE ONLY :
  • VACUUM SORT ONLY :
  • VACUUM REINDEX :
• Resize
  • Elastic Resize
    • 빠르게 Node 추가/제거 또는 Node Type 변경 (DS2 to RA3) 수행 가능
    • 변경 가능한 노드 대수 제한 존재 (2, 4, 6, 8…)
    • 몇 분동안 Cluster Down 발생, Connection Open 유지
  • Classic Resize
    • 기존의 Resize 방식
    • Node 추가/제거, Node Type 변경 가능
    • 자유롭게 노드 대수 설정 가능
    • 신규 Cluster를 생성하고 기존의 Cluster에서 Data를 복제하는 방식이기 때문에 몇시간 정도 Cluster가 Read-only Mode로 동작
  • Snapshot
    • Snapshot을 수행하고 새로운 Size의 Cluster 생성
• Security
  • HSM (Hardware Security Module) 이용
  • User, Group에게 Privilige 권한 부여
• Redshift Serverless
  • EC2 Instance 관리 불필요
  • Optimize Costs & Performance
  • 쉬운 개발 & Test 환경 구축 가능
  • 쉬운 Ad-hoc 환경 구성 가능
  • Snapshot 기능 활용 가능

5. Visualization

5.1. QuickSight

• Data 시각화
• Pagenation 기능 제공
• Alert 기능 제공
• Serverless
• Data Source
  • Redshift, Aurora/RDS, Athena, OpenSearch, IoT Analytics, Files (Excel, CSV, TSV)
• SPICE : QuickSight에서 이용하는 In-memory Engine
• Ad-hoc Query에 특화
• Security
  • Multi-factor Auth
  • VPC Connectivity
  • Row-level Security
  • Private VPC Access
  • Quicksight는 기본적으로 동일 Region의 Data Source에만 접근 가능
• Pricing
  • 연간 구독, 매달 구독
  • Extra SPICE Capacity 이용시 추가 비용 청구
• Dashboard
  • Read-only
  • 외부에 공유 가능
  • Embedding 가능
  • Active Directory, Cognito, SSO를 통한 인증
  • Javascript SDK, QuickSight API 제공
• ML 기능
  • 이상 탐지 기능
  • 예측 기능
  • Insight 추천 기능
• Quicksight Q
  • 자연어 기반 Query 수행

6. 참고

• https://www.udemy.com/course/aws-data-analytics/
• https://hevodata.com/learn/redshift-elastic-resize/