内容领域 3： 数据操作和支持
任务 3.1： 使用 AWS 服务自动处理数据
技能 3.1.1： 编排数据管道（例如，Amazon Managed Workflows for Apache Airflow [Amazon MWAA]、AWS Step Functions）。
技能 3.1.2： Amazon 托管工作流故障排除。
技能 3.1.3： 通过代码调用 SDK 来访问 Amazon 功能。
技能 3.1.4： 使用 AWS 服务功能处理数据（例如，Amazon EMR、Amazon Redshift、AWS Glue）。
技能 3.1.5： 使用和维护数据 API。
技能 3.1.6： 准备数据用于转换（例如 AWS Glue DataBrew 和 Amazon SageMaker 融通式合作开发工作室）。
技能 3.1.7： 查询数据（例如，Amazon Athena）。
技能 3.1.8： 使用 AWS Lambda 自动处理数据。
技能 3.1.9： 管理事件和调度器（例如，Amazon EventBridge）。
任务 3.2： 使用 AWS 服务分析数据
技能 3.2.1： 使用 AWS 服务和工具（例如 DataBrew、Amazon QuickSight）对数据进行可视化。
技能 3.2.2： 验证和清理数据（例如，Lambda、Athena、QuickSight、Jupyter Notebooks、Amazon SageMaker Data Wrangler）。
技能 3.2.3： 在 Amazon Redshift 和 Athena 中使用 SQL 来查询数据或创建视图。
技能 3.2.4： 使用通过 Apache Spark 查找数据的 Athena 笔记本。
技能 3.2.5： 描述预置服务和无服务器服务的利弊权衡。
技能 3.2.6： 定义数据聚合、滚动平均值、分组和透视。
任务 3.3： 维护和监控数据管道
技能 3.3.1： 提取日志用于审计。
技能 3.3.2： 部署日志记录和监控解决方案以便进行审计和追溯。
技能 3.3.3： 在监控期间使用通知发送警报。
技能 3.3.4： 解决性能问题。
技能 3.3.5： 使用 AWS CloudTrail 跟踪 API 调用。
技能 3.3.6： 对管道进行故障排除和维护（例如，AWS Glue、Amazon EMR）。
技能 3.3.7： 使用 Amazon CloudWatch Logs 记录应用程序数据（侧重于配置和自动化）。
技能 3.3.8： 使用 AWS 服务（例如，Athena、Amazon EMR、Amazon OpenSearch Service、CloudWatch Logs Insights、大数据应用程序日志）分析日志。
任务 3.4： 确保数据质量
技能 3.4.1： 在处理数据时，运行数据质量检查（例如，检查空字段）。
技能 3.4.2： 定义数据质量规则（例如，DataBrew）。
技能 3.4.3： 调查数据一致性（例如，DataBrew）。
技能 3.4.4： 描述数据采样技术。
技能 3.4.5： 实施数据偏斜机制。
