이 문서에서는 AWS(Amazon Web Services) 및 Azure 분석 서비스를 비교합니다. 데이터 수집 및 오케스트레이션, 데이터 레이크, 일괄 처리, 데이터 웨어하우스, 스트림 처리, 거버넌스, 공유 및 비즈니스 인텔리전스를 다룹니다.
운영 관계형 및 비관계형 데이터 저장소는 Azure 및 AWS의 데이터베이스 서비스를 참조하세요. 기계 학습 및 애플리케이션 AI 서비스의 경우 Azure 및 AWS의 AI 및 기계 학습 서비스를 참조하세요.
플랫폼 접근 방식
AWS는 조합하여 하나의 솔루션을 구축할 수 있는 개별 분석 서비스를 제공합니다. Microsoft Fabric OneLake를 통해 통합 데이터 팩터리, 데이터 엔지니어링, Data Warehouse, Real-Time 인텔리전스, 데이터 과학 및 Power BI 워크로드를 제공합니다. 또한 Azure Azure Data Factory, Azure Databricks, Azure Event Hubs, Azure Stream Analytics 및 Azure Data Explorer 포함한 독립 실행형 서비스를 제공합니다.
통합 플랫폼은 모든 워크로드에 대해 자동으로 적합한 선택이 아닙니다. 원본 및 형식 지원, 필요한 엔진 및 API, 네트워크 격리, 지역 가용성, 거버넌스 경계, 운영 제어, 기존 기술 및 가격을 비교합니다. Fabric 용량은 Fabric 워크로드 간에 공유되는 반면 독립 실행형 Azure 서비스에는 자체 용량 및 청구 모델이 있습니다.
데이터 통합 및 오케스트레이션
데이터 통합 서비스를 사용하여 운영 시스템 및 분석 저장소에서 데이터를 수집, 복사, 변환 및 오케스트레이션합니다.
| AWS 서비스 | Azure 서비스 | 선택 지침 |
|---|---|---|
| AWS 글루 | Microsoft Fabric의 Data Factory 또는 Azure Data Factory | 세 가지 모두 관리되는 데이터 통합을 제공합니다. 커넥터, 변환 엔진, 프라이빗 네트워킹, 런타임 배치, 오케스트레이션 기능 및 대상 분석 플랫폼과의 통합을 비교합니다. |
| Apache Airflow용 Amazon 관리 워크플로 | Microsoft Fabric의 Apache Airflow 작업 | 둘 다 Apache Airflow 워크플로를 실행합니다. 지원되는 Airflow 버전, 패키지 설치, 네트워킹, ID, 크기 조정 및 마이그레이션 요구 사항의 유효성을 검사합니다. |
| AWS Database Migration Service | Azure Database Migration Service 또는 Fabric Migration Assistant for Data Warehouse | 이러한 도구에는 다양한 범위가 있습니다. 지원되는 데이터베이스 원본 대상 쌍에 Azure Database Migration Service 사용합니다. Fabric Migration Assistant 사용하여 지원되는 SQL 스키마 및 데이터를 Fabric Data Warehouse 이동합니다. |
| 아마존 AppFlow | Data Factory 커넥터 또는 Azure Logic Apps | 분석 수집 및 변환에 Data Factory를 사용합니다. 애플리케이션 및 비즈니스 프로세스 통합에 Logic Apps를 사용합니다. 커넥터 작업, 인증 및 데이터 볼륨 요구 사항을 확인합니다. |
데이터 레이크 및 레이크하우스
Amazon S3는 일반적으로 AWS 데이터 레이크에 대한 스토리지 계층을 제공합니다. Azure에서는 Azure Data Lake Storage가 계층적 네임스페이스를 갖춘 개체 스토리지를 제공합니다. OneLake는 Microsoft Fabric 기본 제공되는 논리 데이터 레이크입니다.
| AWS 서비스 | Azure 서비스 | 선택 지침 |
|---|---|---|
| 아마존 S3 | Azure Data Lake Storage | 둘 다 분석 데이터를 위한 지속성 개체 스토리지를 제공합니다. 네임스페이스 동작, 보안, 수명 주기 관리, 복제, 에코시스템 통합 및 데이터 전송 비용을 비교합니다. |
| 아마존 S3 | Microsoft OneLake | OneLake는 Fabric 일부이며 Fabric 워크로드에 대한 공유 스토리지를 제공합니다. OneLake는 모든 S3 워크로드에 대한 일반적인 대체가 아닙니다. 분석 플랫폼이 Fabric이고 Fabric의 용량, 지역, 보안 및 워크로드 모델이 요구 사항을 충족하는 경우 이를 사용하세요. |
| AWS 레이크 포메이션 | OneLake 보안 및 Fabric의 Microsoft Purview | AWS Lake Formation은 S3 기반 데이터 레이크에 대한 액세스를 관리합니다. Fabric 스토리지 권한, 항목 권한 및 거버넌스 기능을 구분합니다. 동일한 단일 서비스를 가정하는 대신 권한 부여 및 거버넌스 요구 사항을 매핑합니다. |
| Amazon S3 외부 데이터 | OneLake 바로 가기 | 바로 가기는 S3, Azure Data Lake Storage, Google Cloud Storage 및 기타 위치에서 지원되는 데이터를 복사하지 않고 참조합니다. 복잡한 변환, 사용자 지정 일정 또는 OneLake 외부의 대상이 필요한 경우 대신 데이터 이동을 사용합니다. |
일괄 데이터 엔지니어링
| AWS 서비스 | Azure 서비스 | 선택 지침 |
|---|---|---|
| 아마존 EMR | Azure Databricks | 둘 다 관리되는 Apache Spark 및 기타 데이터 엔지니어링 워크로드를 지원합니다. 런타임 호환성, 클러스터 제어, 자동 크기 조정, 거버넌스, Notebook, 작업 및 에코시스템 통합을 비교합니다. |
| Amazon EMR 및 AWS Glue 대화형 세션 | Fabric 데이터 엔지니어링 | Fabric Data Engineering은 OneLake와 통합된 관리형 Spark, Notebook, 환경 및 작업을 제공합니다. 모든 EMR 프레임워크 또는 클러스터 구성을 직접 대체하는 것은 아닙니다. 런타임, 라이브러리, 네트워킹 및 성능 요구 사항의 유효성을 검사합니다. |
| AWS Glue Studio | Fabric Data Factory 또는 Azure Data Factory | 이러한 서비스는 시각적 및 코드 기반 데이터 변환 환경을 제공합니다. 변환 엔진, 오케스트레이션, 원본 및 대상 지원 및 운영 모델에 따라 선택합니다. |
데이터 웨어하우스 및 SQL 분석
| AWS 서비스 | Azure 서비스 | 선택 지침 |
|---|---|---|
| 아마존 레드시프트 | Fabric Data Warehouse | 둘 다 분산 SQL 데이터 웨어하우스를 제공합니다. SQL 호환성, 워크로드 격리, 크기 조정, 수집, 데이터 공유, 동시성, 거버넌스 및 가격 책정을 비교합니다. Fabric Data Warehouse OneLake를 통해 작동하며 Fabric 용량을 사용합니다. |
| 아마존 레드시프트 | AZURE DATABRICKS SQL | 워크로드가 레이크하우스 아키텍처를 사용하고 Databricks가 주요 데이터 플랫폼인 경우 Azure Databricks SQL을 고려하세요. 모든 Redshift 워크로드에 대한 관계형 엔진 대체가 아닙니다. |
| 아마존 레드시프트 스펙트럼 | Fabric 레이크하우스, OneLake 바로 가기 및 Direct Lake | Redshift Spectrum은 S3에서 데이터를 쿼리합니다. Fabric 별도의 스토리지, 컴퓨팅 및 의미 체계 모델 기능을 제공합니다. Direct Lake에는 지원되는 델타 테이블 및 Fabric 용량이 필요합니다. 원본 형식 및 용량 제한을 검토하세요. |
| 아마존 아테나 | Fabric lakehouse SQL 분석 엔드포인트 또는 Azure Databricks SQL | Athena는 S3에 저장된 데이터를 위한 서버리스 SQL 쿼리 서비스입니다. Azure 옵션은 스토리지, 메타데이터, 컴퓨팅 및 청구에서 다릅니다. 데이터 위치, SQL 호환성, 대기 시간, 동시성 및 거버넌스에 따라 선택합니다. |
실시간 분석
서비스를 비교할 때 스트림 처리 및 분석 스토리지에서 이벤트 수집을 구분합니다. Kafka 호환 엔드포인트는 모든 Apache Kafka broker 기능을 제공하지 않습니다.
| AWS 서비스 | Azure 서비스 | 선택 지침 |
|---|---|---|
| Amazon Kinesis 데이터 흐름 | Azure Event Hubs | 둘 다 독립적인 소비자를 위한 높은 처리량 이벤트 스트림을 수집하고 유지합니다. 분할, 보존, 재생, 처리량, 프로토콜 및 크기 조정을 비교합니다. |
| Apache Flink용 Amazon Managed Service | Azure Stream Analytics 또는 Fabric 이벤트 스트림 | 이러한 서비스는 스트림을 처리하지만 다른 언어 및 실행 모델을 사용합니다. Stream Analytics는 SQL 기반 쿼리 언어를 사용합니다. Fabric eventstreams는 Fabric 내에서 수집, 코드 없는 변환 및 라우팅을 제공합니다. |
| Apache Kafka용 Amazon 관리 스트리밍 | Apache Kafka용 Event Hubs | Amazon MSK는 오픈 소스 Apache Kafka를 실행합니다. Event Hubs는 Kafka 호환 엔드포인트를 제공하며 Apache Kafka 클러스터가 아닙니다. 프로토콜 기능, 트랜잭션, 압축, Kafka Streams 지원, 보존, 할당량 및 계층 요구 사항의 유효성을 검사합니다. |
| Amazon OpenSearch 서비스 | Azure Data Explorer 또는 Fabric Eventhouse | Kusto 쿼리 언어를 사용하여 로그, 원격 분석 및 시계열 분석에 Azure Data Explorer 또는 Eventhouse를 사용합니다. OpenSearch는 전체 텍스트 검색 기능도 제공하므로 이러한 서비스는 검색 워크로드를 완전히 대체하지 않습니다. |
| Amazon Timestream | Azure Data Explorer 또는 Fabric Eventhouse | 이러한 서비스는 시계열 분석을 지원합니다. 수집 프로토콜, 쿼리 언어, 보존, 계층화, 업데이트 동작 및 통합 요구 사항을 비교합니다. |
비즈니스 인텔리전스 및 데이터 공유
| AWS 서비스 | Azure 서비스 | 선택 지침 |
|---|---|---|
| 아마존 퀵사이트 | Power BI | 둘 다 의미 체계 모델링, 보고서, 대시보드, 공유 및 포함된 분석을 제공합니다. 라이선스, 용량, ID, 거버넌스, 작성 및 포함 요구 사항을 비교합니다. |
| 아마존 관리형 Grafana | Azure Managed Grafana | 둘 다 관리되는 Grafana를 제공합니다. 데이터 원본 통합, 인증, 프라이빗 네트워킹, 고가용성, 플러그 인 및 가격 책정 계층을 비교합니다. |
| AWS 데이터 교환 | Microsoft Marketplace 및 Fabric 외부 데이터 공유 | AWS 데이터 Exchange 데이터 마켓플레이스와 배달을 결합합니다. Microsoft Marketplace와 Fabric 데이터 공유는 해당 워크플로의 서로 다른 부분을 다룹니다. Fabric 외부 데이터 공유는 지원되는 Fabric 항목에 대해 제어되는 테넌트 간 액세스를 제공하지만 데이터 마켓플레이스는 아닙니다. |
데이터 거버넌스
Microsoft Purview 및 AWS 서비스의 조합은 데이터 검색, 분류, 계보, 액세스 거버넌스 및 규정 준수 기능을 제공합니다. AWS는 일반적으로 Glue Data Catalog, Lake Formation, Amazon Macie, AWS ID 및 액세스 관리 및 AWS 구성을 결합합니다. Microsoft Purview 지원되는 Azure, Fabric, 온-프레미스, 다중 클라우드 및 서비스 원본으로서의 소프트웨어에서 통합 카탈로그 및 거버넌스 기능을 제공합니다.
거버넌스 적용 범위는 원본 및 기능에 따라 달라집니다. 아키텍처의 모든 데이터 원본에 대한 검사 지원, 계보 수집, 정책 적용, 민감도 레이블, 네트워크 액세스 및 지역 가용성을 확인합니다.
마이그레이션 고려 사항
분석 플랫폼을 일대일 서비스 대체 목록으로 마이그레이션하지 마세요. 인벤토리 데이터 원본, 형식, 테이블 형식, 파이프라인, 오케스트레이션 종속성, 변환 코드, 쿼리 언어, 의미 체계 모델, 보고서, 보안 정책, 데이터 상주, 서비스 수준 목표 및 운영 프로세스. 대상 서비스를 선택하기 전에 대표적인 성능 및 비용 테스트를 사용합니다.