亚马逊AWS官方博客
使用 Route 53 解析器查询日志记录您的 VPC DNS 查询
Amazon Route 53 团队刚刚推出了一项名为 Route 53 解析器查询日志的新功能,该功能可让您记录由 Amazon Virtual Private Cloud 内的资源发出的所有 DNS 查询。无论是 Amazon Elastic Compute Cloud (EC2) 实例、AWS Lambda 函数还是容器,如果它位于您的 Virtual Private Cloud 中并进行 DNS 查询,则此功能将记录它;然后您可以探索并更好地了解应用程序的运行情况。
使用 AWS Transcribe 配合物联网设备构建一套支持多语种的语音到文本通知系统
本文展示了如何使用AWS服务构建安全的语音到文本通知解决方案。如果您在未来的应用场景中需要使用多种不同语言,将语音内容转换为文本,则可以直接集成这套解决方案。如果您有任何问题或者意见,请在评论区中与我们交流。
在 Amazon EMR 上监控 Spark Streaming 应用程序
如何监控和调优Spark Streaming实时应用程序是一项非常挑战的工作,您需要随时应对环境中发生的种种变化。另外,还需要监控源数据流和作业的输出,从而可以了解全面的情况。Spark是一套非常灵活并且丰富的框架,它能够提供多种方式来对任务进行监控。本文主要探讨了其中一种有效的方法,使用SparkListeners并将提取到的指标与CloudWatch指标相集成,从而实现监控Spark Streaming微批处理程序的性能。
使用应用程序负载均衡器在私有子网内安全访问 Amazon EMR Web 接口
现在,大家可以将应用程序负载均衡器(ALB)作为HTTPS代理使用,通过互联网访问EMR Web接口。通过这种方式,避免了使用堡垒机创建SSH隧道。这种方法极大简化了对EMR Web接口的访问。
在 Amazon EMR 上使用 Dr. Elephant 与 Sparklens 实现 Hadoop 与 Spark 性能调优
本文介绍了如何在Amazon EMR集群上启动Dr. Elephant与Sparklens工具,以及如何尝试针对计算与内存密集型作业做出优化与性能调整。Dr. Elephant与Sparklens可以帮助大家提高数据集并行性与计算节点利用率,借此加快作业执行速度并提高内存管理效率。凭借工作负载调优与集群并行性控制,这两款工具还能帮助大家克服Spark与Hive作业处理中常见的各类挑战。
如何使用 Apache Spark 与 Amazon EMR 改善 FRTB 的内部模型方法实现
随着金融机构积极拥抱FRTB,AWS提供的定性式解决方案将帮助更多组织满足愈发严苛的业务需求。凭借着AWS出色的弹性与速度表现,金融机构可以更快地响应新的、更复杂的法规要求。我们参考实例展示了金融机构如何实际使用AWS计算、存储以及其他服务资源。
Amazon Managed Streaming for Apache Kafka (MSK) 迎来通用版本
期待Amazon MSK,能够切实帮助大家简化流式应用程序的构建与云迁移工作!
Bottlerocket:一套专用型容器操作系统
Bottlerocket是一套与传统通用型Linux发行版完全不同的操作系统,我们坚信其中承载的种种变化将给用户的安全性与运营带来长期改善。我们也希望Bottlerocket中内置的各类工具(包括紧急状态下专用的admin容器等机制)能够帮助各位简化工作负载迁移流程。
开发者指南:当 Amazon EFS 遇上 Amazon ECS 与 AWS Fargate——第一部分
本文为系列博文中的第一篇。到这里,我们已经讨论了此次集成功能的诉求、适用范围与用例。现在,大家可以转向第二部分,下一篇文章将深入探讨Amazon EFS的工作方式,以及我们要如何以EFS、ECS以及Fargate为基础构建起具有区域弹性的部署体系。
Drop 如何使用 Amazon EMR for Spark 实现成本减半,并将处理速度提升5.4倍
Amazon EMR帮助Drop公司充分发挥数据资产的力量,据此做出更明智的产品与业务决策。我们使用Amazon EMR功能改善数据处理管道的整体性能与成本效率,借此获得了巨大的商业成功,这又反过来敦促我们持续探索管道改进的新方法。最终,我们意识到只有与最新AWS技术以及Amazon EMR功能保持同步,才能不断将业务系统的运营效率提升至新的高点。








