亚马逊AWS官方博客

Tag: 大咖专栏

构建自动化的 EBS 快照生命周期管理

本方案通过使用 Amazon CloudWatch Events、AWS Lambda、 Amazon DynamoDB 等服务实现了一个适用于北京区域和宁夏区域的无服务器架构的 EBS 卷生命周期管理,希望通过本文读者对以上服务有进一步直观的认识与了解。AWS 提供丰富的无服务器服务以及 API 接口,用户可以很容易的根据业务需求构建适合自己业务场景的解决方案。

知己知彼–对Aurora进行压力测试

Amazon Aurora 是一种为云打造并与 MySQL 和 PostgreSQL 兼容的 关系数据库,既具有高端商用数据库的性能和可用性,又具有开源数据库的简单性和成本效益。相比起MYSQL, Aurora在只读副本延迟,可扩展性,备份恢复速度以及存储空间扩展等方面都有很大优势,更有回溯,aurora serverless等实用的新功能,除了以上功能和管理方面的优点外,Aurora 的速度最高可以达到标准 MySQL 数据库的五倍、标准 PostgreSQL 数据库的三倍。随着宁夏区推出Aurora,中国区客户终于可以体验Aurora的独特魅力了,在迁移数据库之前,有些客户也想进行性能比对测试,做到知己知彼。针对这种需求,这里我将给大家介绍如何用sysbench对MYSQL RDS和Aurora进行测试,讲解不同测试参数的含义,分析不同测试案例的结果,希望对大家今后测试数据库的工作有所帮助。

结合 AWS 服务与 Kubernetes 的持续集成

用户可以结合 AWS 和 Kubernetes 去创建一个完全托管,可持续部署的容器应用。这种结合充分利用开源 Kubernetes 平台的容器编排能力以及 AWS 开发者工具的代码管理,编译打包和持续集成的能力
本篇文章描述了如何去创建一个可持续部署容器应用。其使用 AWS CodeCommit , AWS CodePipeline , AWS CodeBuild , 和 AWS Lambda 将容器应用部署到 Kubernetes 集群中去。在这个环境中,开发者可以专注于代码开发而无需考虑如何部署,同时这种方式总是可以保障最新的代码被部署到环境中去

使用 Amazon API Gateway 为 SAP 部署 API

应用程序编程接口(API)在构建这种统一的用户体验方面发挥着至关重要的作用。 借助API和API管理平台,您可以以敏捷,灵活,安全和可扩展的方式把域驱动的服务发布给广大用户使用。

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。