亚马逊AWS官方博客
使用Terraform对Amazon IoT进行规则操作的自动化部署
本博文介绍如何使用Terraform来对Amazon IoT进行规则操作的自动化部署。详细介绍了如何利用Amazon IoT规则操作在DynamoDB,通过Kinesis Data Firehose在S3来存储数据,以及使用Lambda进行数据处理。另外也提供了具体的Terraform部署模版的示例代码,供大家参考,从而更好的让大家能通过Terraform部署模版来自动化部署相关IoT规则操作,更好的便于管理以及可重复应用。
如何通过互联网安全地访问Amazon Managed Streaming for Apache Kafka (Amazon MSK) 集群(一)
本文首先介绍了需要公开访问Amazon MSK集群的应用场景,并手把手地说明了如何配置Amazon MSK集群的Public Access选项,以及通过IAM访问认证的方式来安全地访问集群。之后,我们会通过另外的博客来介绍公开访问Amazon MSK集群的其他两种模式:SASL/SCRAM 和mTLS 身份验证,敬请期待!
深度探索通过数据共享(data sharing)优化Amazon Redshift工作负载分解
近年来,随着互联网产生数据量的显著增长,一些客户开始询问他们应该如何更高效地使用 Amazon Redshift 。在本篇博客中,我们将通过一个案例探讨如何使用 Amazon Redshift RA3 节点、数据共享(data sharing)以及暂停和恢复(pause/resume)集群在本案例的业务场景下来大幅提升Amazon Redshift 集群的性价比。
百尺竿头更进一步 – 拓展 Aurora的读写能力之Gaea篇
本篇博客会聚焦如何使用开源的Gaea proxy ,一个开源的分库分表中间件工具,来进行数据库集群的构建。会涵盖分库分表、读写分离、分片表关联查询和failover自动识别等方面。
通过Rancher 管理Amazon EKS集群与应用
Rancher是亚马逊云科技的合作伙伴,通过Rancher,可以解决管理多个 Amazon Elastic Kubernetes Service (Amazon EKS) 集群的操作和安全挑战,同时为开发运维团队提供运行容器化工作负载的集成工具。 对于习惯使用Rancher的用户,既可以保持在Rancher 中养成的使用习惯,也可以借助亚马逊的托管 Kubernetes 解决方案Amazon EKS,用户可以在云中快速创建、管理可扩展的 Kubernetes 集群。
基于Amazon Serverless和SageMaker实现空气质量预测
本文介绍了通过Amazon Serverlss实现低成本数据采集,并通过Amazon SageMaker进行数据处理与机器学习,对时间序列数据如空气质量进行分析与预测。
使用Amazon Redshift ML构建机器学习应用
自从2018年起,亚马逊云科技发布了一系列的产品和服务,例如Amazon SageMaker,Amazon Aurora ML,Amazon Redshift ML,和2021年reInvent发布的Amazon SageMaker Canvas,使得不同角色的工程师越来越容易构建机器学习应用,降低应用机器学习的门槛,以实现普惠机器学习。本系列文章将以上述产品为核心,从不同的角度帮助企业中不同部门的人员构建机器学习应用。
使用 Amazon SageMaker 构建机器学习应用
在本篇文章中,我们将介绍如何在Amazon SageMaker上开展机器学习模型训练,我们将在Notebook上面分别演示针对同一个数据集,分别使用XGBoost,SageMaker内置算法和AutoGluon进行模型训练。
基于 Amazon SageMaker Canvas 无代码构建分类模型
在本篇文章中,我们将介绍如何无需写代码即可构建机器学习应用,Amazon SageMaker Canvas提供无代码、可视化的工作环境,即使没有机器学习背景知识,也可以基于自己业务需要构建机器学习模型。
如何在数据库里面使用SQL语句直接调用Amazon机器学习服务进行推理
本文主要讲解了如何在Amazon Aurora数据库里面使用SQL语句直接调用Amazon Comprehend 和Amazon SageMaker机器学习服务进行推理,让业务后端开发人员即使没有机器学习知识,也可以快速使用最熟悉的SQL语句调用机器学习服务,为业务提升价值。