Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
In diesem Artikel werden Analysedienste für Amazon Web Services (AWS) und Azure verglichen. Sie umfasst Dateningestion und -orchestrierung, Data Lakes, Batchverarbeitung, Data Warehouses, Stream-Verarbeitung, Governance, gemeinsame Nutzung und Business Intelligence.
Informationen zu operativen relationalen und nicht relationalen Datenspeichern finden Sie unter Datenbankdienste zu Azure und AWS. Informationen zu KI-Diensten für maschinelles Lernen und Anwendungen finden Sie unter KI- und Machine Learning Services auf Azure und AWS.
Plattformansätze
AWS bietet individuelle Analysedienste, die Sie in einer Lösung verfassen. Microsoft Fabric bietet integrierte Data Factory-, Data Engineering-, Data Warehouse-, Real-Time Intelligence-, Data Science- und Power BI-Workloads über OneLake. Azure bietet auch eigenständige Dienste, einschließlich Azure Data Factory, Azure Databricks, Azure Event Hubs, Azure Stream Analytics und Azure Data Explorer.
Eine integrierte Plattform ist nicht automatisch die richtige Wahl für jede Workload. Vergleichen Sie die Quell- und Formatunterstützung, erforderliche Engines und APIs, Netzwerkisolation, regionale Verfügbarkeit, Governancegrenzen, Betriebssteuerung, vorhandene Fähigkeiten und Preise. Die Fabric-Kapazität wird von den Fabric-Workloads gemeinsam genutzt, während eigenständige Azure-Dienste über eigene Kapazitäts- und Abrechnungsmodelle verfügen.
Datenintegration und -orchestrierung
Verwenden Sie Datenintegrationsdienste zum Aufnehmen, Kopieren, Transformieren und Koordinieren von Daten über operative Systeme und analytische Speicher hinweg.
| AWS-Dienst | Azure-Dienst | Auswahlleitfaden |
|---|---|---|
| AWS Glue | Data Factory in Microsoft Fabric oder Azure Data Factory | Alle drei stellen die Integration verwalteter Daten bereit. Vergleichen Sie Konnektoren, Transformations-Engines, private Netzwerkfunktionen, den Bereitstellungsort der Laufzeit, Orchestrierungsfunktionen und die Integration mit der Ziel-Analyseplattform. |
| Amazon Managed Workflows für Apache Airflow | Apache Airflow-Aufträge in Microsoft Fabric | Beide führen Apache Airflow-Workflows aus. Überprüfen Sie unterstützte Airflow-Versionen, Paketinstallation, Netzwerk, Identität, Skalierung und Migrationsanforderungen. |
| AWS-Database Migration Service | Azure Database Migration Service oder Fabric Migration Assistant für Data Warehouse | Diese Tools weisen unterschiedliche Bereiche auf. Verwenden Sie Azure Database Migration Service für unterstützte Quellzielpaare der Datenbank. Verwenden Sie Fabric Migration Assistant, um unterstützte SQL-Schemas und -Daten in Fabric Data Warehouse zu verschieben. |
| Amazon AppFlow | Data Factory-Connectors oder Azure Logic Apps | Verwenden Sie Data Factory für analytische Aufnahme und Transformation. Verwenden Sie Logik-Apps für die Anwendungs- und Geschäftsprozessintegration. Überprüfen Sie Connectorvorgänge, Authentifizierung und Datenvolumeanforderungen. |
Datenseen und Seehäuser
Amazon S3 bietet häufig die Speicherschicht für AWS-Datenseen. In Azure stellt Azure Data Lake Storage einen Objektspeicher mit hierarchischem Namespace bereit. OneLake ist der logische Datensee, der in Microsoft Fabric integriert ist.
| AWS-Dienst | Azure-Dienst | Auswahlleitfaden |
|---|---|---|
| Amazon S3 | Azure Data Lake Storage | Beide bieten dauerhaften Objektspeicher für analytische Daten. Vergleichen Sie namespaceverhalten, Sicherheit, Lebenszyklusverwaltung, Replikation, Ökosystemintegration und Datenübertragungskosten. |
| Amazon S3 | Microsoft OneLake | OneLake ist Teil Fabric und bietet gemeinsam genutzten Speicher für Fabric Workloads. OneLake ist kein universeller Ersatz für jede S3-Workload. Verwenden Sie sie, wenn Fabric die Analyseplattform und ihre Kapazität, Region, Sicherheit und Workload-Modell Ihren Anforderungen entsprechen. |
| AWS Lake Formation | OneLake-Sicherheit und Microsoft Purview in Fabric | AWS Lake Formation verwaltet den Zugriff auf S3-basierte Datenseen. Fabric trennt Speicherberechtigungen, Elementberechtigungen und Governancefunktionen. Ordnen Sie die Anforderungen an Autorisierung und Governance zu, statt ein dienstspezifisches Äquivalent vorauszusetzen. |
| Externe Amazon S3-Daten | OneLake-Verknüpfungen | Verknüpfungen verweisen auf unterstützte Daten in S3, Azure Data Lake Storage, Google Cloud Storage und anderen Speicherorten, ohne sie zu kopieren. Verwenden Sie stattdessen Datenverschiebungen, wenn Sie komplexe Transformationen, benutzerdefinierte Planung oder ein Ziel außerhalb von OneLake benötigen. |
Batchdatentechnik
| AWS-Dienst | Azure-Dienst | Auswahlleitfaden |
|---|---|---|
| Amazon EMR | Azure Databricks | Beide unterstützen verwaltete Apache Spark- und andere Data Engineering-Workloads. Vergleichen Sie Laufzeitkompatibilität, Clustersteuerung, automatische Skalierung, Governance, Notizbücher, Aufträge und Ökosystemintegrationen. |
| Amazon EMR und interaktive AWS Glue-Sitzungen | Fabric Data Engineering | Fabric Data Engineering bietet verwaltete Spark-Instanzen, Notizbücher, Umgebungen und Jobs, die in OneLake integriert sind. Es ist kein direkter Ersatz für jedes EMR-Framework oder jede Clusterkonfiguration. Überprüfen Sie Laufzeit-, Bibliotheks-, Netzwerk- und Leistungsanforderungen. |
| AWS Glue Studio | Fabric Data Factory oder Azure Data Factory | Diese Dienste bieten visuelle und codebasierte Datentransformationsfunktionen. Wählen Sie basierend auf transformationsmodul, Orchestrierung, Quell- und Zielunterstützung und dem Betriebssystemmodell aus. |
Data Warehouses und SQL-Analysen
| AWS-Dienst | Azure-Dienst | Auswahlleitfaden |
|---|---|---|
| Amazon Redshift | Fabric Data Warehouse | Beide bieten verteilte SQL-Data Warehouses. Vergleichen Sie die SQL-Kompatibilität, Workload-Isolierung, Skalierung, Datenaufnahme, Datenfreigabe, Nebenläufigkeit, Governance und Preisgestaltung. Fabric Data Warehouse arbeitet über OneLake und verbraucht Fabric Kapazität. |
| Amazon Redshift | Azure Databricks SQL | Berücksichtigen Sie Azure Databricks SQL, wenn die Workload eine Lakehouse-Architektur verwendet und Databricks die primäre Datenplattform ist. Sie ist kein Ersatz für eine relationale Engine bei jedem Redshift-Workload. |
| Amazon-Redshift-Spektrum | Fabric Lakehouse, OneLake-Verknüpfungen und Direct Lake | Redshift Spectrum fragt Daten in S3 ab. Fabric bietet separate Speicher-, Compute- und Semantikmodellfunktionen. Direct Lake erfordert unterstützte Delta-Tabellen und Fabric-Kapazität. Überprüfen Sie die Quellformate und Kapazitätsleitplanken. |
| Amazon Athena | sql-Analyseendpunkt Fabric Lakehouse oder Azure Databricks SQL | Athena ist ein serverloser SQL-Abfragedienst für Daten in S3. Azure Optionen unterscheiden sich in Speicher, Metadaten, Compute und Abrechnung. Wählen Sie basierend auf Datenspeicherort, SQL-Kompatibilität, Latenz, Parallelität und Governance aus. |
Echtzeitanalysen
Trennen Sie beim Vergleichen von Diensten die Ereigniserfassung von der Streamverarbeitung und der analytischen Datenspeicherung. Ein Kafka-kompatibler Endpunkt unterstützt nicht alle Funktionen von Apache-Kafka-Brokern.
| AWS-Dienst | Azure-Dienst | Auswahlleitfaden |
|---|---|---|
| Amazon-Kinesis-Datenströme | Azure Event Hubs | Sowohl Aufnahme- als auch Aufbewahrung von Ereignisdatenströmen mit hohem Durchsatz für unabhängige Verbraucher. Vergleichen Sie Partitionierung, Aufbewahrung, Wiedergabe, Durchsatz, Protokolle und Skalierung. |
| Amazon Managed Service für Apache Flink | Azure Stream Analytics oder Fabric Eventstreams | Diese Dienste verarbeiten Datenströme, verwenden jedoch unterschiedliche Sprachen und Ausführungsmodelle. Stream Analytics verwendet eine SQL-basierte Abfragesprache. Fabric Eventstreams bietet Datenerfassung, codefreie Transformationen und Routing innerhalb von Fabric. |
| Amazon Managed Streaming für Apache Kafka | Event Hubs für Apache Kafka | Amazon MSK führt Open-Source Apache Kafka aus. Event Hubs stellt einen kafka-kompatiblen Endpunkt bereit und ist kein Apache Kafka-Cluster. Überprüfen von Protokollfeatures, Transaktionen, Komprimierung, Unterstützung von Kafka-Streams, Aufbewahrung, Kontingenten und Tieranforderungen. |
| Amazon OpenSearch-Dienst | Azure Data Explorer oder Fabric Eventhouse | Verwenden Sie Azure Data Explorer oder Eventhouse für Protokoll-, Telemetrie- und Zeitreihenanalysen mit Kusto Query Language. OpenSearch bietet auch Volltext-Suchfunktionen, sodass diese Dienste keine vollständigen Ersetzungen für Suchworkloads sind. |
| Amazon Timestream | Azure Data Explorer oder Fabric Eventhouse | Diese Dienste unterstützen Zeitreihenanalysen. Vergleichen Sie Ingestionsprotokolle, Abfragesprache, Aufbewahrung, Tiering, Updateverhalten und Integrationsanforderungen. |
Business Intelligence und Datenfreigabe
| AWS-Dienst | Azure-Dienst | Auswahlleitfaden |
|---|---|---|
| Amazon QuickSight | Power BI | Beide bieten semantische Modellierung, Berichte, Dashboards, das Teilen und eingebettete Analysen. Vergleichen Sie Lizenzierungs-, Kapazitäts-, Identitäts-, Governance-, Erstellungs- und Einbettungsanforderungen. |
| Von Amazon verwaltetes Grafana | Azure Managed Grafana | Beide bieten Managed Grafana. Vergleichen Sie Datenquellenintegrationen, Authentifizierung, private Netzwerke, hohe Verfügbarkeit, Plug-Ins und Preisstufen. |
| AWS Data Exchange | Microsoft Marketplace und Fabric externe Datenfreigabe | AWS Data Exchange kombiniert einen Datenmarkt mit Lieferung. Microsoft Marketplace und die Fabric-Datenfreigabe decken unterschiedliche Teile dieses Arbeitsablaufs ab. Die externe Datenfreigabe in Fabric bietet kontrollierten mandantenübergreifenden Zugriff auf unterstützte Fabric-Elemente, ist jedoch kein Datenmarktplatz. |
Datenverwaltung
Microsoft Purview und eine Kombination aus AWS-Diensten bieten Datenermittlung, Klassifizierung, Linienführung, Zugriffsgovernance und Compliance-Funktionen. AWS kombiniert häufig Glue Data Catalog, Lake Formation, Amazon Macie, AWS Identity and Access Management und AWS Config. Microsoft Purview bietet einen einheitlichen Katalog sowie Governance-Funktionen für unterstützte Quellen aus Azure, Fabric, lokalen Umgebungen, Multicloud- und Software-as-a-Service-Umgebungen.
Die Governanceabdeckung hängt von der Quelle und dem Feature ab. Überprüfen Sie für jede Datenquelle in der Architektur die Unterstützung für Scanvorgänge, die Erfassung der Datenherkunft, die Durchsetzung von Richtlinien, Vertraulichkeitsbezeichnungen, den Netzwerkzugriff und die regionale Verfügbarkeit.
Überlegungen zur Migration
Migrieren Sie eine Analyseplattform nicht als Liste von Eins-zu-eins-Ersetzungen von Diensten. Bestandsdatenquellen, Formate, Tabellentypen, Pipelines, Orchestrierungsabhängigkeiten, Transformationscode, Abfrage dialekte, semantische Modelle, Berichte, Sicherheitsrichtlinien, Datenhaltung, Ziele auf Dienstebene und operative Prozesse. Verwenden Sie repräsentative Leistungs- und Kostentests, bevor Sie Zieldienste auswählen.