亚马逊AWS官方博客
Amazon S3 Storage Lens 存储统计管理工具增加了性能指标,支持数十亿个前缀,并可导出到 S3 表
今天,我们隆重宣布推出 Amazon S3 Storage Lens 存储统计管理工具的三项新功能,让您可以更深入地了解存储性能和使用模式。通过添加性能指标、支持分析数十亿个前缀以及直接导出至 Amazon S3 表类数据存储服务,您拥有了所需工具来优化应用程序性能、降低成本,并就 Amazon S3 存储策略作出数据驱动型决策。
推出 AWS Transform custom:通过人工智能驱动的代码现代化来消除技术债务
今天,我们兴奋地宣布推出 AWS Transform custom,这是一个全新的智能体,它将从根本上改变组织大规模进行现代化的方式。该智能代理结合了用于 Java、Node.js 和 Python 升级的预置转换功能与自定义转换定义能力。通过学习特定的转换模式并将其自动化应用到整个代码库,使用 AWS Transform custom 的客户在许多情况下实现了高达 80% 的执行时间缩减,从而让开发者能够专注于创新。
AWS Transform 宣布推出全栈 Windows 现代化功能
今天,根据您的反馈,我们兴奋地宣布推出适用于全栈 Windows 现代化的 AWS Transform,以承接 Windows 应用程序栈中复杂、繁琐的现代化工作。您现在可以通过集中式的体验,识别应用程序和数据库的依赖关系,并以编排好的方式对它们进行现代化改造。
适用于大型机的 AWS Transform 引入重新构想功能和自动化测试功能
今天,我们宣布在适用于大型机的 AWS Transform 中增强功能,其中包括人工智能驱动的分析功能、对 Reimagine 现代化模式的支持以及测试自动化。这些增强解决了大型机现代化中的两个关键挑战:需要彻底改造应用程序而不仅仅是将其迁移到云上,以及测试所需的大量时间和专业知识。
Amazon EMR on EC2 Step提交作业及和MWAA集成最佳实践
本文详细介绍了Amazon EMR on EC2上使用Step提交Spark、Flink作业的最佳实践,以及如何与MWAA做集成,同时推广了中国区的Static BGP(S-BGP)节省数据传输成本。
亚马逊云科技Flink计算引擎使用指南
亚马逊云科技对Flink计算引擎在产品形态上提供了全面的支持。本文内容会着重介绍Amazon EMR on EC2和Amazon Managed Service for Apache Flink的使用指南,包括作业的提交、监控方案、Autoscaler、Iceberg集成,目的是帮助客户快速上手使用这两个服务。
宣布推出适用于工作负载编排和云资源管理的 Amazon EKS Capabilities
今天,我们宣布推出 Amazon Elastic Kubernetes Service(Amazon EKS)Capabilities,这是一组可扩展的 Kubernetes 原生解决方案,可简化工作负载编排、Amazon Web Services(AWS)云资源管理以及 Kubernetes 资源组合和编排。这些完全托管的集成平台功能包括当今许多客户正在使用的开源 Kubernetes 解决方案,如 Argo CD、适用于 Kubernetes 的 AWS 控制器和 Kube 资源编排工具。
使用面向构建者的全新开源 MCP 服务器 IAM Policy Autopilot 简化 IAM 策略创建
今天,我们宣布推出 IAM Policy Autopilot,这是一款全新的开源模型上下文协议(MCP)服务器,能够分析应用程序代码,并帮助 AI 编程助手生成 AWS Identity and Access Management(IAM)基于身份的策略。IAM Policy Autopilot 能够为构建者提供可直接审阅并进一步优化的初始策略模板,从而大幅加速开发进程。它与 Kiro、Claude Code、Cursor、Cline 等主流 AI 编程助手集成,为这些工具注入 AWS Identity and Access Management(IAM)知识及 AWS 最新服务和功能的理解能力。IAM Policy Autopilot 无需额外付费、可在本地运行,您可通过访问我们的 GitHub 存储库开始使用该服务。
推出 AWS Lambda Managed Instances:兼具无服务器简便性和 EC2 灵活性
今天,我们宣布推出 AWS Lambda Managed Instances,这是一项新功能,允许您在 Amazon Elastic Compute Cloud(Amazon EC2)的计算资源上运行 AWS Lambda 函数,同时保留无服务器架构的运维简化优势。此增强功能可满足了客户的关键需求:在不牺牲您熟悉和喜爱的无服务器开发体验的情况下,访问专业的计算选项并优化稳态工作负载的成本。
AWS Clean Rooms 推出用于机器学习模型训练的隐私增强型合成数据集生成功能
今日,我们宣布 AWS Clean Rooms 推出隐私增强型合成数据集生成功能。这是一项新功能,组织及其合作伙伴可以使用该功能,通过其集合数据生成隐私增强型合成数据集,用于训练回归和分类类型的机器学习(ML)模型。您可以使用此功能生成的合成训练数据集,以保留原始数据的统计模式,同时让模型无法访问原始记录,这为以往因隐私顾虑而难以实现的模型训练开辟了新的机会。







