亚马逊AWS官方博客

技术社区分享 AWS 知识的热情始终令我们振奋不已。许多资深的 AWS 拥趸乐于分享他们遇到的挑战、成功经验和代码，以帮助其他人在 AWS 上构建。AWS 新用户也对社区构建同样热情，他们希望知道如何更多地参与社区活动。这些构建者希望有更好的方式来联系互动、分享最佳实践以及获得资源和辅导，从而帮助促进社区知识共享。

许多工作负载（如基因组分析、机器学习模型训练、高性能计算 (HPC) 和分析应用程序）都依赖于访问同一组数据的多个计算实例。对于这些工作负载，计算实例的集群通常连接到高性能共享文件系统。Amazon FSx for Lustre 让您可以轻松且经济高效地启动和运行世界上最热门的高性能共享文件系统。今天，我们宣布推出适用于 FSx for Luster 的新 HDD 存储选项，该选项可将吞吐量密集型工作负载的存储成本降低多达 80％，而这些工作负载不需要 SSD 存储的亚毫秒级延迟。

随着媒体行业的全球化发展，越来越多的用户（包括企业和个人）都会有视频字幕的自动化翻译的需求。本文使用Amazon S3作为视频和字幕文件的存储，使用 Amazon Translate 实现了字幕的机器翻译，并且使用Amazon Lambda来调用 Amazon Translate 构建了一套无服务器的视频字幕翻译架构。利用本文实现的方案，您只需要将视频和字幕文件上传至Amazon S3，就可以自动获得翻译后的视频和字幕文件。

AWS Glue 是一项完全托管的提取、转换和加载 (ETL) 服务，可让客户更轻松地准备和加载数据以进行分析。Glue 是一项“无服务器”服务，您无需预置或管理任何资源，并且只需在 Glue 有效运行时为资源付费。

本文还向大家展示了如何轻松在Amazon Redshift schema当中控制存储配额。我们不仅完成了schema之上创建并变更配额，同时授权特定用户使用该schema的操作步骤，同时也探讨了如何将数据导入schema并通过系统视图在多种用例下监控事务结果及磁盘使用量。通过这项强大的功能，相信大家能够通过Amazon Redshift切实满足各类业务需求。

本文探讨了EMR Managed Scaling功能，它可以自动调整集群大小，借此以最低成本实现最佳性能。

本文回顾了能够帮助大家尽可能提升Amazon Redshift联邦查询性能的十项最佳实践。当然，每项实践都对应特定用例，请在具体采用之前认真评估您的当前场景是否与之匹配。 AWS将继续增强并改进Amazon Redshift Federated Query，也欢迎大家提供反馈意见。如果您有任何疑问或建议，请在评论中与我们交流。如果您需要进一步帮助以优化Amazon Redshift集群，请联系您的AWS客户服务团队。

本文展示了如何在Active Directory当中配置ADFS 3.0，并将其作为IdP以使用SAML实现与AWS的身份验证联动。本文还探讨了如何将Athena ODBC驱动程序集成至ADFS，以及如何直接使用Active Directory凭证接入Athena。通过将Active Directory与Athena ODBC驱动程序集成起来，我们可以更灵活地通过各类熟悉的商务智能工具访问Athena，使用SQL分析Amazon S3中的数据且完全无需创建单独的IAM用户。

本文向大家讲解了如何使用Amazon EMR 6.0.0与Docker简化Spark中的依赖项管理流程。我们创建一套Docker镜像以打包现有Python依赖项，创建一个集群并将其设定为使用Docker运行时，而后将创建的Docker镜像与EMR Notebook配合使用以运行PySpark作业。

在EMR上使用Spark，可以在基础设施抽象与管理之间达成适当的平衡，同时帮助我们实现粗粒度配置以保证数据科学家及工程师及时获得所需工具。在Route 53与ALB等多种AWS服务的帮助下，整个部署流程也变得更加轻松易行。