Category: Database

在本文中，我们将讨论如何使用 AWS Database Migration Service (AWS DMS) […]

在本文中，我们将向您展示如何将存储在 Amazon DocumentDB（与 MongoDB 兼容）中的较旧、 […]

现代数据架构鼓励数据湖、数据仓库和专用数据存储的集成，从而实现统一治理和轻松数据移动。借助 AWS 上的现代数 […]

我刚刚从在洛杉矶和加利福尼亚州旧金山举行的数据和机器学习 (ML) 会议上回来。与客户和开发人员探讨最新的技术 […]

在本地运行支持终止 (EOS) 的 Microsoft SQL Server 工作负载的客户经常询问我们，他们如何能够放心地将这些工作负载迁移到 AWS 完全托管的数据库服务，比如 Amazon Relational Database Service (Amazon RDS) for SQL Server。借助 Amazon RDS for SQL Server，您可以轻松地设置、操作和扩展 SQL Server 部署。

数据库管理员和开发人员通常使用运行数据库的主机上的系统 cron 或使用数据库调度程序来调度脚本，以针对数据库运行脚本，从而导致批处理脚本和数据库之间的紧密耦合。

大数据处理技术现今已广泛应用于各个行业，为业务解决海量存储和海量分析的需求,在构建数据湖的过程中遇到的 1.T+0 的数据落地和处理问题 2.数据修正的成本问题，aws 的emr s3+iceberg能够很好解决。

在提升单计算节点故障恢复的速度以外，Aurora在写节点发生故障时，会通过failover的机制提升集群中的一个读节点来作为新的主节点对外提供服务，再去同步地恢复故障的主节点。通过使用健康的读节点进行替换，能够进一步提升Aurora集群的可用性，进而使对应用程序的影响在30到60秒左右。那么，是否还能进一步降低节点切换对应用程序的影响呢？本篇博客会从这个角度进行相应探讨，涵盖故障切换的过程、花费时间的分析排查以及减少对应用程序影响的几种方案。

在当今信息化高速发展的时代，推荐系统是一个热门的话题和技术领域，一些云厂商也提供了推荐系统的SaaS服务比如亚马逊云科技的Amazon Personalize来解决客户从无到有迅速构建推荐系统的痛点和难点。在我们的日常生活中，推荐系统随处可见，我根据这几年参与的推荐系统和计算广告项目总结了一些实践经验并以推荐系统系列文章的形式分享给大家，希望大家看后对推荐系统有更全新更深刻的理解。

借助去年开展的 Graviton 挑战赛，我们帮助客户迁移到基于 Graviton 的 EC2 实例，这些客户 […]