亚马逊AWS官方博客

本博文将会详细介绍一个在 AWS 中使用开源工具 Liquibase 和 Jenkins 构建具有成本效益、独立于数据库的解决方案示例，以解决这些数据库问题。我不会深入介绍 Liquibase 或 Jenkins 的工作原理；相反，我会重点介绍如何在 Amazon Elastic Compute Cloud (Amazon EC2)、AWS CodeCommit、AWS Secrets Manager 和 Amazon Simple Email Service (Amazon SES) 等 AWS 服务上部署这些开源工具，以实现所需目标。

为EDA行业客户提供安全、高效、一致性的图形界面接入体验，解决用户在设计、开发和测试过程中对Linux 图形界面的需求。

本文介绍了一种方法识别详细账单中哪些实例使用了跨账号的预留实例，以及如何计算每个账号的的实际成本。

k-NN算法是经典的机器学习算法之一，是用于分类和回归的非参数方法。本文将介绍如何使用 Amazon Elasticsearch Service 构建 k 近邻 (k-NN) 相似度搜索。

今天，AWS 很高兴地宣布正式推出适用于 的 UltraWarm。

AWS 很高兴向计划使用标准预留实例或 EC2 Instance Saving Plans 的 Amazon Elastic Compute Cloud (EC2) 客户告诉一个降价的好消息。此价格调整已经生效，因此任何新购买 RI 或 EC2 Instance Saving Plan 的客户都将享受此次降价的优势。

Amazon Corretto 团队推出了开源 Heapothesys 基准。这是一项综合工作负载，它模拟了影响垃圾收集器 (GC) 延迟的基本应用程序特征。这一基准能创建并测试按照对象分配速率、堆占用和 JVM 旗标定义的 GC 负载情景，然后报告由此产生的 JVM 暂停。OpenJDK 开发人员由此可以创建引用点，研究其正在实现的各项技术的性能边界。

很多 AWS 客户（包括初创公司和大型企业）都正在其现有应用程序中采用机器学习和深度学习。行业的创新速度促使各企业采用机器学习，其涉及的业务使用案例从客户服务（包括从图像和视频流进行对象检测、情绪分析）到欺诈检测与协作不等。然而，直到最近，采用学习曲线仍然相当陡峭，需要用新的编程语言（例如 Python）和框架开发内部技术专业知识，从而对从编写代码到构建、测试和部署的整个软件开发声明周期产生级联效应。本博客文章中所述的方法可使企业利用现有的才能和资源（框架、管道和部署）来集成机器学习功能。

自动化软件构建过程是采用开发运营最佳实践的重要一步。为了帮助您实现目的，我们构建了 AWS CodeBuild，该服务是一项完全托管的持续集成服务，可编译源代码、运行测试并生成可供部署使用的程序包。

今天，AWS 想向大家介绍一下 AWS Elemental Link。这款新设备可将直播视频源连接到 AWS Elemental MediaLive。此设备非常小巧（大约 32 立方英寸），重量不到一磅。它耗电极少，绝对静音，售价 995 USD，可立即购买。