亚马逊AWS官方博客
Amazon Transcribe 的新增功能 — 实时通话期间的实时分析
为了帮助座席更快地解决实时通话问题,亚马逊云科技在 Amazon Transcribe Call Analytics 中引入了实时呼叫分析。实时呼叫分析为开发人员提供 API,以准确转录实时通话,同时实时识别客户体验问题和情绪。
Amazon EMR HBase on S3 之二级索引、Thrift 和性能评测
本文从实战的角度,解释一下亚马逊云科技客户在选择使用 HBase on S3 的时候比较关心的两个问题,一个是如何把已有的 HBase on HDFS 迁移到 HBase on S3,并包含二级索引的迁移;另一个是 HBase on S3 的性能问题。
明察秋毫 — 轻松实现 S3 用量细颗粒度追踪
对于 SaaS 服务供应商来说,如何实现租户之间的数据隔离、服务的权限控制、计费管理等,是其构建用户系统最核心的问题之一。本文旨在探讨如何利用亚马逊云科技 S3 服务的功能,在不改变现有工作流程和数据集的情况下对请求者级别的用量进行追踪。
使用 Amazon DocumentDB 和 Amazon MSK 通过 Kafka 连接器流式传输数据
越来越多的亚马逊云科技客户正在将 Amazon MSK 与 Amazon DocumentDB 结合使用。本文讨论了如何运行和配置 MongoDB Kafka 连接器,以便在 Amazon DocumentDB 和 Amazon MSK 之间移动数据以用于接收器和来源使用案例。
使用 Amazon MSK Serverless 拆分整体式 Apache Kafka 集群
如今,许多公司都在从中小型集中式 Apache Kafka 集群开始着手构建全球流式传输服务,随着时间的推移,他们会选择保留一个整体式集群。本文说明了集中式方法面临的一些挑战,并介绍了使用亚马逊云科技 Amazon MSK Serverless 实施去中心化方法的两种策略。
使用 Amazon DynamoDB 全局表构建弹性应用程序:第 1 部分
对于需要构建弹性应用程序并尽可能降低恢复时间目标和恢复点目标的客户,他们希望充分利用亚马逊云科技的全球基础设施来支持其弹性目标。本文演示了一个示例应用程序,并讨论了在迁移到多区域时可用性的变化。您将学习如何使用 Amazon DynamoDB 全局表作为持久性层来构建弹性应用程序。
向 Amazon Aurora 添加实时机器学习预测:第 1 部分
本文说明了如何使用 Amazon SageMaker Autopilot 构建客户流失机器学习模型,以便亚马逊云科技的客户能够在没有任何机器学习经验的情况下自行生成准确的机器学习预测,以及如何从 Amazon Aurora 集群调用 SageMaker 端点。
使用 AWS Glue DataBrew 和 Amazon QuickSight 简化半结构化嵌套 JSON 数据分析
本文演示了如何配置亚马逊云科技 Glue DataBrew 以处理嵌套的 JSON 对象,以及如何使用 Amazon QuickSight 进行数据可视化。
使用 Amazon DynamoDB 构建可扩展的梦幻足球数据库模型
亚马逊云科技 Amazon DynamoDB 是一种采用无服务器架构的键-值 NoSQL 数据库,可实现稳定的低延迟结果和高可用性。本文在热门梦幻足球游戏类型的背景下,重点介绍了 DynamoDB 表的设计概念。
使用 AWS DMS 将 Google Cloud for MySQL 迁移到 Amazon Aurora MySQL
本文将说明如何使用亚马逊云科技 Data Migration Service(AWS DMS)自动从 Google Cloud for MySQL 迁移到 Amazon Aurora MySQL 兼容版本,并最大限度地减少停机时间。