Prinsip rekayasa data

Kami menyarankan Anda mengadopsi prinsip-prinsip dalam tabel berikut ketika Anda membangun arsitektur untuk pipa data modern.

Prinsip	Contoh	Kasus penggunaan
Fleksibilitas	Gunakan layanan mikro	FastGo menikmati fleksibilitas dan skalabilitas dengan arsitektur layanan mikro di AWS (studi kasus AWS)
Reproduktifitas	Gunakan infrastruktur sebagai kode (IAc) untuk menyebarkan layanan Anda	Bagian 3: Bagaimana NatWest Grup membuat model ML yang dapat diaudit, dapat direproduksi, dan dapat dijelaskan dengan Amazon ( SageMakerAWS Machine Learning Blog)
Dapat digunakan kembali	Gunakan pustaka dan referensi dengan cara bersama	Membuat dan menggunakan kembali kumpulan data yang diatur di QuickSight Amazon dengan Dataset-as-a-Source fitur baru (AWS Big Data Blog)
Skalabilitas	Pilih konfigurasi layanan untuk mengakomodasi beban data	Merancang data lake untuk pertumbuhan dan skala di AWS Cloud (AWS Prescriptive Guidance)
Auditabilitas	Jaga jejak audit dengan menggunakan log, versi, dan dependensi	Bagaimana Pengawasan Audit Dibangun Parametrik menggunakan AWS Data Lake Architecture (AWS Architecture Blog)