ISBN 9784910313016
AWSではじめるデータレイク : クラウドによる統合型データリポジトリ構築入門
概要
AWS上でデータレイクを概念から設計・構築・運用まで実践する
想定読者
データ分析基盤をAWSで整備したいインフラ・データエンジニア、およびAWS認定データアナリティクス試験の学習者
こんな人には向いていない
- データレイクやクラウド全般の前提知識がまったくない絶対初心者には、第2部以降のハンズオンで躓く可能性がある
- すでにAWS上でデータレイクを本番運用しており、特定サービスの深掘りを求める読者には概念説明の比重が大きい
- AWS以外のクラウドベンダ(Azure・GCP)のデータ基盤構築を検討している読者には直接的な参考にならない
読了後にできるようになること
- データレイクの概念・特徴・従来型データウェアハウスとの違いを説明できる
- Amazon S3を中心に、Athena・Glue・Redshift・SageMakerを組み合わせたデータ基盤アーキテクチャを設計できる
- ビジネスデータ分析とログデータ分析の2パターンについてシステム構築の流れを実践的に理解できる
- データレイクの運用・セキュリティ管理の基本方針を立てられる
- サーバーレスSQL(Athena)によるデータ分析とデータ変換(Glue ETL)の実装手順を習得できる
- 機械学習パイプライン(SageMaker連携)をデータレイク上で構成するための技術的指針を得られる
本書のキー概念(章解説)
- 序章 データレイクを始めよう — データレイクの全体像を掴む導入。まずここで用語感覚を整えてから先へ進むとスムーズ
- 第 1 章 第1章 データレイクの構築
- 第 2 章 第2章 データレイクの活用
- 第 3 章 第3章 データレイクの運用
- 第 4 章 第4章 データレイクのセキュリティ — 本番導入前に確認すべきアクセス制御・暗号化の方針が整理されている
- 第 5 章 第5章 ハンズオンの概要 -ビジネスデータのデータレイク-
- 第 6 章 第6章 データを可視化する
- 第 7 章 第7章 サーバーレスSQLによるデータ分析 — Athenaを使ったアドホック分析の実践。試験対策としても言及が多い章
- 第 8 章 第8章 データを変換する
- 第 9 章 第9章 データを分析する(データウェアハウス)
- 第 10 章 第10章 システムの概要 -ログデータのデータレイク-
- 第 11 章 第11章 ログを集める
- 第 12 章 第12章 ログの保管とカタログ化
- 第 13 章 第13章 ログを加工する
- 第 14 章 第14章 ログを分析する — ログデータ活用の応用編。ビジネスデータ篇との対比で読むとアーキテクチャ選択の判断基準が明確になる
ハイライト
- データレイクの概念から、ビッグデータ分析に利用されるAWSサービスについての詳細・ハンズオンまで載っていて、勉強を始めるにはとてもよい一冊だと思いました。(概念からハンズオンまでの一貫した構成を評価しているコメント)
- AWSのAnalytics専門家(ソリューションアーキテクト)が著者であり、AWSのビッグデータ系サービスについてこれ以上の信頼性はないかと思われます。(著者の専門性に言及した実務者視点のコメント)
- Amazon AthenaやAWS Glue、またOpenSearchの理解を深めるのに役立ちました。(個別サービス理解への貢献を具体的に示した言及)
外部からの言及
- AWS認定データアナリティクス–専門知識(DAS)の合格体験記で繰り返し参照書として挙げられており、試験対策の入口として機能している。ただし後発の公式対策本が登場したことで、試験合格のみを目的とする読者には冗長とする意見も見られる(qiita)
- 著者がAWSのAnalyticsソリューションアーキテクトであることへの信頼感を根拠に、サービス解説の信憑性を高く評価するコメントが複数見られる。入門者向けの段階的なハンズオン構成も好評(qiita)
- AWS基礎知識なしで読み始めると難易度的に挫折しやすいという注意が一部記事で見られる。ある程度のAWS実務経験を積んでから取り組むことが推奨されている(qiita)
編集メモ
Qiita 言及 8件 / 累計 likes 約374 / AWS認定データアナリティクス試験の参考書として複数記事で引用。rakutenランキング情報なし。essential基準(10件以上かつ200 likes以上)には届かないが、DAS試験対策コミュニティで継続的に参照されており practical と判定
読む前に押さえておきたいこと
- AWSコンソールの基本操作(IAMロール設定・S3バケット操作・VPC概念)の経験
- SQLの基礎的な読み書き(SELECT・JOIN・GROUP BY程度)
- データウェアハウスとETLの概念的理解
学習のコツ
- 第1部(序章〜第4章)で概念を固めてから第2部に入ること。特に序章と第4章(セキュリティ)は本番設計の前提として先に読む価値がある
- 第2部(ビジネスデータ篇)と第3部(ログデータ篇)は独立して読めるが、両者を対比して読むとアーキテクチャ選択の根拠が明確になる
- AWSサービスの料金体系や制限値は出版後に変更されている可能性がある。ハンズオン実施前に公式ドキュメントで最新情報を確認すること
- DAS試験対策目的の場合は第7章(Athena)・第9章(Redshift)・第12章(Glue)を重点的に読むと出題範囲との対応が取りやすい
出版社による内容紹介
「データレイク」は、大量データ分析／生成データの活用を視野に入れた新しいデータストアのかたちです。従来のデータベース／データウェアハウスの範囲に収まらない多様なデータを大量に保管し、高度な統計分析や機械学習に役立つ情報基盤を作ることが可能です。 本書ではデータレイクの概念や特徴、必要とされる機能などを基本から解説し、さらにAmazonが運営するパブリッククラウドサービスAWS（Amazon Web Services）で実現する方法を解説します。 従来では想定しえなかった大量のデータを確実に保管するため、データレイクの世界ではクラウドのようなサービス型インフラストラクチャの活用が注目されます。さらにAWSではオブジェクトストレージS3上のデータを直接分析するAmazon Athena、データウェアハウスのAmazon Redshift、機械学習を実現するAmazon SageMakerなど、データレイクを支えるさまざまな仕組みが存在します。 本書ではそれらの活用の指針を解説するとともに、後半ではシステムの構築例を具体的に解説していきます。ビジネスデータ分析とログなどの生成データ分析を例に、システム構築の流れを詳しく紹介し、機械学習や統計分析をビジネスの現場で活かせる仕組みの技術的なヒントを数多く提供します。 第1部 データレイクの概念と知識 序章 データレイ クを始めよう 第1章 データレイクの構築 第2章 データレイクの活用 第3章 データレイクの運用 第4章 データレイクのセキュリティ 第2部 データレイクの実践（基礎編） 第5章 ハンズオンの概要 -ビジネスデータのデータレイクー 第6章 データを可視化する 第7章 サーバーレスSQLによるデータ分析 第8章 データを変換する 第9章 データを分析する（データウェアハウス） 第3部 データレイクの実践（応用編） 第10章 システムの概要 -ログデータのデータレイクー 第11章 ログを集める 第12章 ログの保管とカタログ化 第13章 ログを加工する 第14章 ログを分析する
この本がどの学習段階で役立つかは、 関連する ロードマップ から確認できます。