Kunde
Ein vertrauenswürdiger globaler IT-Dienstleister mit über 20 Jahren Erfahrung, der sich auf Infor Lawson und CloudSuite ERP-Systeme spezialisiert hat.
Geschäftliche Herausforderung
- Skalierbarkeitsbeschränkungen in der RDS Aurora-Datenbank beeinträchtigten die Fähigkeit von APIX, wachsende Geschäftsanforderungen zu unterstützen.
- Hohe Betriebskosten im Zusammenhang mit der bestehenden RDS Aurora-Installation.
- Optimierungsbedarf bei der Datenverwaltung, um die Leistung zu verbessern.
- Erforderlich, um APIX zu ermöglichen, Berichte effektiver basierend auf historischen Daten zu erstellen.
Ansatz
- Entwicklung einer vollständig integrierten, AWS-nativen Daten- und Analyseplattform für Echtzeit-Entscheidungen und Betriebsoptimierung.
- Gestaltung der Plattform unter Verwendung der Prinzipien des AWS Well-Architected Frameworks, um eine sichere und robuste Datenbasis zu gewährleisten.
- Aufbau eines skalierbaren Data Lake mit AWS Glue als Grundlage für Datenintegration und -management.
- Migration historischer Daten von RDS Aurora-Tabellen in einen S3 Data Lake unter Verwendung von AWS Lake Formation, um nahezu unbegrenzten Speicherplatz für kostengünstige Berichterstellung und historische Analysen zu nutzen.
- Verwaltung von Metadaten im AWS Glue Catalog und Aktivierung serverloser, interaktiver Abfragen von S3-Daten mit AWS Athena.
- Ersetzen von gespeicherten Prozeduren durch Athena-Speicherabfragen, um die Wartung zu vereinfachen, die Entwicklung und Versionskontrolle zu erleichtern und flexible, SQL-basierte Ad-hoc-Abfragen zu unterstützen.
- Implementierung von AWS CloudWatch-Metriken zur Überwachung von Glue-Jobs, Lambda-Funktionen und Netzwerkleistung mit Warnungen für schnelle Reaktionen auf Latenz- und Durchsatzprobleme.
Technologiekomponenten
Transformationale Effekte
- Reduzierung der Betriebskosten um 30% durch die Verwendung von AWS Lambda für serverloses Datenverarbeitung.
- Verringerung der Datenverarbeitungszeit um 40% durch den Einsatz von AWS Athena für schnellere Einblicke.
- Einsparung von Lizenzkosten durch die Migration von RDS Oracle zu einem von AWS verwalteten Data Lake.
- Kosteneinsparungen durch die Nutzung von AWS Lake Formation, wodurch komplexe ETL-Pipelines überflüssig wurden.
