AWS在去年re:Invent 2018大会上介绍的数据湖管理工具AWS Lake Formation，现在推出正式版，用户可以使用AWS Lake Formation对数据进行撷取、清理、分类、转换以及保护的工作，方便後续分析或是机器学习使用。

　　AWS提到，只要企业开始使用数字格式的数据，那就可能需要建立一个数据仓储，从CRM或是ERP等营运系统收集数据，并给其他决策支援系统使用，这些数据包括未组织的原始数据、日志、图片、影片或是扫描的文件等，而这也是数据湖的概念，将所有数据以各种规模与形式，储存在中央储存库中。

　　而AWS新推出的数据湖服务Lake Formation，能简化数据湖的管理工作，用户可以使用中央控制台，处理建置和配置数据湖繁杂的工作，包括载入不同来源的数据、监控数据流、设定数据分区、加密和管理金钥，以及格式转换与监控营运等工作。

　　只要在Lake Formation中指定数据来源，系统就会自动从数据库和物件储存撷取数据，并将这些数据储存到Amazon S3数据湖中，以适当的大小与方式整理，增加存取效能，并以机器学习演算法清理和分类数据，为敏感数据提供存取保护。

　　用户还可以使用Glue ML Transforms删除数据湖中重复的数据，提高後续分析数据的效率，避免因为重复的数据，造成分析工作的混淆。AWS提到，这项工作并非单纯透过键值比对，就能找出重复的数据，很多情况需要进行模糊比对，像是当用户需要在不同表格查询类似的项目时，就需要使用模糊连接（Fuzzy Join），在不共用唯一键值的两个数据库表格查询相似数据。

　　在保护数据存取方面，用户可以在Lake Formation中，定义精细的存取政策，保护Glue Data Catalog中的元数据，以及储存在Amazon S3的数据，AWS提到，在数据湖中管理存取权限是一件复杂的任务，因为数据的各种特性，包括结构化与否、敏感性或是可存取的数据范围不一，而Lake Formation赋予用户以IAM使用者、角色、群组和AD来管理数据存取，也能够拒绝表格特定的科目被存取。