亚马逊AWS官方博客

在本文中，我们了解了如何使用Robo 3T接入Amazon DocumentDB集群。在Robo 3T与Amazon DocumentDB集群之间建立连接之后，我们即可进一步创建数据库、集合与索引；插入文档；并通过工具对集群发起查询。关于更多高级功能，例如就地查询编辑、MongoDB上的SQL查询、可视化查询构建器、聚合编辑器以及schema浏览器等，请参阅Studio 3T发布的相关说明。

本文讨论了与 Amazon RDS 和性能详情相关的 CloudWatch 指标以及如何利用这些指标做出您的数据库决策。这些指标可以帮助您决定计算和存储扩展、数据库引擎性能调整和工作负载修改。 本文还回顾了 Amazon RDS 提供的各种存储类以及 Amazon Aurora 的工作方式与使用 EBS 卷的 Amazon RDS 实例的工作方式有哪些不同。这些知识可以帮助您排除故障、评估和决定 Amazon RDS 修改。

在本文中，我们探讨了AWS所构建的多种不同类型的数据库服务和相应的用户案例和应用场景，帮助我们了解如何针对不同的需求场景，在AWS云上选择一款适合自己需求的数据库服务。

详细介绍了BeeGFS并行文件系统的Buddy Group使用和故障恢复功能。

本文向您展示了 Amazon DocumentDB 的入门操作，包括创建 AWS Cloud9 环境、安装 mongo shell、创建 Amazon DocumentDB 集群、连接到集群以及通过执行一些查询在 Amazon DocumentDB 内部轻松插入和查询 JSON 文档。

本文向您展示了 Amazon DocumentDB 的入门操作，包括创建 EC2 实例、安装 mongo shell、创建 Amazon DocumentDB 集群、连接到集群以及通过执行一些查询在 Amazon DocumentDB 内部轻松插入和查询 JSON 文档。

Amazon Aurora全球数据库允许用户创建全局分布式应用程序，保证为远程区域内的本地读取操作提供支持。以此为基础，您可以在灾难恢复解决方案中实现极优的RPO与RTO水平，也可以向世界各地的用户提供延迟更低的读取响应。通过写入转发功能，我们现在还能够让全局应用程序以更少的代码变更在远程区域内轻松执行写入操作。

How build Datalake with AWS Data Wrangler

Amazon Redshift 允许 AWS 客户构建 PB 级的数据仓库，使来自各种内部和外部源的数据得以整合。由于 Redshift 针对大型表上的复杂查询（通常涉及多个join）进行了优化，因此它可以毫不费力地处理大量零售、库存和财务数据。加载数据后，我们的客户可以使用由 Redshift 合作伙伴提供的大量企业报告和商业智能工具。

在本文中，您创建了一个主动学习工作流，并使用该工作流从 ML 模型推论和人工工作线程产生高质量的标签。 您可以将此工作流用于各种自定义添加标签任务，以减少为大型数据集添加标签的成本。您可以使用任何自定义学习算法和主动学习逻辑，并根据需要更改此示例。要开始使用 Blazing Text 预览主动学习工作流，请启动 Cloud Formation 堆栈并完成第 1 部分。