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 die wichtigsten Azure-Daten und KI-Dienste mit entsprechenden Amazon Web Services (AWS)-Lösungen verglichen.
Einen Vergleich anderer Azure- und AWS-Dienste finden Sie unter Azure für AWS-Experten.
Datengovernance, -verwaltung und -plattformen
Sowohl Microsoft Purview als auch die Kombination von AWS-Diensten, die in der folgenden Tabelle beschrieben werden, bieten umfassende Datengovernance-Lösungen. Verwenden Sie diese Lösungen, um Ihre Datenressourcen zu verwalten, zu ermitteln, zu klassifizieren und zu schützen.
| AWS-Services | Microsoft-Dienst | Beschreibung |
|---|---|---|
| AWS Glue-Datenkatalog, AWS Lake Formation, Amazon Macie, AWS Identitäts- und Zugriffsmanagement (IAM),AWS Config | Microsoft Purview | Beide Optionen bieten Datengovernance, Katalogisierung und Compliance-Features. Microsoft Purview ist eine einheitliche Datengovernancelösung. Sie können es verwenden, um Daten in lokalen, Multi-Cloud- und Software-as-a-Service-(SaaS)-Umgebungen zu ermitteln, zu klassifizieren und zu verwalten. Außerdem werden Datenherkunft und Compliancefunktionen bereitgestellt. AWS bietet vergleichbare Features über mehrere Dienste, einschließlich AWS Glue Data Catalog für die Metadatenverwaltung, AWS Lake Formation für die Erstellung und Governance von Data Lake, Amazon Macie für die Datenklassifizierung und -schutz, AWS IAM für die Zugriffssteuerung und AWS Config für Konfigurationsverwaltung und Compliance-Tracking. |
All-in-One-Plattform im Vergleich zu AWS-Diensten
Microsoft Fabric bietet eine all-in-One-Plattform, die die Daten und KI-Dienste vereint, die für moderne Analyselösungen erforderlich sind. Sie verschiebt Daten effizient zwischen Diensten, bietet einheitliche Governance und Sicherheit und vereinfacht Preismodelle. Dieser Ansatz steht im Gegensatz zum AWS-Ansatz, bei dem Sie häufig separate Dienste verwenden und mehr Aufwand in die Integration investieren müssen. Fabric bietet Integration in diese Funktionen innerhalb des Azure-Ökosystems.
Sowohl AWS als auch Fabric bieten Funktionen für die Datenintegration, Verarbeitung, Analyse, maschinelles Lernen und Business Intelligence.
| AWS-Dienst | Microsoft-Dienst | Beschreibung |
|---|---|---|
| AWS Kleber | Fabric-Datenintegration in Azure Data Factory | AWS Glue bietet Funktionen zum Erstellen von Daten- und Analyselösungen. Dieser Ansatz bietet Flexibilität, erfordert jedoch mehr Aufwand, um jeden Dienst in eine End-to-End-Lösung zu integrieren. Fabric kombiniert Funktionen innerhalb einer einzigen Plattform, um Workflows, Zusammenarbeit und Verwaltung zu vereinfachen. |
Detaillierter Vergleich von AWS-Diensten und Fabric-Komponenten
In der folgenden Tabelle werden die wichtigsten Fabric-Komponenten und die entsprechenden AWS-Dienste verglichen. Es hilft Architekten und Entscheidungsträgern zu verstehen, wie die Fabric-Datenplattform mit AWS-Angeboten in Bezug auf Data Engineering, Analytics, Governance und AI-Workloads übereinstimmt oder von ihnen abweicht.
Datenintegration und ETL-Tools
Mithilfe von ETL-Tools (Data Integration, Transformieren und Laden von Daten) können Daten aus mehreren Quellen in ein einheitliches System für die Analyse extrahiert, transformiert und geladen werden.
| AWS-Dienst | Microsoft-Dienst | Analyse |
|---|---|---|
| AWS Kleber | Azure Data Factory, Azure Data Factory in Fabric | Der Data Factory-Dienst, das Azure Data Factory-Feature in Fabric und AWS Glue sind verwaltete ETL-Dienste, die die Datenintegration in verschiedenen Quellen erleichtern. |
| Amazon Managed Workflows für Apache Airflow (MWAA) | Apache Airflow-Aufträge in Fabric | Apache Airflow bietet verwaltete Workflow-Orchestrierung für komplexe Datenpipelinen. Die Apache Airflow-Auftragsfunktion in Fabric dient als die nächste Generation des Data Factory Workflow-Orchestrierungsmanagers. Sie können dieses Feature verwenden, um Apache Airflow-Aufträge zu erstellen und zu verwalten und gerichtete azyklische Diagramme (DAGs) auszuführen. Im Rahmen von Azure Data Factory in Fabric bietet das Airflow-Auftragsfeature Datenintegration, Vorbereitung und Transformation aus Datenquellen wie Datenbanken, Data Warehouses, Lakehouses und Echtzeitdaten. AWS MWAA ist eine verwaltete Airflow-Lösung. |
| AWS-Datenbankmigrationsdienst (DMS) | Fabric Migration Assistant für Data Warehouse | Diese Dienste helfen Ihnen beim Migrieren von Datenbanken von AWS zu Azure. Der Fabric-Migrations-Assistent ist ein integriertes Tool in Fabric, das Sie durch die Migration von Daten und Metadaten aus Quelldatenbanken in AWS zu Fabric Data Warehouse führt. Es konvertiert Schemas, verwendet KI zum Beheben von Migrationsproblemen und unterstützt die Migration aus SQL-basierten Quellen. AWS DMS konzentriert sich auf Migrationen innerhalb der AWS-Umgebung und bietet fortlaufende Replikationsfeatures für Hybridarchitekturen. |
| AWS DMS | Azure-Datenbankmigrationsdienst | Diese Dienste helfen Ihnen bei der Migration von Datenbanken in die Cloud mit minimalen Ausfallzeiten. Der Azure-Dienst konzentriert sich auf die Migration zu Azure-Datenbanken und umfasst Bewertungs- und Empfehlungstools. AWS DMS konzentriert sich auf Migrationen innerhalb der AWS-Umgebung und bietet fortlaufende Replikationsfeatures für Hybridarchitekturen. |
| Amazon AppFlow | Azure Logic Apps | Diese Dienste automatisieren Datenflüsse zwischen Cloudanwendungen und Diensten, ohne dass Code erforderlich ist. Logic Apps bietet Integrationsfunktionen über eine vielzahl von Connectors und einen visuellen Designer. AppFlow bietet eine sichere Datenübertragung zwischen bestimmten SaaS-Anwendungen und AWS-Diensten und umfasst integrierte Datentransformationsfeatures. |
| AWS-Schrittfunktionen | Data Factory mit Logic Apps | Diese Dienste bieten Workflow-Orchestrierung für die Koordination verteilter Anwendungen und Microservices. Logic Apps unterstützt sowohl die Datenintegration als auch die Automatisierung von Unternehmensworkflows. Step Functions orchestriert AWS-Dienste und Microservices in serverlosen Anwendungen. |
Datenlagerung
Die folgenden Lösungen speichern und verwalten große Mengen strukturierter Daten, die für Abfragen und Berichte optimiert sind.
| AWS-Dienst | Microsoft-Dienst | Analyse |
|---|---|---|
| Amazon Redshift | Fabric Data Warehouse | Fabric Data Warehouse und Amazon Redshift sind verwaltete, cloudbasierte und im Petabyte-Bereich skalierbare Data Warehouses, die für Analysen im großen Maßstab bei hoher Leistung konzipiert sind. Fabric Data Warehouse ist in Fabric integriert und bietet eine einheitliche Plattform, die Speicher, Analysen, Governance und KI kombiniert. Redshift verwendet das AWS-Ökosystem und konzentriert sich auf Data Warehouse. Beide Dienste unterstützen massive parallele Verarbeitung. Fabric verfügt über eine lake-first-Architektur und umfassende Integration in Microsoft-Daten- und KI-Dienste. |
| Amazon-Redshift-Spektrum | OneLake-Verknüpfungen, Direct Lake in Power BI und Pipeline-Connectors in Azure Data Factory | Amazon Redshift Spectrum ermöglicht das Abfragen externer Daten in Amazon S3. Im Gegensatz dazu bietet Fabric einen Lake-first Ansatz. Verwenden Sie OneLake-Tastenkombinationen, um Daten aus mehreren Quellen ohne Bewegung in einen einzigen logischen See zu virtualisieren. Der Direct Lake-Modus in Power BI bietet sofortige Analysen zu offenen Delta- und Parkettdateien in OneLake ohne Import. Fabric Data Factory-Pipelines bieten native Connectors zum Aufnehmen, Transformieren und Koordinieren von Datenflüssen. |
| AWS-Lake-Formation | OneLake, Microsoft Purview in Fabric und Fabric-Berechtigungsmodell | AWS Lake Formation bietet Governance- und Zugriffskontrollen über Amazon S3-basierte Data Lakes. Im Gegensatz dazu bietet Fabric diese Funktionen über OneLake in Kombination mit Microsoft Purview für Katalogisierung, Herkunft und Daten-Governance. Sie verwenden rollenbasierte Zugriffssteuerung (RBAC) und fein abgestimmte Sicherheit, um Den Zugriff über Arbeitsbereiche, Tabellen und Spalten hinweg zu ermöglichen. |
| Amazon Relational Database Service (RDS) mit Amazon Redshift Federated Query | Fabric SQL-Datenbank, Amazon Redshift-Connector in Dataflow Gen2, Fabric-Datenpipelines und OneLake-Verknüpfungen | Amazon RDS mit Amazon Redshift Federated Query ermöglicht Es Amazon Redshift, SQL-Abfragen direkt auf Live-RDS-Daten auszuführen. Dieses Setup bietet Echtzeitzugriff über betriebs- und analytische Speicher hinweg. Fabric SQL Database führt ein saaS-natives SQL-Modul mit automatischer Skalierung, integrierter Governance und Integration in die Fabric-Plattform ein. Fabric-Datenpipelines unterstützen die Datenerfassung von Amazon RDS und Amazon Redshift in Lakehouses oder SQL-Datenbanken. OneLake-Verknüpfungen virtualisieren externe Daten, z. B. Azure Data Lake Storage Gen2 und Amazon S3, in Fabric ohne Duplizierung. |
| Amazon RDS mit Amazon Redshift Federated Query | Azure SQL-Datenbank | Diese Dienste unterstützen die Abfrage in operativen Datenbanken und Data Warehouses. SQL-Datenbank kann in Azure-Analysedienste integriert werden. Im Gegensatz dazu erfordert AWS, RDS und Amazon Redshift für dienstübergreifende Abfragefunktionen über Verbundabfragen zu kombinieren. |
| Amazon Aurora mit Amazon Redshift-Integration | SQL-Datenbank in Fabric | Amazon Aurora verarbeitet Betriebsdaten, und Amazon Redshift führt umfangreiche Analysen über Verbundabfragen und Batchaufnahme durch. Fabric SQL-Datenbank bietet ein verwaltetes, automatisch skalierendes relationales Modul, das systemintern in OneLake und Power BI integriert wird. Dieses Setup unterstützt einheitliche Analysen und Governance. |
| Amazon Aurora mit Amazon Redshift-Integration | SQL-Datenbankserver ohne Server | Diese verwalteten, cloudeigenen relationalen Datenbanken trennen die Berechnung vom Speicher, skalieren Ressourcen automatisch basierend auf Bedarf und stellen eine hohe Verfügbarkeit sicher. Beide Dienste verwenden SQL-basierte Engines und erweitern sich auf kosteneffiziente Lösungen für transaktionsbezogene und analytische Workloads. SQL Database Serverless wird bei Inaktivität automatisch pausiert, um Kosten zu optimieren, während die volle SQL Server-Engine bereitgestellt wird. |
Data Lake-Lösungen
Auf den folgenden Plattformen werden große Mengen an unstrukturierten und unstrukturierten Daten in ihrem systemeigenen Format für die zukünftige Verarbeitung gespeichert.
| AWS-Dienst | Microsoft-Dienst | Analyse |
|---|---|---|
| Amazon S3 | OneLake, Data Lake Storage | Data Lake Storage und Amazon S3 sind skalierbare Objektspeicherlösungen, die für Big Data Analytics entwickelt wurden. Sie unterstützen Formate wie Parkett, kommagetrennte Werte (CSV) und JSON. Data Lake Storage ist für Azure-native Tools optimiert, während Amazon S3 in AWS-Dienste integriert wird. OneLake vereint strukturierte und unstrukturierte Daten über Clouds in einem einzigen, geregelten See. Mit OneLake-Verknüpfungen kann Fabric Daten aus Amazon S3, Data Lake Storage und Google Cloud ohne Duplizierung virtualisieren, die Zugriff und Analysen unterstützt. OneLake unterstützt Multicloud-Flexibilität, Zero-ETL-Integration und Delta Lake. |
| AWS-Lake-Formation | OneLake | AWS Lake Formation verwaltet Datenseen im AWS-Ökosystem. OneLake bietet einen SaaS-nativen Datensee, der alle Fabric-Workloads unterstützt, einschließlich Lakehouses, Warehouses, Real-Time Intelligence und Power BI. OneLake erfordert keine zusätzliche Einrichtung und enthält integrierte Governance über Microsoft Purview. Es verfügt auch über native Unterstützung für Delta Lake und Tastenkombinationen für die Multicloud-Virtualisierung, einschließlich Amazon S3. |
| Amazon Athena | Fabric Lakehouse | Amazon Athena ist ein serverloses Abfragemodul, das echtzeitbasierte SQL-Analysen direkt auf Daten ermöglicht, die in Amazon S3 gespeichert sind. Ein Fabric Lakehouse bietet eine integrierte Umgebung für Data Engineering und Analytics. Es speichert Daten in OneLake mithilfe des Delta Lake-Formats und unterstützt Spark, T-SQL und Python. |
| AWS Glue-Datenkatalog | Microsoft Purview | AWS Glue Data Catalog zentralisiert Metadaten für Analysen und maschinelles Lernen. Sie dient als Metadatenspeicher und Schemaregistrierung und erfordert andere Dienste zum Verwalten von Linien, Richtlinien und Governance. Microsoft Purview ist ein einheitlicher Datengovernancedienst, der Azure, OneLake und lokale und multicloud-Umgebungen umfasst. Es katalogisiert Daten in OneLake, Data Lake Storage und anderen Quellen. Sie bietet Datenklassifizierung, Linienvisualisierung, Richtlinienverwaltung und Glossarintegration über den einheitlichen Katalog. Aus Sicht des Data Lake bietet Microsoft Purview einen Governance-first-Ansatz, indem Metadaten, Sicherheit und Compliance auf einer Plattform miteinander verbunden werden. |
Big Data-Analyse
Diese Dienste verarbeiten und analysieren große und komplexe Datasets, um Muster, Erkenntnisse und Trends aufzudecken. Die folgende Tabelle enthält direkte Vergleiche einzelner Big Data-Dienste. Fabric ist ein all-in-One-Dienst für Big Data und Analysen. Sie bietet die folgenden Dienste und vieles mehr.
| AWS-Dienst | Microsoft-Dienst | Analyse |
|---|---|---|
| Amazon EMR | Fabric Data Engineering-Workloads, die Spark verwenden | Amazon EMR ist ein verwalteter Big Data-Dienst, der Frameworks wie Spark, Hadoop und Hive ausführt. Sie müssen Cluster bereitstellen und optimieren. Die Fabric Data Engineering-Workload verwendet Spark, um die Notwendigkeit der Clusterverwaltung zu beseitigen. Es bietet eine serverlose, integrierte und geregelte Erfahrung innerhalb des Fabric-Ökosystems. |
| Amazon EMR | Azure Databricks | Diese Dienste unterstützen die Big Data-Verarbeitung über Spark in einer verwalteten Umgebung. Amazon EMR führt Spark-Cluster aus und bietet flexible Konfigurations- und Skalierungsoptionen. Azure Databricks bietet eine optimierte Spark-Plattform, die Notizbücher für die Zusammenarbeit und integrierte Workflows umfasst. |
| Amazon Kinesis | Azure Event Hubs und Azure Stream Analytics | Diese Dienste bieten Echtzeitdatenstreaming und Analysen zur Verarbeitung und Analyse von Datenströmen mit hohem Volumen. |
| AWS Glue mit AWS Glue Studio | Fabric Data Engineering-Workloads, die Spark verwenden | AWS Glue Studio in Kombination mit Amazon Kinesis bietet Datenintegration und Echtzeit-Streaming-Pipelines, erfordert jedoch die Verwaltung von Datenbewegungen zwischen Diensten. Fabric Data Engineering-Workloads verwenden Spark, um diese Funktionen direkt auf der Fabric-Plattform bereitzustellen. Batch- und Streamingtransformationen, Orchestrierung und Governance sind in OneLake, Purview und Power BI integriert. Fabric bietet eine einzige Erfahrung für die Datenintegration und das Engineering, ohne dass separate Dienste für ETL, Streaming und Analysen bereitgestellt werden. |
| AWS Glue mit AWS Glue Studio | Azure Databricks und Data Factory | Beide Dienstkombinationen bieten Big Data-Verarbeitungsfunktionen, die integrierte Datentransformation und Analysen umfassen. |
Business Intelligence und Berichtswesen
Die folgenden Dienste bieten Datenvisualisierung, Berichterstellung und Dashboards, damit Sie fundierte Entscheidungen treffen können.
| AWS-Dienst | Microsoft-Dienst | Analyse |
|---|---|---|
| Amazon Quick Sight | Power BI | Power BI und Amazon Quick Sight bieten Business Analytics-Tools für die Datenvisualisierung und interaktive Dashboards. |
| Von Amazon verwaltetes Grafana | Von Azure verwaltetes Grafana | Diese Dienste bieten einen verwalteten Grafana-Dienst, um Metriken, Protokolle und Ablaufverfolgungen über mehrere Datenquellen hinweg zu visualisieren. |
| AWS Data Exchange | Externe Datenfreigabe in Fabric und OneLake-Verknüpfungen | AWS Data Exchange bietet einen Marktplatz, auf dem Ihre Organisation externe Datasets abonnieren und nutzen kann. Der Dienst handhabt Lizenzen und sichere Übermittlung. In Fabric ist die externe Zusammenarbeit über OneLake-Verknüpfungen und das Teilen zwischen Mandanten verfügbar. Externe Daten werden in Spark, SQL, KQL und Power BI verfügbar. |
| AWS Data Exchange | Azure Data Share | Diese Dienste erleichtern die sichere Freigabe und den Austausch von Daten zwischen Unternehmen. AWS Data Exchange bietet ein Marketplace-Modell. Data Share konzentriert sich auf die mandantenübergreifende Datenfreigabe. |
| Amazon OpenSearch Service mit Kibana | Fabric-KQL-Datenbank mit Power BI | Amazon OpenSearch Service mit Kibana bietet eine verwaltete Such- und Analyseplattform zum Indizieren, Abfragen und Visualisieren großer Datasets, die häufig für Protokollanalysen und Observierbarkeit verwendet werden. Fabric bietet ähnliche Funktionen über seine KQL-Datenbank für die Echtzeitdatensuche in Kombination mit Power BI für interaktive Berichte. |
| Amazon OpenSearch Service mit Kibana | Azure AI Search, Azure Data Explorer und Dashboards | Diese Dienste bieten Echtzeitdatensuche und interaktive Analysen über große Datenmengen. Amazon OpenSearch verwendet Kibana für die Suche und Visualisierung. AI Search bietet intelligente Volltextsuche. Azure Data Explorer verwendet KQL, um leistungsstarke Echtzeitanalysen mit interaktiven Dashboards für die Visualisierung zu ermöglichen. |
Datenverarbeitung in Echtzeit
Die folgenden Systeme nehmen Daten ein und analysieren sie so, wie sie generiert werden, um sofortige Einblicke und Antworten bereitzustellen.
| AWS-Dienst | Microsoft-Dienst | Analyse |
|---|---|---|
| Amazon Kinesis | Fabric Real-Time Intelligence Hub, Fabric Eventstream mit Fabric KQL-Datenbank | Amazon Kinesis ermöglicht das Streamen, Aufnehmen und Verarbeiten von Echtzeitdaten über Dienste wie Amazon S3, Amazon Redshift und AWS Lambda hinweg. Fabric bietet Streamingarchitektur mit dem Real-Time Intelligence Hub, der die Aufnahme aus mehreren Quellen unterstützt, einschließlich Amazon Kinesis, Apache Kafka, Event Hubs und Google Pub/Sub. Fabric-Ereignisstreams verwalten Streamrouting, Transformation und Warnung. |
| Amazon Kinesis | Event Hubs und Stream Analytics | Diese Dienste verarbeiten und analysieren Daten von IoT-Geräten (Internet of Things) in Echtzeit. Amazon Kinesis bietet Streaming-Aufnahme- und Verarbeitungsfunktionen. Azure bietet modulare Dienste. Event Hubs verarbeitet die Datenaufnahme, und Stream Analytics verarbeitet die Daten. |
| Amazon Managed Streaming für Kafka (MSK) | Fabric-Eventstream mit Kafka-Endpunkten | Amazon MSK ist ein verwalteter Kafka-Dienst in AWS. Fabric-Eventstreams unterstützen Kafka-Endpunkte zum Veröffentlichen und Verwenden von Daten über das Kafka-Protokoll. Diese Eventstreams können auch Daten direkt von Amazon MSK in den Fabric Real-Time Intelligence-Hub für nachgeschaltete Verarbeitung und Analyse aufnehmen, z. B. mit einem Eventhouse mit Power BI. Azure bietet sowohl eine verwaltete Kafka-kompatible Aufnahmeebene (Event Hubs) als auch einen verwalteten Kafka-Cluster (Azure HDInsight). Fabric bietet einen End-to-End-Analysehub in Echtzeit, der in Kafka integriert wird. |
| Amazon MSK | Event Hubs für Kafka | Diese Dienste bieten verwaltete Kafka-Cluster zum Erstellen von Echtzeitstreamingdatenpipelines und -anwendungen. Event Hubs für Kafka macht einen kafka-kompatiblen Endpunkt verfügbar, und vorhandene Clients können sich mit minimalen Änderungen verbinden. Außerdem werden Kafka-Streams in Premium- und Dedizierten Ebenen unterstützt. |
| AWS Lambda | Fabric-Notizbücher mit Fabric-Datenpipelines für die serverlose Datenverarbeitung | AWS Lambda ist ein serverloser, ereignisgesteuerter Dienst, um Code auszuführen, ohne die Verwaltung von Servern. Für analyseorientierte, serverlose Verarbeitung in Fabric können Sie Fabric-Notizbücher mit Azure Data Factory-Pipelines verwenden. Notebooks führen verwaltete Spark-Aufträge für den Datenimport, die Bereinigung und Transformation aus. Pipelines koordinieren und planen diese Notizbücher als Teil von End-to-End-Datenworkflows, die On-Demand-Compute und keine Clusterverwaltung in Fabric bereitstellt. |
| AWS Lambda | Azure-Funktionen mit Azure API-Verwaltung für API-Trigger | Diese serverlosen Computeplattformen führen Code als Reaktion auf Ereignisse aus und verwalten automatisch die zugrunde liegenden Computeressourcen. Azure Functions bietet dasselbe ereignisgesteuerte, automatische Skalierungsimplementierungsmodell und wird häufig mit API Management und anderen Azure-Triggern kombiniert. Microsoft bietet auch einen Migrationsleitfaden von Lambda zu Azure Functions , um Parität und Codeverschiebungen zu erleichtern. |
| Amazon DynamoDB Streams | Fabric-Spiegelung (Azure Cosmos DB) mit Fabric-Ereignisstreams | AmazonDb-Datenströme bieten einen Echtzeitfeed von Änderungen auf Elementebene in AmazonDb-Tabellen, die ereignisgesteuerte Verarbeitung und Downstream-Analyse ermöglichen. In Fabric wird durch spiegelung von Azure Cosmos DB in OneLake für Analysen der ETL-Aufwand beseitigt. Kombinieren Sie Fabric-Eventstreams mit diesem Setup, um Echtzeitereignisse weiterzuleiten und in Fabric-KQL-Datenbanken oder Lakehouses zu integrieren. |
| Amazon DynamoDB Streams | Azure Cosmos DB-Änderungsfeed | Diese Dienste ermöglichen die Echtzeit-Datenverarbeitung, indem sie Datenänderungen erfassen und bereitstellen. |
| Amazon ElastiCache mit Redis-Streams | Azure Cache für Redis mit Redis-Streams | Diese Dienste stellen verwaltete Redis-Instanzen bereit, die Redis-Datenströme für die Erfassung und Verarbeitung in Echtzeit unterstützen. |
| Amazon IoT-Analysen | Fabric-Ereignisstreams mit Fabric-KQL-Datenbank | Amazon IoT Analytics ist ein verwalteter Dienst, der IoT-Gerätedaten im großen Maßstab sammelt, verarbeitet und analysiert. Fabric-Eventstreams nehmen IoT-Telemetrie ein und leiten sie für Echtzeitabfragen und Analysen an die Fabric-KQL-Datenbank weiter. |
| AWS IoT Analytics | Azure IoT Hub mit Stream Analytics | Mit diesen Diensten können Sie Daten von IoT-Geräten in Echtzeit verarbeiten und analysieren. Amazon IoT Analytics bietet integrierte Datenspeicher- und Analysefunktionen. Azure bietet modulare Dienste. IoT Hub verarbeitet die Erfassung, und Stream Analytics verarbeitet die Daten. |
Dienste für maschinelles Lernen
Die folgenden Tools und Plattformen ermöglichen die Entwicklung, Schulung und Bereitstellung von Machine Learning-Modellen.
| AWS-Dienst | Microsoft-Dienst | Analyse |
|---|---|---|
| Amazon SageMaker | Fabric Data Science-Workload mit Machine Learning-Integration | Amazon SageMaker ist eine verwaltete Plattform zum Erstellen, Trainieren und Bereitstellen von Machine Learning-Modellen im Maßstab. Azure bietet ein Äquivalent über Machine Learning, einen End-to-End-verwalteten Dienst, der Datenvorbereitung, automatisierte maschinelles Lernen, Modellbereitstellung und Machine Learning-Vorgänge unterstützt. Die Fabric Data Science-Arbeitsauslastung bietet Modellentwicklung und -anreicherung. Es integriert sich mit Machine Learning für das Training, GPU-Beschleunigung und die Bereitstellung auf Unternehmensniveau. |
| AWS Deep Learning Amazon Machine Images (AMIs) | Virtuelle Data Science-Computer (VMs) mit Maschinellem Lernen | AWS Deep Learning-AMIs bieten vorgefertigte VM-Images mit beliebten Deep Learning-Frameworks, GPU-Treibern und Bibliotheken, um die Entwicklung von KI-Modellen zu beschleunigen. Azure bietet eine ähnliche Erfahrung über Data Science-VMs, die mit Python, R, Jupyter und Deep Learning Frameworks wie TensorFlow und PyTorch vorkonfiguriert sind. Kombinieren Sie Maschinelles Lernen mit Data Science-VMs, um eine verwaltete Plattform für Schulungs-, Bereitstellungs- und Machine Learning-Vorgänge zu erstellen. |
| Amazon SageMaker Autopilot | Fabric Data Science-Workload mit Machine Learning-Integration | Amazon SageMaker Autopilot automatisiert den Lebenszyklus des maschinellen Lernens, indem Datenvorverarbeitung, Algorithmusauswahl und Hyperparameteroptimierung mit minimalem manuellen Aufwand verarbeitet werden. Die Fabric Data Science-Arbeitsauslastung bietet automatisierte machine learning-gesteuerte Modellentwicklung und integriert sich in Machine Learning für Schulungen und Operationalisierung. |
| Amazon SageMaker Autopilot | Automatisiertes maschinelles Lernen | Diese Dienste bieten automatisiertes maschinelles Lernen zum Erstellen und Trainieren von Modellen. |
| Amazon SageMaker Studio | Fabric Data Science-Workload mit Machine Learning-Integration | Amazon SageMaker Studio ist eine integrierte Entwicklungsumgebung für maschinelles Lernen in AWS. Es stellt eine einzige webbasierte Schnittstelle zum Erstellen, Trainieren und Bereitstellen von Modellen bereit. Die Fabric Data Science-Workload kombiniert Notizbücher für die Zusammenarbeit und Spark-basierte Umgebungen in einer einheitlichen Analyseplattform und integriert sich in Machine Learning für Schulungen und Bereitstellungen. |
| Amazon SageMaker Studio | Azure Machine Learning Studio | Diese Dienste bieten integrierte Entwicklungsumgebungen für maschinelles Lernen. Amazon SageMaker Studio bietet eine einheitliche Schnittstelle für alle Machine Learning-Entwicklungsschritte, einschließlich Debugging- und Profilerstellungstools. |
KI-Dienste
KI-Dienste bieten vorgefertigte, anpassbare KI-Funktionen für Anwendungen, einschließlich Bildverarbeitung, Spracherkennung, Sprachverarbeitung und Entscheidungsfindungsfunktionen.
| AWS-Dienst | Azure-Dienst | Analyse |
|---|---|---|
| Amazon Rekognition | Azure AI Vision mit benutzerdefinierter Azure AI Vision | Amazon Rekognition ist ein Computer vision Service für Bild- und Videoanalyse. Es bietet Objekterkennung, Gesichtserkennung und Textextraktion. Azure AI Vision bietet vorgefertigte Modelle für Bild- und Videoverständnis. Sie können custom Vision verwenden, um domänenspezifische Modelle mit Ihren eigenen Daten zu trainieren. |
| Amazon Polly | Azure AI Speech Text-zu-Sprache | Amazon Polly ist ein Text-zu-Sprache-Dienst, der Text in lebensnahe Sprache konvertiert, indem neurale Stimmen in mehreren Sprachen verwendet werden. KI-Text-zu-Sprache bietet qualitativ hochwertige neurale Stimmen, Echtzeitstreaming und Batchsynthese für Anwendungen wie Sprachassistenten, Interaktive Sprachdialogsysteme (IVR) und Lösungen für Barrierefreiheit. KI Speech unterstützt auch benutzerdefinierte neurale Spracherstellung, um einzigartige, markenspezifische Stimmen zu erstellen und gleichzeitig Sicherheit und Compliance auf Unternehmensniveau aufrechtzuerhalten. |
| Amazon-Transkription | Azure AI Speech Sprache-zu-Text | Amazon Transcribe bietet Sprach-zu-Text mit Echtzeittranskription und benutzerdefinierten Vokabularn, die häufig für Anrufanalysen und Untertitel verwendet werden. AI Speech-to-Text bietet Echtzeit- und Batchtranskription, Sprecherdiarisierung und benutzerdefinierte Modelle für domänenspezifische Genauigkeit. |
| Amazon Übersetzer | Azure KI Übersetzer | Amazon Translate ist ein neuraler maschineller Übersetzungsdienst, der Übersetzungen in mehreren Sprachen für Websites, Apps und mehrsprachige Inhalte bereitstellt. Azure AI Translator bietet ähnliche Funktionen mit Echtzeit- und Batchübersetzung in mehr als 100 Sprachen. Es enthält auch Features wie Transliteration, Spracherkennung und benutzerdefinierte Glossare für domänenspezifische Genauigkeit. |
| Amazon verstehen | Azure KI Sprachdienst | Amazon Comprehend ist ein NLP-Dienst (Natural Language Processing), der Einblicke aus Text extrahiert, einschließlich Stimmung, Schlüsselausdrücke und Entitäten. Diese Funktionen helfen beim Analysieren von Kundenfeedback und Dokumenten. Azure AI Language (Textanalyse) bietet ähnliche Funktionen wie Die Stimmungsanalyse, die Extraktion von Schlüsselbegriffen, die benannte Entitätserkennung und die benutzerdefinierte Textklassifizierung. |
| Amazon Lex | Konversationssprachverständnis in Microsoft Foundry | Diese Dienste erstellen Unterhaltungsschnittstellen, die das Verständnis natürlicher Sprachen verwenden. Azure verfolgt einen modularen Ansatz, bei dem das Verstehen konversationeller Sprache für die Erkennung von Intentionen und die Extraktion von Entitäten zuständig ist. Andere Komponenten verwalten Dialog und Integration. Amazon Lex bietet eine integrierte Lösung zum Erstellen von Unterhaltungsschnittstellen vollständig innerhalb des AWS-Ökosystems. |
| Amazonas-Extrakt | Azure KI Dokument Intelligenz | Amazon Textract ist ein maschineller Lerndienst, der Text und Daten aus gescannten Dokumenten extrahiert, einschließlich Tabellen und Formularen, um die Dokumentverarbeitung zu automatisieren. Document Intelligence bietet ähnliche Funktionen mit optischer Zeichenerkennung (OCR), vorgefertigten Modellen für Rechnungen, Belege und IDs sowie die Möglichkeit, benutzerdefinierte Modelle für domänenspezifische Formulare zu trainieren. Document Intelligence unterstützt die multisprachliche Extraktion und bietet Layoutanalysen für komplexe Dokumente. |
| Amazon OpenSearch-Dienst | KI-Suche | Amazon OpenSearch Service ist eine verwaltete Such- und Analysemaschine, die auf Elasticsearch basiert, die häufig für Protokollanalysen, Volltextsuche und Echtzeit-Datenerkundung verwendet wird. AI Search bietet ähnliche Funktionen mit integrierter KI-Anreicherung, Hybridsuche (Schlüsselwort mit Vektor) und Integration in Azure-Dienste für Sicherheit und Compliance. Es unterstützt Szenarien wie die semantische Suche und die retrieval-augmented generation (RAG). |
Generative KI-Dienste
Die folgenden KI-Dienste erstellen neue Inhalte oder Daten, die einer vom Menschen generierten Ausgabe ähneln, z. B. Text, Bilder oder Audio.
| AWS-Dienst | Azure-Dienst | Analyse |
|---|---|---|
| Amazonas-Grundgestein | Microsoft Foundry | Diese Dienste bieten Foundation-Modelle zum Erstellen und Bereitstellen von generativen KI-Anwendungen. |
Beitragende
Microsoft verwaltet diesen Artikel. Die folgenden Mitwirkenden haben diesen Artikel geschrieben.
Hauptautor:
- Regina Hackenberg | Leitender technischer Spezialist
Andere Mitwirkende:
- Filipa Lobão | Cloud-Lösungsarchitekt
Um nicht-öffentliche LinkedIn-Profile anzuzeigen, melden Sie sich bei LinkedIn an.