用 Snowflake、SageMaker Canvas 和 Amazon Quick 搭建无代码机器学习环境

2026-08-21 37 预计阅读时间: 1 分钟
来源: aws.amazon.com AI 摘要 Original link

Disclaimer: This article is an AI-assisted summary. Read it together with the original source when precision matters. The summary may omit context, version differences, or edge cases and is not official documentation.

预计阅读时间：8 分钟

医疗、零售和生命科学团队通常已经把大量运营数据集中存放在 Snowflake 中，但从数据仓库走到可用的预测模型，中间仍然隔着权限、连接、数据准备和模型训练等环节。这个系列的第一部分不急着训练模型，而是先把 AWS 账户与 Snowflake 环境搭好，为后续使用 Amazon SageMaker Canvas 构建欺诈检测模型做好准备。

先把数据链路想清楚

无代码不等于无配置。SageMaker Canvas 可以让分析师通过可视化界面完成数据选择、特征处理和模型训练，但它仍然需要访问经过授权的数据源。一个清晰的链路通常包含以下几层：

  • Snowflake：保存业务数据，例如交易、客户、订单或理赔记录。
  • AWS 账户：承载 SageMaker 相关资源、身份权限和网络配置。
  • SageMaker Canvas：通过可视化工作流准备数据并训练机器学习模型。
  • Amazon Quick：用于后续的数据分析、问答或业务洞察场景，具体集成方式取决于团队的 AWS 配置和产品版本。

以欺诈检测为例，Snowflake 中可能存在交易金额、时间、渠道、地区和历史风险标签。环境准备阶段的目标，是确保 Canvas 能够在受控权限下读取这些数据，而不是直接把数据复制到个人电脑或临时脚本中。

AWS 侧的准备重点

建议为这个实验或项目准备独立的 AWS 账户、测试环境或至少独立的 IAM 角色。需要重点确认：

  1. 使用的 AWS 区域支持目标 SageMaker Canvas 能力，并与团队的数据访问策略一致。
  2. Canvas 用户拥有创建和运行相关资源所需的权限。
  3. Snowflake 连接凭证不会硬编码在笔记本、脚本或共享文档中。
  4. 生产环境需要结合企业的 VPC、私有网络、审计和数据驻留要求进行配置。

可以这样实践，先用 AWS CLI 检查当前账户和区域。运行前请把 AWS_PROFILE 改成自己的配置名称，或删除该环境变量以使用默认凭证：

export AWS_PROFILE=ml-sandbox
export AWS_REGION=us-east-1

aws sts get-caller-identity
aws configure get region --profile "$AWS_PROFILE"

aws sagemaker list-domains \
  --region "$AWS_REGION" \
  --query 'Domains[].{Name:DomainName,Status:Status}' \
  --output table

这段命令不会创建资源，只用于确认当前身份、区域和 SageMaker Domain 状态。若返回的账户不是预期环境，应立即停止后续操作，避免把测试数据或权限配置落到错误账户中。

Snowflake 环境：从角色和仓库开始

Snowflake 侧建议为 Canvas 单独规划数据库角色，而不是复用管理员角色。最小权限通常包括：访问目标数据库和 schema、读取指定表或视图，以及使用必要的 warehouse。对于机器学习数据，优先暴露经过筛选的视图，避免让建模用户无意间读取身份证号、完整支付信息等敏感字段。

下面是一个可改造的 Snowflake SQL 示例。示例中的名称、warehouse 大小和字段仅用于说明，请根据实际表结构调整：

CREATE WAREHOUSE IF NOT EXISTS ML_CANVAS_WH
  WAREHOUSE_SIZE = 'XSMALL'
  AUTO_SUSPEND = 60
  AUTO_RESUME = TRUE;

CREATE DATABASE IF NOT EXISTS ML_LAB;
CREATE SCHEMA IF NOT EXISTS ML_LAB.FRAUD;

CREATE OR REPLACE VIEW ML_LAB.FRAUD.TRANSACTION_FEATURES AS
SELECT
    transaction_id,
    transaction_amount,
    transaction_channel,
    customer_region,
    transaction_hour,
    is_fraud
FROM ANALYTICS.RAW.TRANSACTIONS
WHERE transaction_date >= DATEADD('month', -12, CURRENT_DATE());

CREATE ROLE IF NOT EXISTS SAGEMAKER_CANVAS_READER;
GRANT USAGE ON WAREHOUSE ML_CANVAS_WH
  TO ROLE SAGEMAKER_CANVAS_READER;
GRANT USAGE ON DATABASE ML_LAB
  TO ROLE SAGEMAKER_CANVAS_READER;
GRANT USAGE ON SCHEMA ML_LAB.FRAUD
  TO ROLE SAGEMAKER_CANVAS_READER;
GRANT SELECT ON VIEW ML_LAB.FRAUD.TRANSACTION_FEATURES
  TO ROLE SAGEMAKER_CANVAS_READER;

这段 SQL 假设原始表位于 ANALYTICS.RAW.TRANSACTIONS，并且 is_fraud 是后续监督学习需要预测的目标列。实际项目中还应补充数据质量检查，例如目标列是否为空、欺诈样本是否过少、时间字段是否存在未来信息泄漏，以及交易记录是否重复。

连接配置与数据治理

创建 Snowflake 到 AWS 服务的连接时，需要根据企业认证方案选择用户名密码、密钥对或联合身份认证。示例中的连接信息不能直接用于生产；密码、私钥和 token 应存放在批准的密钥管理系统中，并设置轮换策略。

连接打通后，建议用一个低权限测试用户验证三件事：

  • 能否发现目标 database、schema 和视图。
  • 能否执行受控查询，并使用指定 warehouse。
  • 无权访问的表、schema 和敏感字段是否确实被拒绝。

还要关注成本边界。warehouse 的自动挂起可以减少空闲费用，但 Canvas 的数据探索、特征处理和训练仍可能触发计算资源消耗。测试阶段应限制数据时间范围、使用小型 warehouse，并持续检查 Snowflake 的查询历史与成本监控。

为后续建模留下干净接口

环境准备完成的标志，不是界面能够登录，而是数据访问边界和责任边界都清楚：Snowflake 负责可信数据，AWS 负责运行环境和权限，Canvas 负责无代码建模流程，业务团队负责解释目标字段和评估结果。

进入下一阶段前，可以检查以下清单：

  • AWS 账户和区域已确认。
  • SageMaker Canvas 所需权限已由管理员审核。
  • Snowflake 已创建专用 warehouse、数据库角色和建模视图。
  • 连接凭证没有写入代码仓库。
  • 训练数据包含明确的目标列，并完成基础质量检查。
  • 测试环境设置了计算规模、自动挂起和数据访问范围。

这样搭好的基础环境，才能让后续的欺诈检测实验集中在数据和模型本身，而不是被权限错误、连接失败或不可控的计算成本打断。

# AI # AWS # 云平台 # 机器学习

相关推荐