亚马逊AWS官方博客

本文是整个 AWS 云上混沌工程实践系列的首篇。从工程师团队的维护痛点出发，由浅入深介绍了混沌工程的基本概念、主要解决的问题、最终的目标，对混沌工程实践的突出困惑做了分析和解答，并以混沌工程的发展时间线为例，详述了混沌工程不是一蹴而就， 社区对混沌工程的理解不断深入：从最初对基础设施的扰动实验（Chaos Monkey），发展出整套猴子军团Simian Army，为控制实验的爆炸半径提出故障注入测试（FIT），再到精细化流量配比以区分影响，直至引入断路器实现真正的无人值守。

本篇博文将介绍创建用于 AWS RoboMaker 的 bundle 的常规工作流，以及常见问题的一些解决方案。

将向大家介绍新推出的 AWS Deep Learning Containers。这些 Docker 映像可以随时与 TensorFlow 或 Apache MXNet 配合使用以进行深度学习训练或推理，对其他框架的支持也将很快推出。客户告诉我们，他们正在使用 Amazon EKS 和 ECS 将 TensorFlow 工作负载部署到云中，并要求我们让这一任务变得尽可能简单直接，为此我们构建了这些容器。虽然我们已经做到了客户的要求，但仍对这些映像进行优化以在便于在 AWS 上使用，希望能够减少训练时间，提高推理性能。

Amazon Redshift 是一款可以扩展到 EB 级的数据仓库。本博文将会向大家如何配置 Redshift 以根据需要增加查询处理能力。

AWS Application Load Balancer 自 2016 年夏使用至今！ 它们支持基于内容的路由，适用于无服务器且基于容器的应用程序，并且具有高度可扩展性。很多 AWS 客户使用现有的基于主机和路径的路由来增强 HTTP 和 HTTPS 应用程序，同时利用其他 ALB 功能，例如端口转发（非常适合基于容器的应用程序）、健康检查、服务发现、重定向、固定应答以及内置身份验证。

本博文将介绍一种存储 Amazon S3 中重要但不经常访问的数据的更具成本效益的新方法。

本博文将添加 M5ad 和 R5ad 实例，这两个实例均由定制的 AMD EPYC 7000 系列处理器提供支持，并基于 AWS Nitro 系统构建。

AWS App Mesh 帮助您大规模运行和监控 HTTP 和 TCP 服务。您可以一致的方式进行路由和监控流量，深入了解问题，并能够在故障或代码更改后重新路由流量。App Mesh 使用开源 Envoy 代理，为您提供源自 AWS 合作伙伴和开源社区的各种工具的使用权限。

本文按照从简单到复杂的顺序，描述了在各种不同的场景下，如何把MySQL数据库的数据迁移到Amazon Aurora里。

RPM 和 Docker 容器为二进制版本。如果您希望根据我们的代码库进行开发工作，或要基于您自己的 Elasticsearch 二进制文件安装我们的插件，则您必须下载源代码并基于源代码进行构建。我们会发布多篇博客文章来向您介绍如何执行此操作。在本篇文章中，我们首先介绍 SQL 插件。其他插件有各自不同的代码库和编译方法。请随时关注！