Author: AWS Team

Deepmind团队于2021年7月公开了Alphafold2算法源代码和相关论文，这一方案被认为可解决困扰生物学长达半个世纪的蛋白质折叠结构预测难题，其准确度高达92.4(百分制)。Alphafold2基于新颖的机器学习方法，以原子精度预测蛋白质结构，在大部分情况下表现出与实验相媲美的准确性，且大大优于其他方法。但截至目前，其官方的单机部署方式需要人工下载数据集并解压、处理输入输出数据以及执行任务脚本，无法实现弹性按需使用，不适用于大规模的蛋白质结构预测。

以业务场景为例介绍亚马逊云科技分布式追踪系统X-Ray的部署配置，模拟故障排查与实战建议三大部分，并展示X-Ray如何与CloudWatch监控指标与日志分析功能结合, 通过自动化通知有效缩短MTTI。

主要介绍了多种针对Gamelift的监控和日志收集方案，可以帮助游戏开发者在使用Gamelift的过程中，debug问题更加方便，从而提高开发效率。

构建 ElastiCache for Redis Cluster 代理服务集群，基于开源项目Overlord提供的高可用代理集群解决方案

在上一篇智能家居物联网平台博文中，我们阐述了设备到家后如何配网以及如何构建设备中心与用户中心，本文作为系列文章的第二篇，将介绍如何管理设备的状态。

构建 ElastiCache for Redis Cluster 代理服务集群，基于开源项目Redis Cluster Proxy提供的高可用代理集群解决方案

本文旨在介绍如何利用亚马逊云科技云服务实现药物发现阶段的大规模分子虚拟筛选任务。

帮助大家回顾了EKS集成SPOT使用方式，通过亚马逊云科技不停推出的新的工具和功能的增强，来实现Spot 使用的最佳实践，在大规模工作负载使用Spot的情况下，既有效的节约成本，又相对提升工作负载的可靠性。

在本文中，我们将深入探讨Amazon Glue中的流式ETL，介绍此功能如何帮助您在流式数据上构建持续的ETL应用程序。Amazon Glue中的流式ETL基于Apache Spark的结构化流引擎，该引擎提供一种高容错、可扩展且易于实现的方法，能够实现端到端的流处理。本文向大家展示使用Amazon Glue构建流处理管道的示例，其中包括从 Amazon Kinesis Data Streams当中读取流式数据、发现schema、运行流式ETL并将结果写入至接收端。

本文将重点介绍常规数据安全模式，以及可用于保护您数据的相应AWS安全控制方法。本文中会提及Amazon RDS与DynamoDB，但关于更多具体实现层面的细节信息，请参阅在Amazon RDS中应用敏感数据保护最佳实践和在Amazon DynamoDB中应用敏感数据保护最佳实践。