Author: awschina

随着Aurora DSQL开始被广泛使用，越来越多的客户希望将自己的数据库迁移到Aurora DSQL中以满足业务需求，本文主要介绍如何基于Apache SeaTunnel将数据迁移到Aurora DSQL中

随着Agentic AI技术的发展，智能体在制造业中的应用场景将逐步扩展。制造业企业可以考虑采用AWS Bedrock AgentCore等成熟的技术平台，结合自身业务需求，逐步构建和完善智能制造系统。

本文将深入探讨为什么AI Agent需要沙箱环境，对比现有的沙箱解决方案（包括E2B等专业平台），以及如何在Amazon EKS上使用Kata Containers构建高性能、高安全性的容器沙箱基础架构，以服务大规模企业级的Agentic AI应用。

在Kiro推出后，其Specs模式令人印象深刻。需求分解，方案设计，甚至是应用部署，这些原来需要人来主导的工作，现在是否可以由Kiro来完成？这里我将使用Kiro来重新开发隐私号码项目，看看在Specs加持下能否将所有的工作都由Kiro来完成。

本篇博客介绍企业中如果高效安全的运维DMS，分享配置优化，安全运维和监控等实践建议

本文结合典型的电商数据处理场景，对 EMR 与 S3 的跨区域应急备份与恢复方案进行了系统分析与量化评估。通过比较多种主流方案在成本、恢复时效与可运维性方面的差异，提出了一种在“成本—时效”之间取得最优平衡的技术路径，旨在为构建更具韧性的数据基础设施提供可操作的参考。

本文将介绍如何在Apache DataHub中整合Amazon Glue任务的数据血缘，包括导入Glue Catalog的元数据信息，Glue Spark任务中表和字段级别的血缘关系，通过DataHub来统一管理和查询大数据目录。

本文将从代码实现层面出发，详细剖析 HAMi 在支持亚马逊云科技 Neuron 核心级共享、拓扑感知调度等核心功能时的具体设计与实现原理。

本文介绍基于 AWS S3 Tables 的两种数据写入方案：Lambda + PyIceberg 适合批量数据上传场景，Kinesis Firehose 适合实时数据流处理场景。提供完整的架构设计、代码实现和部署指南，帮助开发者根据不同业务需求选择最优的数据写入策略。

借助亚马逊云科技云Q Developer CLI，帮助企业快速实现智能体市场分析的场景落地