🕷️
SetupAI
☁️較早收集於 12m

Amazon QuickSight 支援跨帳戶 Athena 存取

Amazon QuickSight 支援跨帳戶 Athena 存取
PostLinkedIn
☁️閱讀原文： AWS Machine Learning Blog
#data-analytics#aws-quicksight#data-governanceamazon-quicksightamazon quicksightamazon athenaaws

💡直接從 QuickSight 輕鬆跨多個 AWS 帳戶查詢 Athena 資料，獲取統一洞察。

⚡ 30-Second TL;DR

有什麼變化

透過 IAM 角色鏈結啟用跨帳戶資料查詢

為什麼重要

簡化了管理多帳戶 AWS 環境的企業資料治理。

下一步行動

設定您的 IAM 角色以在 QuickSight 中啟用跨帳戶存取，從而統一您的資料分析管線。

誰應關注：Enterprise & Security Teams

關鍵要點

  • •透過 IAM 角色鏈結啟用跨帳戶資料查詢
  • •將查詢費用計入資料帳戶以維持計費透明度
  • •打破資料孤島以實現統一的商業智慧

🧠 深度解析

Web-grounded analysis with 26 cited sources.

🔑 增強重點摘要

  • •此功能透過利用 AWS Glue Data Catalog 共享和 AWS Lake Formation 實現，為跨帳戶資料存取提供精細的權限管理，確保資料治理和合規性。
  • •Amazon QuickSight 的服務角色 (aws-quicksight-service-role-v0) 需要在資料擁有者帳戶中具備特定權限，包括對共享的 Glue Data Catalog、底層 S3 資料儲存桶以及（如果資料加密）KMS 金鑰的存取權。
  • •此跨帳戶存取能力透過支援列級安全性 (RLS) 和細粒度存取控制，顯著增強了資料治理框架，允許組織精確控制使用者可見的資料。
  • •QuickSight 的無伺服器架構可自動擴展以支援數十萬使用者，確保在高併發負載下仍能提供快速的儀表板效能，而無需手動管理基礎設施。
  • •透過在多個分析和儀表板中重複使用資料集，此功能有助於減少維護工作，並確保整個組織的資料一致性。
📊 競品分析▸ Show
功能/定價/基準Amazon QuickSightTableauMicrosoft Power BILooker
資料連接性廣泛支援 AWS 服務 (Athena, Redshift, S3, RDS)、第三方資料庫 (SQL Server, Oracle, PostgreSQL, Snowflake 等) 及 SaaS 平台 (Salesforce, ServiceNow)。廣泛連接各種資料來源，包括雲端資料倉儲和 CSV 檔案，不限於單一供應商生態系統。超過 200 個原生連接器，與 Microsoft Dataverse、Azure Synapse 和 Dynamics 365 緊密整合。通常需要資料倉儲作為中介 (如 BigQuery 或 Snowflake)，透過 LookML 進行資料建模。
跨帳戶/治理支援透過 IAM 角色鏈結、Glue Data Catalog 共享和 Lake Formation 進行跨帳戶 Athena 存取，費用歸因於資料帳戶。提供列級安全性。提供強大的治理功能，確保資料存取控制。利用 Azure Active Directory 進行身份管理，提供列級安全性。提供強大的治理功能，包括列級安全性和存取控制，以及基於 Git 的版本控制。
AI/機器學習包含生成式 AI 功能 (Author Pro、Amazon Q 主題、AI 生成摘要)，支援自然語言查詢和儀表板建立。專注於進階視覺化，AI/ML 功能通常透過整合實現。內建強大的 AI 視覺化和功能，包括 AutoML，每月更新。提供強大的 API 和嵌入框架，可整合分析，但其核心是語義建模。
視覺化/易用性無伺服器、自動擴展，易於建立分析、視覺化和儀表板。 部分使用者認為其客製化彈性較低。視覺化品質和靈活性方面的基準，提供互動式儀表板，但學習曲線較陡峭。易於使用，與 Microsoft 生態系統緊密整合，提供拖放式儀表板建構工具。強大但對於非技術使用者而言較為複雜，擅長控制和一致性。
定價模式讀者 (Reader) 每月 3 美元起，專業作者 (Author Pro) 每月 50 美元起。讀者可選擇按使用者或按容量計費 (500 個會話每月 250 美元起)。通常按使用者訂閱，價格較高，但提供強大的視覺化和探索功能。價格實惠，特別是對於 Microsoft 生態系統內的用戶。通常基於資料倉儲使用量和使用者數量，初始設定成本較高。
基準無直接效能基準比較數據。無直接效能基準比較數據。無直接效能基準比較數據。無直接效能基準比較數據。

🛠️ 技術深入

  • IAM 角色鏈結 (IAM Role Chaining)：Amazon QuickSight 在其「借用者帳戶」(borrower account) 中使用一個服務角色（通常是 aws-quicksight-service-role-v0）來存取「擁有者帳戶」(owner account) 中的資源。此服務角色必須被授予存取擁有者帳戶中特定資源的權限。
  • AWS Glue Data Catalog 共享：擁有者帳戶中的 AWS Glue Data Catalog 必須與借用者帳戶共享。QuickSight 隨後在其自身帳戶中連接到 Athena，而 Athena 則查詢共享的 Glue Data Catalog。
  • AWS Lake Formation 整合：AWS Lake Formation 可用於對共享資料表提供更細粒度的權限管理，允許資料湖管理員將特定資料權限授予 QuickSight 使用者或角色。這包括資料庫和資料表的描述及選擇權限。
  • Amazon S3 儲存桶策略 (S3 Bucket Policy)：擁有者帳戶中包含資料的 S3 儲存桶必須配置儲存桶策略，以允許借用者帳戶中的 QuickSight 服務角色（或 QuickSight 所假設的 IAM 角色）存取資料。
  • AWS KMS 金鑰策略 (KMS Key Policy)：如果 S3 中的資料使用 AWS Key Management Service (KMS) 進行加密，則擁有者帳戶中的 KMS 金鑰策略必須授予 QuickSight 服務角色解密資料的權限。
  • VPC 連接 (VPC Connections)：對於私有連接，QuickSight 企業版可以透過彈性網路介面 (ENI) 連接到虛擬私有雲 (VPC)，確保網路流量在 AWS 網路內保持私密。
  • 資料集建立：在設定必要的權限後，使用者可以在 QuickSight 中建立新的資料集，選擇 Athena 作為資料來源，並指定共享的 Glue Catalog、資料庫和資料表。

🔮 前景展望AI analysis grounded in cited sources

此功能將加速企業內部資料網格 (Data Mesh) 架構的採用。
透過簡化跨帳戶資料共享和費用歸因，組織可以更容易地實施去中心化的資料所有權和消費模型。
Amazon QuickSight 將在大型企業的商業智慧 (BI) 解決方案中獲得更高的採用率。
打破資料孤島並簡化跨帳戶資料存取，消除了大型組織在統一 BI 策略方面的一個主要障礙。
對細粒度存取控制和資料治理工具的需求將進一步增加。
隨著資料共享變得更加容易，對強大安全性和合規性機制的嚴格要求將變得更加關鍵，促使更多工具和功能專注於此領域。

⏳ 時間線

2016-11
Amazon QuickSight 首次發布，提供雲端商業智慧服務。
2016-11
Amazon Athena 首次發布，提供無伺服器互動式查詢服務。
2021-01
Amazon Athena 支援聯合查詢，允許查詢 Amazon S3 以外的資料來源。
2021-09
AWS 發表部落格文章，詳細說明如何透過 AWS Glue Data Catalog 和 AWS Lake Formation 實現 QuickSight 與 Athena 的跨帳戶存取。
2025-10
Amazon QuickSight 演進為 Amazon Q，引入 AI 代理和自訂權限控制，擴展其 BI 功能。
2026-05
Amazon Athena 發布更新，確認在配置必要的 IAM 權限後，可執行跨帳戶查詢。
☁️閱讀原文： AWS Machine Learning Blog
📰

AI 週報

閱讀本週精選 AI 大事摘要 →

👉相關動態

同主題

探索 #data-analytics

同產品

更多關於 amazon-quicksight

同來源

最新來自 AWS Machine Learning Blog

Amazon Quick 推出針對數據管理員的 Agentic Catalog Experience

Amazon Quick 推出針對數據管理員的 Agentic Catalog Experience

AWS Machine Learning Blog•Jul 31

AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： AWS Machine Learning Blog ↗