亚马逊AWS官方博客

Category: News

了解 AWS 服务和解决方案 – AWS 9 月在线技术讲座

AWS 在线技术讲座是一系列在线现场演示课程,涵盖不同技术水平的广泛主题。 本月加入我们,了解 AWS 服务和解决方案。我们的专家可以在线帮助解答您遇到的任何问题。本月的特色讲座是我们的首场“炉边谈话”讨论。届时 Amazon Aurora 和 Amazon RDS 的总经理 Debanjan Saha 将为我们介绍:客户如何使用我们的关系数据库服务和利用数据库创新。

Amazon AppStream 2.0 新增功能介绍

Amazon AppStream 2.0 允许您通过 Web 浏览器访问 Windows 桌面版应用程序。数以千计的 AWS 客户(包括 SOLIDWORKS、西门子和 MathWorks)已经在利用 AppStream 2.0 向各自的客户提供应用程序。

今天,我将向您介绍 AppStream 2.0 最近新增的一些功能,并且最后还会更细致地介绍一项全新功能,这项功能可自动保存会话中的应用程序自定义设置(首选项、书签、工具栏设置、连接配置文件等)和 Windows 设置,并应用于以后的会话。

AWS CodeBuild 将提供本地构建支持

今天,我们很高兴宣布 AWS CodeBuild 将提供本地构建支持。AWS CodeBuild 是完全托管的构建服务。没有需要预置和扩展的服务器,或需要安装、配置和操作的软件。您只需指定您的源代码位置并选择构建设置,CodeBuild 就会通过运行构建脚本,对您的代码进行编译、测试和打包。

AWS 服务达到了 GDPR 的要求

今天,我很高兴地宣布,AWS 服务达到了《通用数据保护条例》(General Data Protection Regulation,GDPR) 的要求。这意味着,客户不仅可以受益于 AWS 目前为了维护服务安全采取的所有措施,还可以将 AWS 服务作为 GDPR 合规性计划的重要部分进行部署。本公告证实我们已经全面完成了 GDPR 服务就绪度审核,证明所有的常用服务和功能都符合 GDPR 针对数据处理商制定的严格的隐私和数据保护标准。

如何自动导入第三方威胁情报 Feeds 到 Amazon GuardDuty

Amazon GuardDuty 是 AWS 推出的威胁检测服务,致力于保护您的 AWS 账号,以及通过持续监控针对您的工作负载的恶意和未授权访问行为。您可以通过 AWS 管理控制台一键启动该服务,其通过分析您的AWS账户中的数十亿个事件,并使用机器学习来检测账户和工作负载活动中的异常。然后它引用集成的威胁情报源来识别可疑的攻击者。

最新推出 – Amazon Elastic File System (EFS) 预置吞吐量

Amazon Elastic File System 允许您创建 PB 级的文件系统,这种文件系统可以从成百上千个 Amazon Elastic Compute Cloud (EC2) 服务器和本地资源大规模并行访问,按需扩展且不会发生应用程序中断的问题。在这种强大功能的背后,是跨多个可用区和冗余存储服务器分布式存储,从而为您提供具有可扩展性、持久性和高可用性的文件系统。按需分配空间和收费,从而让您可以根据需求使用资源,同时确保成本与实际使用量相符。应用程序可以实现极高的总吞吐量和 IOPS,同时保持稳定的低延迟。我们的客户利用可以直接将现有基于文件的应用程序和工作流迁移到云的能力优势,将 EFS 用于广泛的使用案例,包括媒体处理工作流、大数据与分析作业、代码存储库、解析树和内容管理存储库等。

AWS IoT Device Defender 现已推出 – 确保互联设备安全

今天,我想为大家介绍一下 AWS IoT Device Defender。这一全新的完全托管式服务(最初在 re:Invent 大会上发布)将帮助您确保互联设备安全无忧。它会审核您的设备机组、检测异常行为,并针对发现的任何问题推荐缓解措施。它支持大规模工作,支持包含多种类型设备的环境。

利用 AWS GreenGrass ML Inference 为你的物联网赋予智能

机器学习的训练需要大量计算资源,因此它非常适合云计算,AWS的sagemaker使得云端的训练变得非常的简单。 然而,许多客户希望运行更接近数据源的推理,以最大限度地减少等待时间以及通往云端的往返带宽问题。利用边缘计算机器学习推理的Greengrass ML inference,可以使得在设备上部署和运行ML模型变得更快,更容易。 这项新功能可以将推理模型应用到本地生成的数据,而无需往返云端。AWS Greengrass ML inference可以与云端的sagemaker良好集成,从而实现云端训练,本地推理的完整解决方案。而且,用户可以通过向Greengrass发送指令要求它将收集到的数据上传到云端,在云端进一步训练完成模型的更新,通过AWS IOT将新的模型以及新的推理代码推送到设备端,从而实现一个不断迭代和进化的机器学习生态系统。