Author: AWS Team

通过 liteLLM，Sagemaker Inference Component 推理端点，构建一个统一的 MaaS 中台，客户不仅能够集成多种模型，还能充分利用高性能硬件，实现资源的高效管理。这种灵活且高效的架构，将为客户在人工智能领域的应用打下坚实的基础，助力其在竞争中脱颖而出。

在这篇博客中，我们将探索 GameLift 的架构及其六个核心组件，它们协同工作，为您的多人游戏创建灵活、可扩展的基础。无论您是在优化现有架构还是从零设计游戏后端，了解这些组件都将帮助您有效地利用 GameLift。

本文将介绍如何在 Amazon EKS(Elastic Kubernetes Service) 环境中，利用 S3 Express One Zone 作为推荐系统的存储后端，以优化性能并降低成本。我们将从技术可行性、性能优化和风险管理三个方面，深入探讨 S3 Express One Zone 在电商推荐场景下的应用。

这篇文章探讨了构建企业级AI平台的重要性和方法。它提出了四步法：识别关键业务流程、评估所需 AI 能力、设计灵活可扩展的技术架构、培养人才并整合团队。文章详细介绍了一个七层架构框架，从基础设施到应用层。同时，提供了实施路线图，建议采用案例驱动、迭代式方法，逐步建立全面的 AI 生态系统，同时确保法律合规和风险管理。

本文主要介绍了利用 Amazon Bedrock Data Automation (BDA) 对视频数据进行自动化处理和检索的解决方案。BDA 为视频搜索提供了源数据，无服务器的架构为整体的设计提供了低成本的计算资源，后续的数据的存储选用 DocumentDB 也是希望可以用灵活地手段做 Json 数据处理。在 AI 模型的加持下，希望本文能够为 AI 与视频搜索提供了一种新思路。​

文章介绍了一套基于 AWS 无服务器架构的高危操作实时监控告警系统，通过 CloudTrail、EventBridge、Lambda 和钉钉推送实现对云资源删除等高风险操作的秒级检测与告警。

2024 年，亚马逊云科技发布了 S3 Tables，内置对 Apache Iceberg 的支持，旨在优化大规模表格数据的存储和查询性能。S3 Tables 通过自动化的表维护和与亚马逊云科技的分析服务的无缝集成，帮助企业更快速地构建数据湖，简化权限管理，并提升查询性能和事务处理能力，满足现代数据驱动型业务的需求。本文将探讨 S3 Tables 技术的应用场景及其对业务的收益及最佳实践，提供生产中可参考的价值。

在这篇博客文章中，我们将展示如何通过集成像 Amazon Q Developer 这样的智能 GenAI 工具来为单元测试，自动化测试场景快速、准确地生成测试用例，并以一些实际的代码用例， 来描述测试的最佳实践原则，以及 Amazon Q 如何能够在其中扮演重要的角色。

本篇讨论了亚马逊云科技中国区和云下本地数据中心的互连的实现和优化。通过采用云端的 TGW 和虚拟路由器与云下数据中心的边缘路由器通过基于互联网的隧道技术实现了互连互通，同时，本设计也考虑到了网络的冗余负载，对路由器和线路进行了 HA 部署并采用 BFD 技术弥补了互联网传输不稳定的问题，并能做到快速路由收敛。利用 BGP 支持的等价多路径特性，互连的带宽增加了一倍。本篇还对等价多路径和 BFD 以及 VRRP 的实现做了验证和对比，并且针对 WAN 链路失效下 VRRP 不起作用的场景提出了优化解决方案，使本设计达到企业级联网要求。

本设计为亚马逊云科技中国区用户在云端数据中心和用户本地网络间提供了高性价比的基于互联网的 Site-to-Site VPN 企业级互连解决方案，兼顾了快速部署、高性能、低延迟、全冗余、可扩展、安全性等企业所关心的网络特性。本设计方案的实现请参考后续发布的“利用 Site-to-Site VPN 在亚马逊云科技中国区实现企业级混合云互连（实践篇）”一文。