이 문서에서는 핵심 Azure 데이터 및 AI 서비스를 해당 AWS(Amazon Web Services) 솔루션과 비교합니다.
다른 Azure 및 AWS 서비스를 비교하려면 AWS 전문가용 Azure를 참조하세요.
데이터 거버넌스, 관리 및 플랫폼
Microsoft Purview와 다음 표에 설명된 AWS 서비스의 조합은 모두 포괄적인 데이터 거버넌스 솔루션을 제공합니다. 이러한 솔루션을 사용하여 데이터 자산을 관리, 검색, 분류 및 보호합니다.
| AWS 서비스 | Microsoft Service | 설명 |
|---|---|---|
| AWS Glue 데이터 카탈로그, AWS Lake Formation, Amazon Macie, AWS 식별 및 접근 관리(IAM), AWS 설정 | Microsoft Purview | 두 옵션 모두 데이터 거버넌스, 카탈로그 및 규정 준수 기능을 제공합니다. Microsoft Purview는 통합 데이터 거버넌스 솔루션입니다. 이를 사용하여 온-프레미스, 다중 클라우드 및 SaaS(Software as a Service) 환경에서 데이터를 검색, 분류 및 관리할 수 있습니다. 또한 데이터 계보 및 규정 준수 기능을 제공합니다. AWS는 메타데이터 관리를 위한 AWS Glue Data Catalog, 데이터 레이크 생성 및 거버넌스를 위한 AWS Lake Formation , 데이터 분류 및 보호를 위한 Amazon Macie , 액세스 제어를 위한 AWS IAM , 구성 관리 및 규정 준수 추적을 위한 AWS 구성 등 여러 서비스를 통해 유사한 기능을 제공합니다. |
올인원 플랫폼과 AWS 서비스 비교
Microsoft Fabric은 최신 분석 솔루션에 필요한 데이터와 AI 서비스를 통합하는 올인원 플랫폼을 제공합니다. 서비스 간에 데이터를 효율적으로 이동하고, 통합 거버넌스 및 보안을 제공하며, 가격 책정 모델을 간소화합니다. 이 방법은 종종 별도의 서비스를 사용하고 통합에 더 많은 노력을 투자해야 하는 AWS 접근 방식과 대조됩니다. Fabric은 Azure 에코시스템 내에서 이러한 함수 간에 통합을 제공합니다.
AWS와 Fabric은 모두 데이터 통합, 처리, 분석, 기계 학습 및 비즈니스 인텔리전스를 위한 기능을 제공합니다.
| AWS 서비스 | Microsoft Service | 설명 |
|---|---|---|
| AWS 글루 | Azure Data Factory와 패브릭 데이터 통합 | AWS Glue는 데이터 및 분석 솔루션을 빌드하는 기능을 제공합니다. 이 방법은 유연성을 제공하지만 각 서비스를 엔드 투 엔드 솔루션에 통합하는 데 더 많은 노력이 필요합니다. 패브릭은 단일 플랫폼 내의 기능을 결합하여 워크플로, 협업 및 관리를 간소화합니다. |
AWS 서비스 및 패브릭 구성 요소에 대한 자세한 비교
다음 표에서는 주요 패브릭 구성 요소와 해당 AWS 서비스를 비교합니다. 이를 통해 설계자와 의사 결정자는 패브릭 데이터 플랫폼이 데이터 엔지니어링, 분석, 거버넌스 및 AI 워크로드 전반에 걸쳐 AWS 제품과 어떻게 일치하거나 다른지 이해할 수 있습니다.
데이터 통합 및 ETL 도구
데이터 통합 및 ETL(추출, 변환 및 로드) 도구는 여러 원본에서 분석을 위한 통합 시스템으로 데이터를 추출, 변환 및 로드하는 데 도움이 됩니다.
| AWS 서비스 | Microsoft Service | 분석 |
|---|---|---|
| AWS 글루 | Azure Data Factory, Fabric의 Azure Data Factory | Data Factory 서비스, 패브릭의 Azure Data Factory 기능 및 AWS Glue는 다양한 원본 간에 데이터 통합을 용이하게 하는 관리되는 ETL 서비스입니다. |
| MWAA(Amazon Managed Workflows for Apache Airflow) | 패브릭의 Apache Airflow 작업 | Apache Airflow는 복잡한 데이터 파이프라인에 대한 관리되는 워크플로 오케스트레이션을 제공합니다. 패브릭의 Apache Airflow 작업 기능은 차세대 Data Factory 워크플로 오케스트레이션 관리자 역할을 합니다. 이 기능을 사용하여 Apache Airflow 작업을 만들고 관리하고 지시된 DAG(순환 그래프)를 실행할 수 있습니다. 패브릭의 Azure Data Factory의 일부로 Airflow 작업 기능은 데이터베이스, 데이터 웨어하우스, 레이크하우스 및 실시간 데이터와 같은 데이터 원본에서 데이터 통합, 준비 및 변환을 제공합니다. AWS MWAA는 관리되는 Airflow 솔루션입니다. |
| AWS DMS(Database Migration Service) | 데이터 웨어하우스용 패브릭 마이그레이션 어시스턴트 | 이러한 서비스는 AWS에서 Azure로 데이터베이스를 마이그레이션하는 데 도움이 됩니다. Fabric Migration Assistant는 AWS의 원본 데이터베이스에서 Fabric Data Warehouse로 데이터 및 메타데이터를 마이그레이션하는 방법을 안내하는 Fabric의 기본 제공 도구입니다. 스키마를 변환하고, AI를 사용하여 마이그레이션 문제를 해결하고, SQL 기반 원본에서 마이그레이션을 지원합니다. AWS DMS는 AWS 환경 내의 마이그레이션에 중점을 두고 하이브리드 아키텍처에 대한 지속적인 복제 기능을 제공합니다. |
| AWS DMS | Azure Database Migration Service | 이러한 서비스는 가동 중지 시간을 최소화하면서 데이터베이스를 클라우드로 마이그레이션하는 데 도움이 됩니다. Azure 서비스는 Azure 데이터베이스로 마이그레이션하는 데 중점을 두고 평가 및 권장 사항 도구를 포함합니다. AWS DMS는 AWS 환경 내의 마이그레이션에 중점을 두고 하이브리드 아키텍처에 대한 지속적인 복제 기능을 제공합니다. |
| 아마존 AppFlow | Azure Logic Apps | 이러한 서비스는 코드를 요구하지 않고 클라우드 애플리케이션과 서비스 간의 데이터 흐름을 자동화합니다. Logic Apps는 광범위한 커넥터와 비주얼 디자이너를 통해 통합 기능을 제공합니다. AppFlow는 특정 SaaS 애플리케이션과 AWS 서비스 간에 보안 데이터 전송을 제공하며 기본 제공 데이터 변환 기능을 포함합니다. |
| AWS 단계 함수 | Logic Apps와 함께하는 Data Factory | 이러한 서비스는 분산 애플리케이션 및 마이크로 서비스를 조정하기 위한 워크플로 오케스트레이션을 제공합니다. Logic Apps는 데이터 통합과 엔터프라이즈 워크플로 자동화를 모두 지원합니다. Step Functions는 서버리스 애플리케이션에서 AWS 서비스 및 마이크로 서비스를 오케스트레이션합니다. |
데이터 웨어하우징
다음 솔루션은 쿼리 및 보고에 최적화된 대량의 구조적 데이터를 저장하고 관리합니다.
| AWS 서비스 | Microsoft Service | 분석 |
|---|---|---|
| Amazon Redshift | 패브릭 데이터 웨어하우스 | 패브릭 데이터 웨어하우스 및 Amazon Redshift는 대규모 고성능 분석을 위해 설계된 PB(클라우드 기반 및 페타바이트) 규모의 데이터 웨어하우스로 관리됩니다. Fabric Data Warehouse는 Fabric과 통합되며 스토리지, 분석, 거버넌스 및 AI를 결합하는 통합 플랫폼을 제공합니다. Redshift는 AWS 에코시스템을 사용하고 데이터 웨어하우징에 중점을 둡니다. 두 서비스 모두 대규모 병렬 처리를 지원합니다. 패브릭은 Microsoft 데이터 및 AI 서비스 전반에 걸쳐 레이크 우선 아키텍처와 심층 통합을 제공합니다. |
| 아마존 레드시프트 스펙트럼 | OneLake 바로 가기, Power BI의 Direct Lake 및 Azure Data Factory의 파이프라인 커넥터 | Amazon Redshift Spectrum을 사용하면 Amazon S3에서 외부 데이터를 쿼리할 수 있습니다. 반면 패브릭은 레이크 우선 접근 방식을 제공합니다. OneLake 바로 가기를 사용하여 여러 원본의 데이터를 이동하지 않고 단일 논리적 데이터 레이크로 가상화할 수 있습니다. Power BI의 Direct Lake 모드는 가져오기 없이 OneLake에서 열린 델타 및 Parquet 파일에 대한 즉각적인 분석을 제공합니다. Fabric Data Factory 파이프라인은 데이터 흐름을 수집, 변환 및 오케스트레이션하는 네이티브 커넥터를 제공합니다. |
| AWS 레이크 포메이션 | OneLake, Fabric의 Microsoft Purview 및 패브릭 권한 모델 | AWS Lake Formation은 Amazon S3 기반 데이터 레이크를 기반으로 거버넌스 및 액세스 제어를 제공합니다. 반면 Fabric은 카탈로그, 계보 및 데이터 거버넌스를 위해 Microsoft Purview와 결합된 OneLake를 통해 이러한 기능을 제공합니다. RBAC(역할 기반 액세스 제어) 및 세분화된 보안을 사용하여 작업 영역, 테이블 및 열에 대한 액세스를 제공합니다. |
| Amazon Redshift 페더레이션 쿼리를 사용하는 AMAZON RDS(관계형 데이터베이스 서비스) | Fabric SQL Database, Dataflow Gen2의 Amazon Redshift 커넥터, 패브릭 데이터 파이프라인 및 OneLake 바로 가기 | Amazon Redshift Federated Query를 사용하는 Amazon RDS를 사용하면 Amazon Redshift가 라이브 RDS 데이터에서 직접 SQL 쿼리를 실행할 수 있습니다. 이 설정은 운영 및 분석 저장소에서 실시간 액세스를 제공합니다. Fabric SQL Database는 자동 크기 조정, 기본 제공 거버넌스 및 Fabric 플랫폼과의 통합이 포함된 SaaS 네이티브 SQL 엔진을 도입했습니다. 패브릭 데이터 파이프라인은 Amazon RDS 및 Amazon Redshift에서 레이크하우스 또는 SQL 데이터베이스로의 수집을 지원합니다. OneLake 바로 가기는 Azure Data Lake Storage Gen2 및 Amazon S3와 같은 외부 데이터를 중복 없이 패브릭으로 가상화합니다. |
| Amazon RDS를 사용하는 Amazon Redshift 페더레이션 쿼리 | Azure SQL 데이터베이스 | 이러한 서비스는 운영 데이터베이스 및 데이터 웨어하우스에서 쿼리를 지원합니다. SQL Database는 Azure 분석 서비스와 통합할 수 있습니다. 반면, AWS에서는 페더레이션된 쿼리를 통해 서비스 간 쿼리 기능을 위해 RDS와 Amazon Redshift를 결합해야 합니다. |
| 아마존 레드시프트 통합과 아마존 오로라 | Fabric에서의 SQL 데이터베이스 | Amazon Aurora는 운영 데이터를 처리하고 Amazon Redshift는 페더레이션된 쿼리 및 일괄 처리 수집을 통해 대규모 분석을 수행합니다. Fabric SQL Database는 OneLake 및 Power BI와 기본적으로 통합되는 관리형 자동 크기 조정 관계형 엔진을 제공합니다. 이 설정은 통합 분석 및 거버넌스를 지원합니다. |
| 아마존 레드시프트 통합과 아마존 오로라 | SQL 데이터베이스 서버리스 | 이러한 관리형 클라우드 네이티브 관계형 데이터베이스는 컴퓨팅을 스토리지와 분리하고, 수요에 따라 리소스의 크기를 자동으로 조정하며, 고가용성을 보장합니다. 두 서비스 모두 SQL 기반 엔진을 사용하고 트랜잭션 및 분석 워크로드에 대한 비용 효율적인 솔루션으로 확장됩니다. SQL Database Serverless는 비활성 중에 자동으로 일시 중지되어 전체 SQL Server 엔진을 제공하는 동안 비용을 최적화합니다. |
데이터 레이크 솔루션
다음 플랫폼은 향후 처리를 위해 방대한 양의 원시 구조화 및 구조화되지 않은 데이터를 기본 형식으로 저장합니다.
| AWS 서비스 | Microsoft Service | 분석 |
|---|---|---|
| 아마존 S3 | OneLake, Data Lake Storage | Data Lake Storage 및 Amazon S3은 빅 데이터 분석을 위해 설계된 확장 가능한 개체 스토리지 솔루션입니다. Parquet, CSV(쉼표로 구분된 값) 및 JSON과 같은 형식을 지원합니다. Data Lake Storage는 Azure 네이티브 도구에 최적화되어 있으며 Amazon S3는 AWS 서비스와 통합됩니다. OneLake는 클라우드에서 구조화되고 구조화되지 않은 데이터를 제어되는 단일 레이크로 통합합니다. OneLake 바로 가기를 사용하여 패브릭은 액세스 및 분석을 지원하는 중복 없이 Amazon S3, Data Lake Storage 및 Google Cloud의 데이터를 가상화할 수 있습니다. OneLake는 다중 클라우드 유연성, 제로 ETL 통합 및 Delta Lake를 지원합니다. |
| AWS 레이크 포메이션 | OneLake | AWS Lake Formation은 AWS 에코시스템 내에서 데이터 레이크를 관리합니다. OneLake는 레이크하우스, 웨어하우스, Real-Time Intelligence 및 Power BI를 비롯한 모든 패브릭 워크로드를 지원하는 SaaS 네이티브 데이터 레이크를 제공합니다. OneLake는 추가 설정이 필요하지 않으며 Microsoft Purview를 통한 기본 제공 거버넌스를 포함합니다. 또한 Delta Lake와 다중 클라우드 가상화(예: Amazon S3)에 대한 기본 지원과 바로 가기 기능을 제공합니다. |
| 아마존 아테나 | 패브릭 레이크하우스 | Amazon Athena는 Amazon S3에 저장된 데이터에 대해 직접 실시간 SQL 분석을 가능하게 하는 서버리스 쿼리 엔진입니다. 패브릭 레이크하우스는 데이터 엔지니어링 및 분석 모두를 위한 통합 환경을 제공합니다. Delta Lake 형식을 사용하여 OneLake에 데이터를 저장하고 Spark, T-SQL 및 Python을 지원합니다. |
| AWS Glue 데이터 카탈로그 | Microsoft Purview | AWS Glue Data Catalog는 분석 및 기계 학습을 위한 메타데이터를 중앙 집중화합니다. 메타데이터 저장소 및 스키마 레지스트리 역할을 하며 계보, 정책 및 거버넌스를 관리하기 위해 다른 서비스가 필요합니다. Microsoft Purview는 Azure, OneLake 및 온-프레미스 및 다중 클라우드 환경에 걸쳐 있는 통합 데이터 거버넌스 서비스입니다. OneLake, Data Lake Storage 및 기타 원천의 데이터를 카탈로그화합니다. 통합 카탈로그를 통해 데이터 분류, 계보 시각화, 정책 관리 및 용어집 통합을 제공합니다. 데이터 레이크 관점에서 Microsoft Purview는 하나의 플랫폼에서 메타데이터, 보안 및 규정 준수를 연결하여 거버넌스 우선 접근 방식을 제공합니다. |
빅 데이터 분석
이러한 서비스는 크고 복잡한 데이터 세트를 처리하고 분석하여 패턴, 인사이트 및 추세를 파악합니다. 다음 표에서는 개별 빅 데이터 서비스를 직접 비교합니다. 패브릭은 빅 데이터 및 분석을 위한 올인원 서비스입니다. 다음 서비스 등을 제공합니다.
| AWS 서비스 | Microsoft Service | 분석 |
|---|---|---|
| 아마존 EMR | Spark를 사용하는 패브릭 데이터 엔지니어링 워크로드 | Amazon EMR은 Spark, Hadoop 및 Hive와 같은 프레임워크를 실행하는 관리형 빅 데이터 서비스입니다. 클러스터를 프로비전하고 조정해야 합니다. 패브릭 데이터 엔지니어링 워크로드는 Spark를 사용하여 클러스터 관리의 필요성을 제거합니다. 패브릭 에코시스템 내에서 서버리스, 통합 및 관리 환경을 제공합니다. |
| 아마존 EMR | Azure Databricks | 이러한 서비스는 관리되는 환경에서 Spark를 통한 빅 데이터 처리를 지원합니다. Amazon EMR은 Spark 클러스터를 실행하고 유연한 구성 및 크기 조정 옵션을 제공합니다. Azure Databricks는 공동 작업 Notebook 및 통합 워크플로를 포함하는 최적화된 Spark 플랫폼을 제공합니다. |
| 아마존 키네시스 | Azure Event Hubs 및 Azure Stream Analytics | 이러한 서비스는 대용량 데이터 스트림을 처리하고 분석하기 위한 실시간 데이터 스트리밍 및 분석을 제공합니다. |
| AWS Glue Studio와 함께하는 AWS Glue | Spark를 사용하는 패브릭 데이터 엔지니어링 워크로드 | AMAZON Kinesis와 결합된 AWS Glue Studio는 데이터 통합 및 실시간 스트리밍 파이프라인을 제공하지만 서비스 간의 데이터 이동을 관리해야 합니다. 패브릭 데이터 엔지니어링 워크로드는 Spark를 사용하여 이러한 기능을 패브릭 플랫폼에 직접 제공합니다. 일괄 처리 및 스트리밍 변환, 오케스트레이션 및 거버넌스는 OneLake, Purview 및 Power BI와 통합됩니다. Fabric은 ETL, 스트리밍 및 분석을 위한 별도의 서비스를 관리하지 않고 데이터 통합 및 엔지니어링을 위한 단일 환경을 제공합니다. |
| AWS Glue Studio와 함께하는 AWS Glue | Azure Databricks 및 Data Factory | 두 서비스 조합 모두 통합 데이터 변환 및 분석을 포함하는 빅 데이터 처리 기능을 제공합니다. |
비즈니스 인텔리전스 및 보고
다음 서비스는 정보에 입각한 의사 결정을 내리는 데 도움이 되는 데이터 시각화, 보고 및 대시보드를 제공합니다.
| AWS 서비스 | Microsoft Service | 분석 |
|---|---|---|
| Amazon QuickSight | Power BI | Power BI 및 Amazon Quick Sight는 데이터 시각화 및 대화형 대시보드를 위한 비즈니스 분석 도구를 제공합니다. |
| 아마존 관리형 Grafana | Azure Managed Grafana | 이러한 서비스는 관리형 Grafana를 제공하여 여러 데이터 원본에서 메트릭, 로그 및 추적을 시각화합니다. |
| AWS 데이터 교환 | 패브릭의 외부 데이터 공유 및 OneLake 바로 가기 | AWS Data Exchange는 조직에서 외부 데이터 세트를 구독하고 사용할 수 있는 마켓플레이스를 제공합니다. 서비스는 라이선스 및 보안 배달을 처리합니다. 패브릭에서 외부 협업은 OneLake 바로 가기 및 테넌트 간 공유를 통해 사용할 수 있습니다. 외부 데이터는 Spark, SQL, KQL 및 Power BI에서 사용할 수 있게 됩니다. |
| AWS 데이터 교환 | Azure 데이터 공유 | 이러한 서비스는 조직 간에 데이터를 안전하게 공유하고 교환할 수 있도록 지원합니다. AWS Data Exchange는 마켓플레이스 모델을 제공합니다. 데이터 공유는 테넌트 간 데이터 공유에 중점을 둡니다. |
| Kibana를 사용하는 Amazon OpenSearch 서비스 | Power BI를 사용하는 패브릭 KQL 데이터베이스 | Kibana와 Amazon OpenSearch Service는 일반적으로 로그 분석 및 관찰에 사용되는 대규모 데이터 세트를 인덱싱, 쿼리 및 시각화하기 위한 관리되는 검색 및 분석 플랫폼을 제공합니다. 패브릭은 실시간 데이터 탐색을 위해 KQL 데이터베이스를 통해 유사한 기능을 제공하며, 대화형 보고를 위해 Power BI와 결합됩니다. |
| Kibana를 사용하는 Amazon OpenSearch 서비스 | Azure AI Search, Azure Data Explorer 및 대시보드 | 이러한 서비스는 대량의 데이터에 대한 실시간 데이터 탐색 및 대화형 분석을 제공합니다. Amazon OpenSearch는 검색 및 시각화에 Kibana를 사용합니다. AI Search는 지능형 전체 텍스트 검색을 제공합니다. Azure Data Explorer는 KQL을 사용하여 시각화를 위한 대화형 대시보드를 사용하여 고성능 실시간 분석을 지원합니다. |
실시간 데이터 처리
다음 시스템은 즉각적인 인사이트와 응답을 제공하기 위해 생성된 데이터를 수집하고 분석합니다.
| AWS 서비스 | Microsoft Service | 분석 |
|---|---|---|
| 아마존 키네시스 | Fabric Real-Time Intelligence 허브, 패브릭 이벤트 스트림 및 Fabric KQL 데이터베이스 | Amazon Kinesis를 사용하면 Amazon S3, Amazon Redshift 및 AWS 람다와 같은 서비스에서 실시간 데이터 스트리밍, 수집 및 처리를 수행할 수 있습니다. Fabric은 Amazon Kinesis, Apache Kafka, Event Hubs 및 Google Pub/Sub를 비롯한 여러 원본에서 수집을 지원하는 Real-Time Intelligence 허브를 사용하여 스트리밍 아키텍처를 제공합니다. 패브릭 이벤트 스트림은 스트림 라우팅, 변환 및 경고를 관리합니다. |
| 아마존 키네시스 | Event Hubs 및 Stream Analytics | 이러한 서비스는 IoT(사물 인터넷) 디바이스의 데이터를 실시간으로 처리하고 분석합니다. Amazon Kinesis는 스트리밍 수집 및 처리 기능을 제공합니다. Azure는 모듈식 서비스를 제공합니다. Event Hubs는 데이터 수집을 처리하고 Stream Analytics는 데이터를 처리합니다. |
| Kafka용 Amazon Managed Streaming(MSK) | Kafka 엔드포인트를 사용하는 패브릭 이벤트 스트림 | Amazon MSK는 AWS에서 관리되는 Kafka 서비스입니다. 패브릭 이벤트 스트림은 Kafka 프로토콜을 통해 데이터를 게시하고 소비하기 위해 Kafka 엔드포인트를 지원합니다. 또한 이러한 이벤트 스트림은 Power BI를 사용하는 이벤트 하우스와 같은 다운스트림 처리 및 분석을 위해 Amazon MSK에서 패브릭 실시간 인텔리전스 허브로 직접 데이터를 수집할 수 있습니다. Azure는 관리형 Kafka 호환 수집 평면(Event Hubs)과 관리되는 Kafka 클러스터(Azure HDInsight)를 모두 제공합니다. Fabric은 Kafka와 통합되는 엔드 투 엔드 실시간 분석 허브를 제공합니다. |
| Amazon MSK | Kafka용 Event Hubs | 이러한 서비스는 실시간 스트리밍 데이터 파이프라인 및 애플리케이션을 만들기 위한 관리형 Kafka 클러스터를 제공합니다. Kafka용 Event Hubs는 Kafka 호환 엔드포인트를 노출하며 기존 클라이언트는 최소한의 변경으로 연결할 수 있습니다. 또한 프리미엄 및 전용 계층에서 Kafka 스트림을 지원합니다. |
| AWS 람다 | 서버리스 데이터 처리를 위한 패브릭 노트북과 패브릭 데이터 파이프라인 | AWS Lambda는 서버를 관리하지 않고 코드를 실행하기 위한 서버리스 이벤트 기반 컴퓨팅입니다. 패브릭에서 분석 중심의 서버리스 스타일 처리를 위해 Azure Data Factory 파이프라인과 함께 Fabric Notebook을 사용할 수 있습니다. Notebook은 데이터 수집, 정리 및 변환을 위해 관리되는 Spark 작업을 실행합니다. 파이프라인은 엔드 투 엔드 데이터 워크플로의 일부로 이러한 Notebook을 오케스트레이션하고 예약합니다. 이 워크플로는 수요에 따라 컴퓨팅을 제공하고 패브릭 내에서 클러스터 관리를 필요로 하지 않습니다. |
| AWS 람다 | Azure Functions와 Azure API Management를 사용하여 API 트리거 수행 | 이러한 서버리스 컴퓨팅 플랫폼은 이벤트에 대한 응답으로 코드를 실행하고 기본 컴퓨팅 리소스를 자동으로 관리합니다. Azure Functions는 동일한 이벤트 기반 자동 크기 조정 구현 모델을 제공하며 일반적으로 API Management 및 기타 Azure 트리거와 쌍을 이룬다. 또한 Microsoft는 패리티 및 코드 이동을 용이하게 하기 위해 람다에서 Azure Functions로 마이그레이션 가이드 를 제공합니다. |
| Amazon DynamoDB 스트림 | 패브릭 이벤트 스트림을 사용하는 패브릭 미러링(Azure Cosmos DB) | Amazon DynamoDB 스트림은 이벤트 기반 처리 및 다운스트림 분석을 가능하게 하는 Amazon DynamoDB 테이블의 항목 수준 변경에 대한 실시간 피드를 제공합니다. 패브릭에서 분석을 위해 Azure Cosmos DB를 OneLake로 미러링하면 ETL 오버헤드가 제거됩니다. 패브릭 이벤트 스트림을 이 설정과 결합하여 실시간 이벤트를 라우팅하고 Fabric KQL 데이터베이스 또는 레이크하우스와 통합합니다. |
| Amazon DynamoDB 스트림 | Azure Cosmos DB 변경 피드 | 이러한 서비스를 사용하면 데이터 수정 스트림을 캡처하고 제공하여 실시간 데이터 처리를 수행할 수 있습니다. |
| Redis 스트림을 사용하는 Amazon ElastiCache | Redis 스트림을 사용하는 Azure Cache for Redis | 이러한 서비스는 실시간 데이터 수집 및 처리를 위해 Redis 스트림을 지원하는 관리형 Redis 인스턴스를 제공합니다. |
| Amazon IoT 분석 | Fabric KQL 데이터베이스를 사용하는 패브릭 이벤트 스트림 | Amazon IoT Analytics는 대규모로 IoT 디바이스 데이터를 수집, 처리 및 분석하는 관리형 서비스입니다. 패브릭 이벤트 스트림은 IoT 원격 분석을 수집하고 실시간 쿼리 및 분석을 위해 패브릭 KQL 데이터베이스로 라우팅합니다. |
| AWS IoT Analytics | Stream Analytics를 사용하는 Azure IoT Hub | 이러한 서비스를 사용하면 IoT 디바이스의 데이터를 실시간으로 처리하고 분석할 수 있습니다. Amazon IoT Analytics는 기본 제공 데이터 스토리지 및 분석 기능을 제공합니다. Azure는 모듈식 서비스를 제공합니다. IoT Hub는 수집을 처리하고 Stream Analytics는 데이터를 처리합니다. |
기계 학습 서비스
다음 도구와 플랫폼을 통해 기계 학습 모델의 개발, 학습 및 배포를 수행할 수 있습니다.
| AWS 서비스 | Microsoft Service | 분석 |
|---|---|---|
| 아마존 SageMaker | Machine Learning 통합을 사용하는 패브릭 데이터 과학 워크로드 | Amazon SageMaker는 대규모 기계 학습 모델을 빌드, 학습 및 배포하기 위한 관리되는 플랫폼입니다. Azure는 데이터 준비, 자동화된 기계 학습, 모델 배포 및 기계 학습 작업을 지원하는 엔드 투 엔드 관리 서비스인 Machine Learning을 통해 동등한 기능을 제공합니다. 패브릭 데이터 과학 워크로드는 모델 개발 및 보강을 제공합니다. 학습, GPU 가속 및 엔터프라이즈급 배포를 위해 Machine Learning과 통합됩니다. |
| AWS 딥 러닝 Amazon 머신 이미지(AMI) | Machine Learning을 사용하는 데이터 과학 VM(가상 머신) | AWS 딥 러닝 API는 AI 모델 개발을 가속화하기 위해 인기 있는 딥 러닝 프레임워크, GPU 드라이버 및 라이브러리와 함께 미리 빌드된 VM 이미지를 제공합니다. Azure는 Python, R, Jupyter 및 TensorFlow 및 PyTorch와 같은 딥 러닝 프레임워크로 미리 구성된 데이터 과학 VM을 통해 비슷한 환경을 제공합니다. Machine Learning을 데이터 과학 VM과 결합하여 학습, 배포 및 기계 학습 작업을 위한 관리형 플랫폼을 만듭니다. |
| 아마존 SageMaker 오토파일럿 | Machine Learning 통합을 사용하는 패브릭 데이터 과학 워크로드 | Amazon SageMaker Autopilot은 최소한의 수동 작업으로 데이터 전처리, 알고리즘 선택 및 하이퍼 매개 변수 튜닝을 처리하여 기계 학습 수명 주기를 자동화합니다. 패브릭 데이터 과학 워크로드는 자동화된 기계 학습 기반 모델 개발을 제공하고 학습 및 운영화를 위해 Machine Learning과 통합됩니다. |
| 아마존 SageMaker 오토파일럿 | 자동화된 기계 학습 | 이러한 서비스는 모델 빌드 및 학습을 위한 자동화된 기계 학습을 제공합니다. |
| 아마존 SageMaker 스튜디오 | Machine Learning 통합을 사용하는 패브릭 데이터 과학 워크로드 | Amazon SageMaker Studio는 AWS의 기계 학습을 위한 통합 개발 환경입니다. 모델을 빌드, 학습 및 배포하는 단일 웹 기반 인터페이스를 제공합니다. 패브릭 데이터 과학 워크로드는 공동 작업 노트북 및 스파크 기반 환경을 하나의 통합 분석 플랫폼으로 결합하며, 학습 및 배포를 위해 머신 러닝과 통합됩니다. |
| 아마존 SageMaker 스튜디오 | Azure Machine Learning 스튜디오 | 이러한 서비스는 기계 학습을 위한 통합 개발 환경을 제공합니다. Amazon SageMaker Studio는 디버깅 및 프로파일링 도구를 비롯한 모든 기계 학습 개발 단계에 대한 통합 인터페이스를 제공합니다. |
AI 서비스
AI 서비스는 비전, 음성, 언어 및 의사 결정 기능을 포함하여 애플리케이션에 미리 빌드되고 사용자 지정 가능한 AI 기능을 제공합니다.
| AWS 서비스 | Azure 서비스 | 분석 |
|---|---|---|
| 아마존 Rekognition | Azure AI Vision 및 Azure AI Custom Vision | Amazon Rekognition은 이미지 및 비디오 분석을 위한 컴퓨터 비전 서비스입니다. 개체 감지, 얼굴 인식 및 텍스트 추출을 제공합니다. Azure AI Vision은 이미지 및 비디오 이해를 위해 미리 빌드된 모델을 제공합니다. Custom Vision을 사용하여 고유한 데이터로 도메인별 모델을 학습할 수 있습니다. |
| 아마존 폴리 | Azure AI Speech 텍스트 음성 변환 | Amazon Polly는 여러 언어에서 신경망 음성을 사용하여 텍스트를 실제 음성으로 변환하는 텍스트 음성 변환 서비스입니다. AI Speech 텍스트 음성 변환은 음성 도우미, 대화형 음성 응답(IVR) 시스템 및 접근성 솔루션과 같은 애플리케이션을 위한 고품질 신경망 음성, 실시간 스트리밍 및 일괄 처리 합성을 제공합니다. 또한 AI Speech는 엔터프라이즈급 보안 및 규정 준수를 유지하면서 고유한 브랜드별 음성을 빌드하는 사용자 지정 신경망 음성 생성을 지원합니다. |
| 아마존 트랜스크립션 | Azure AI Speech 음성 텍스트 변환 | Amazon Transcribe는 통화 분석 및 캡션에 일반적으로 사용되는 실시간 전사 및 사용자 지정 어휘를 사용하여 음성 텍스트 변환을 제공합니다. AI Speech 음성 텍스트 변환은 도메인별 정확도를 위해 실시간 및 일괄 처리 전사, 화자 다이어리화 및 사용자 지정 모델을 제공합니다. |
| 아마존 번역 | Azure AI 번역기 | Amazon Translate는 웹 사이트, 앱 및 다국어 콘텐츠에 대해 여러 언어로 번역을 제공하는 신경망 기계 번역 서비스입니다. Azure AI Translator는 100개 이상의 언어로 실시간 및 일괄 처리 번역과 비슷한 기능을 제공합니다. 또한 도메인별 정확도를 위해 음역, 언어 감지 및 사용자 지정 용어집과 같은 기능을 포함합니다. |
| 아마존 컴프리헨드 | Azure AI 언어 | Amazon Comprehend는 감정, 핵심 구 및 엔터티를 포함하여 텍스트에서 인사이트를 추출하는 NLP(자연어 처리) 서비스입니다. 이러한 기능은 고객 피드백 및 문서를 분석하는 데 도움이 될 수 있습니다. Azure AI 언어(텍스트 분석)는 감정 분석, 핵심 구 추출, 명명된 엔터티 인식 및 사용자 지정 텍스트 분류와 같은 기능과 유사한 기능을 제공합니다. |
| 아마존 렉스 | Microsoft Foundry의 대화형 언어 이해 | 이러한 서비스는 자연어 이해를 사용하는 대화형 인터페이스를 만듭니다. Azure는 대화형 언어 이해가 의도 인식 및 엔터티 추출을 처리하는 모듈식 접근 방식을 사용합니다. 다른 구성 요소는 대화 및 통합을 관리합니다. Amazon Lex는 AWS 에코시스템 내에서 대화형 인터페이스를 빌드하기 위한 통합 솔루션을 제공합니다. |
| 아마존 Textract | Azure AI 문서 인텔리전스 | Amazon Textract는 문서 처리를 자동화하기 위해 테이블 및 양식을 포함하여 스캔한 문서에서 텍스트와 데이터를 추출하는 기계 학습 서비스입니다. Document Intelligence는 OCR(광학 문자 인식), 청구서, 영수증 및 ID에 대해 미리 빌드된 모델 및 도메인별 양식에 대한 사용자 지정 모델을 학습하는 기능과 유사한 기능을 제공합니다. Document Intelligence는 다국어 추출을 지원하며 복잡한 문서에 대한 레이아웃 분석을 제공합니다. |
| Amazon OpenSearch 서비스 | AI 검색 | Amazon OpenSearch Service는 Elasticsearch를 기반으로 하는 관리형 검색 및 분석 엔진으로, 일반적으로 로그 분석, 전체 텍스트 검색 및 실시간 데이터 탐색에 사용됩니다. AI Search는 기본 제공 AI 보강, 하이브리드 검색(벡터가 있는 키워드) 및 보안 및 규정 준수를 위해 Azure 서비스와의 통합과 유사한 기능을 제공합니다. 의미 체계 검색 및 RAG(검색 보강 생성)와 같은 시나리오를 지원합니다. |
생성형 AI 서비스
다음 AI 서비스는 텍스트, 이미지 또는 오디오와 같이 사람이 생성한 출력과 유사한 새 콘텐츠 또는 데이터를 만듭니다.
| AWS 서비스 | Azure 서비스 | 분석 |
|---|---|---|
| 아마존 암반 | Microsoft Foundry | 이러한 서비스는 생성 AI 애플리케이션을 만들고 배포하는 기본 모델을 제공합니다. |
기여자
Microsoft는 이 문서를 유지 관리합니다. 다음 기여자는 이 문서를 작성했습니다.
주 저자
- 레지나 하켄버그 | 선임 기술 전문가
기타 기여자:
- Filipa Lobão | 클라우드 솔루션 설계자
LinkedIn 비공개 프로필을 보려면, LinkedIn에 로그인하세요.