Amazon Simple Storage Service (S3) предоставляет пользователям дешевую, безопасную и простую в управлении инфраструктуру хранения данных. Возможно перемещать файлы в сегменты S3 и из них с помощью самой консоли AWS, но AWS также предлагает возможность упростить эти операции с помощью кода.

ПРИМЕЧАНИЕ. Полный код, относящийся к этой статье, можно найти в этом репозитории Github.

AWS Athena - это сервис, который позволяет создавать базы данных и запрашивать данные из файлов данных, хранящихся в корзинах AWS S3. Это очень полезно, если у вас есть большой набор данных, хранящийся, скажем, в виде CSV или parquet файлов, и вы не хотите тратить дни на написание заданий ETL и загрузку их в стандартную базу данных SQL. По сути, он позволяет писать стандартные запросы SQL для извлечения данных из файлов с плоскими данными, хранящихся на S3.
Только что начав работать с базами данных Athena и столкнувшись с проблемой предоставления нашей команде доступа к Athena через Python и, в частности, через Jupyterlab, я придумал два разных метода разработки оболочки Python для простого и эффективного доступа к базам данных Athena.

Большинство людей слышали об AWS, и разработчики начали изучать, как его можно использовать для дальнейшего повышения качества своих проектов. Недавно я начал процесс становления одним из этих людей. Пока что это было поучительное глубокое погружение в различные услуги, которые они предлагают. Трудно сориентироваться в чем-то столь же масштабном, как AWS, поэтому в процессе обучения я решил сосредоточиться на проектах, которые, по моему мнению, были бы крутыми, и посмотреть, как AWS может помочь облегчить то, что я создаю.

Социальные медиа выросли за последние пару лет. Тем не менее, почтовый маркетинг преобладает в течение длительного времени. Выбор лучшей почтовой службы маркетинга может существенно повлиять на успех вашей маркетинговой кампании. Некоторые альтернативы, хотя и звучат не совсем эффективно по цене.