Nota:
El acceso a esta página requiere autorización. Puede intentar iniciar sesión o cambiar directorios.
El acceso a esta página requiere autorización. Puede intentar cambiar los directorios.
En este artículo se comparan los servicios de análisis en Amazon Web Services (AWS) y Azure. Abarca la ingesta y orquestación de datos, lagos de datos, procesamiento por lotes, almacenamientos de datos, procesamiento de flujos, gobernanza, uso compartido e inteligencia empresarial.
Para los almacenes de datos relacionales y no relacionales operativos, consulte Servicios de base de datos en Azure y AWS. Para el aprendizaje automático y los servicios de inteligencia artificial de aplicaciones, consulte Ai and Machine Learning Services on Azure and AWS (INTELIGENCIA ARTIFICIAL y servicios de aprendizaje automático en Azure y AWS).
Enfoques de plataforma
AWS proporciona servicios de análisis individuales que se componen en una solución. Microsoft Fabric proporciona cargas de trabajo integradas de Data Factory, Ingeniería de datos, Data Warehouse, inteligencia de Real-Time, ciencia de datos y cargas de trabajo de Power BI a través de OneLake. Azure también proporciona servicios independientes, como Azure Data Factory, Azure Databricks, Azure Event Hubs, Azure Stream Analytics y Azure Data Explorer.
Una plataforma integrada no es automáticamente la opción adecuada para cada carga de trabajo. Compare la compatibilidad con el origen y el formato, los motores necesarios y las API, el aislamiento de red, la disponibilidad regional, los límites de gobernanza, el control operativo, las aptitudes existentes y los precios. La capacidad de Fabric se comparte entre las cargas de trabajo de Fabric, mientras que los servicios independientes de Azure tienen su propia capacidad y sus propios modelos de facturación.
Integración y orquestación de datos
Use los servicios de integración de datos para ingerir, copiar, transformar y organizar datos en sistemas operativos y almacenes analíticos.
| Servicio de AWS | Servicio de Azure | Guía de selección |
|---|---|---|
| AWS Glue | Data Factory en Microsoft Fabric o Azure Data Factory | Los tres proporcionan integración de datos administrados. Compare conectores, motores de transformación, redes privadas, ubicación en tiempo de ejecución, características de orquestación e integración con la plataforma de análisis de destino. |
| Flujos de trabajo administrados de Amazon para Apache Airflow | Trabajos de Apache Airflow en Microsoft Fabric | Ambos ejecutan flujos de trabajo de Apache Airflow. Valide las versiones admitidas de Airflow, la instalación de paquetes, las redes, la identidad, el escalado y los requisitos de migración. |
| AWS Database Migration Service | Azure Database Migration Service o Fabric Migration Assistant para almacén de datos | Estas herramientas tienen distintos ámbitos. Use Azure Database Migration Service para los pares de origen y destino de bases de datos compatibles. Use Fabric Migration Assistant para migrar los esquemas y datos SQL compatibles a Fabric Data Warehouse. |
| Amazon AppFlow | Conectores de Data Factory o Azure Logic Apps | Use Data Factory para la ingesta y transformación de datos analíticos. Use Logic Apps para la integración de aplicaciones y procesos empresariales. Compruebe los requisitos del volumen de datos, la autenticación y las operaciones del conector. |
Lagos de datos y almacenes de lago de datos
Amazon S3 suele proporcionar la capa de almacenamiento para los lagos de datos de AWS. En Azure, Azure Data Lake Storage proporciona almacenamiento de objetos con un espacio de nombres jerárquico. OneLake es el lago de datos lógico integrado en Microsoft Fabric.
| Servicio de AWS | Servicio de Azure | Guía de selección |
|---|---|---|
| Amazon S3 | Azure Data Lake Storage | Ambos proporcionan almacenamiento de objetos duraderos para los datos analíticos. Compare el comportamiento del espacio de nombres, la seguridad, la administración del ciclo de vida, la replicación, la integración del ecosistema y los costos de transferencia de datos. |
| Amazon S3 | Microsoft OneLake | OneLake forma parte de Fabric y proporciona almacenamiento compartido para cargas de trabajo de Fabric. OneLake no es un sustituto universal para todas las cargas de trabajo de S3. Úselo cuando Fabric es la plataforma de análisis y su capacidad, región, seguridad y modelo de carga de trabajo cumplen sus requisitos. |
| Formación de lagos de AWS | Seguridad de OneLake y Microsoft Purview en Fabric | AWS Lake Formation administra el acceso a lagos de datos basados en S3. Fabric separa los permisos de almacenamiento, los permisos de elemento y las funcionalidades de gobernanza. Correlacione los requisitos de autorización y gobernanza en lugar de asumir que existe un único servicio equivalente. |
| Datos externos de Amazon S3 | Accesos directos de OneLake | Los accesos directos permiten referenciar datos almacenados en S3, Azure Data Lake Storage, Google Cloud Storage y otras ubicaciones sin necesidad de copiarlos. Use el movimiento de datos en su lugar cuando necesite transformaciones complejas, programación personalizada o un destino fuera de OneLake. |
Ingeniería de datos por lotes
| Servicio de AWS | Servicio de Azure | Guía de selección |
|---|---|---|
| Amazon EMR | Azure Databricks | Ambos son compatibles con Apache Spark gestionado y con otras cargas de trabajo de ingeniería de datos. Compare la compatibilidad en tiempo de ejecución, el control de clústeres, el escalado automático, la gobernanza, los cuadernos, los trabajos y las integraciones del ecosistema. |
| Sesiones interactivas de Amazon EMR y AWS Glue | ingeniería de datos de Fabric | Fabric Data Engineering proporciona Spark administrado, cuadernos, entornos y trabajos integrados con OneLake. No es un reemplazo directo para todos los entornos de EMR ni para todas las configuraciones de clúster. Valide los requisitos de tiempo de ejecución, biblioteca, redes y rendimiento. |
| AWS Glue Studio | Fabric Data Factory o Azure Data Factory | Estos servicios proporcionan experiencias de transformación de datos visuales y basadas en código. Seleccione en función del motor de transformación, la orquestación, la compatibilidad de origen y destino y el modelo operativo. |
Almacenamientos de datos y análisis de SQL
| Servicio de AWS | Servicio de Azure | Guía de selección |
|---|---|---|
| Amazon Redshift | Fabric Data Warehouse | Ambos proporcionan almacenamientos de datos DE SQL distribuidos. Compare la compatibilidad de SQL, el aislamiento de cargas de trabajo, el escalado, la ingesta, el uso compartido de datos, la simultaneidad, la gobernanza y los precios. Fabric Data Warehouse se ejecuta sobre OneLake y consume capacidad de Fabric. |
| Amazon Redshift | Azure Databricks SQL | Considere Azure Databricks SQL cuando la carga de trabajo usa una arquitectura lakehouse y Databricks es la plataforma de datos principal. No es un reemplazo de motor relacional para cada carga de trabajo de Redshift. |
| Espectro de Amazon Redshift | Fabric lakehouse, accesos directos de OneLake y Direct Lake | Redshift Spectrum consulta datos en S3. Fabric proporciona funcionalidades de almacenamiento, proceso y modelo semántico independientes. Direct Lake requiere tablas Delta compatibles y capacidad de Fabric. Revise los formatos de origen y los límites de capacidad. |
| Amazon Athena | Punto de conexión de análisis de SQL de lago de datos de Fabric o Azure Databricks SQL | Athena es un servicio de SQL sin servidor para datos almacenados en S3. Las opciones de Azure difieren en cuanto al almacenamiento, los metadatos, la capacidad de proceso y la facturación. Seleccione en función de la ubicación de los datos, la compatibilidad de SQL, la latencia, la simultaneidad y la gobernanza. |
Análisis en tiempo real
Separe la ingesta de eventos del procesamiento de flujos y el almacenamiento analítico al comparar los servicios. Un punto de conexión compatible con Apache Kafka no ofrece todas las funcionalidades de un broker de Apache Kafka.
| Servicio de AWS | Servicio de Azure | Guía de selección |
|---|---|---|
| Flujos de datos de Amazon Kinesis | Azure Event Hubs | Ambos ingieren y conservan flujos de eventos de alto rendimiento para consumidores independientes. Compare la creación de particiones, la retención, la reproducción, el rendimiento, los protocolos y el escalado. |
| Amazon Managed Service para Apache Flink | Azure Stream Analytics o flujos de eventos de Fabric | Estos servicios procesan flujos, pero usan diferentes lenguajes y modelos de ejecución. Stream Analytics usa un lenguaje de consulta basado en SQL. Fabric eventstreams proporciona ingestión, transformaciones sin código y enrutamiento dentro de Fabric. |
| Amazon Managed Streaming para Apache Kafka | Event Hubs para Apache Kafka | Amazon MSK ejecuta Apache Kafka de código abierto. Event Hubs proporciona un punto de conexión compatible con Kafka y no es un clúster de Apache Kafka. Valide las características del protocolo, las transacciones, la compresión, la compatibilidad con flujos de Kafka, la retención, las cuotas y los requisitos de nivel. |
| Servicio de Amazon OpenSearch | Azure Data Explorer o Fabric Eventhouse | Use Azure Data Explorer o Eventhouse para el análisis de registros, telemetría y series temporales con el lenguaje de consulta Kusto. OpenSearch también proporciona funcionalidades de búsqueda de texto completo, por lo que estos servicios no son reemplazos completos para cargas de trabajo de búsqueda. |
| Amazon Timestream | Azure Data Explorer o Fabric Eventhouse | Estos servicios admiten el análisis de series temporales. Compare protocolos de ingesta, lenguaje de consulta, retención, niveles, comportamiento de actualización y requisitos de integración. |
Inteligencia empresarial y uso compartido de datos
| Servicio de AWS | Servicio de Azure | Guía de selección |
|---|---|---|
| Amazon QuickSight | Power BI | Ambos proporcionan modelado semántico, informes, paneles, uso compartido y análisis insertados. Compare los requisitos de licencia, capacidad, identidad, gobernanza, creación e inserción. |
| Amazon Managed Grafana | Azure Managed Grafana | Ambos proporcionan Grafana administrado. Compare las integraciones de orígenes de datos, la autenticación, las redes privadas, la alta disponibilidad, los complementos y los planes de tarifa. |
| Intercambio de datos de AWS | Microsoft Marketplace y uso compartido externo de datos de Fabric | AWS Data Exchange combina un marketplace de datos con entrega. Microsoft Marketplace y el uso compartido de datos de Fabric abordan diferentes partes de ese flujo de trabajo. El uso compartido externo de datos de Fabric proporciona acceso controlado entre inquilinos para los elementos de Fabric admitidos, pero no es un mercado de datos. |
Gobernanza de datos
Microsoft Purview y una combinación de servicios de AWS proporcionan funcionalidades de detección, clasificación, linaje, gobernanza de acceso y cumplimiento de datos. AWS suele combinar Glue Data Catalog, Lake Formation, Amazon Macie, AWS Identity and Access Management y AWS Config. Microsoft Purview proporciona un catálogo unificado y funcionalidades de gobernanza en Azure compatibles, Fabric, locales, multinube y orígenes de software como servicio.
La cobertura de gobernanza depende del origen y la característica. Compruebe la compatibilidad con el análisis, la recopilación de linaje, la aplicación de directivas, las etiquetas de confidencialidad, el acceso a la red y la disponibilidad regional para cada fuente de datos de la arquitectura.
Consideraciones sobre la migración
No migre una plataforma de analítica como si fuera una lista de sustituciones directas entre servicios. Inventario de orígenes de datos, formatos, tipos de tabla, canalizaciones, dependencias de orquestación, código de transformación, dialectos de consulta, modelos semánticos, informes, directivas de seguridad, residencia de datos, objetivos de nivel de servicio y procesos operativos. Use pruebas representativas de rendimiento y costos antes de seleccionar los servicios de destino.