亚马逊AWS官方博客

机器学习的训练需要大量计算资源，因此它非常适合云计算，AWS的sagemaker使得云端的训练变得非常的简单。 然而，许多客户希望运行更接近数据源的推理，以最大限度地减少等待时间以及通往云端的往返带宽问题。利用边缘计算机器学习推理的Greengrass ML inference，可以使得在设备上部署和运行ML模型变得更快，更容易。 这项新功能可以将推理模型应用到本地生成的数据，而无需往返云端。AWS Greengrass ML inference可以与云端的sagemaker良好集成，从而实现云端训练，本地推理的完整解决方案。而且，用户可以通过向Greengrass发送指令要求它将收集到的数据上传到云端，在云端进一步训练完成模型的更新，通过AWS IOT将新的模型以及新的推理代码推送到设备端，从而实现一个不断迭代和进化的机器学习生态系统。

Amazon 企业级云数据库 Amazon Aurora 服务在中国宁夏区域的落地，将很大程度帮助这些有性能瓶颈的用户。Amazon Aurora 是 AWS 打造的一款能兼容 MySQL 的新一代企业级数据库，她基于云设计了一套全新架构，使数据库的性能大大的优化，每秒钟能完成数十万甚至上百万的读写事务。她有商业数据库的性能和可靠性，有非常灵活的横向及纵向扩展能力，而成本只有商业数据库的1/10，让广大开发者在开发应用时有了一个新的选择。

今年早些时候，我向大家介绍了如何使用 Amazon Polly 插件让您的 WordPress 博客变有声，并详细演示了安装、配置和使用适用于 WordPress 的 Amazon Polly 插件的步骤。今天，我们增加了将您的内容翻译为一个或多个语言，以及为每个翻译版本生成音频版本的能力，让这个插件变得更为强大。翻译功能将使用 Amazon Translate，这是一款中性的机器翻译服务，是我们机器学习服务组合的组成部分。

在反复研究客户反馈之后，我们将发布适用于 Comprehend 的全新异步批量推理功能。异步批处理操作可处理存储在 Amazon Simple Storage Service (S3) 存储桶中的文档，并可执行所有常规 Comprehend 操作，例如实体识别、关键短语提取、情绪分析和语言检测。与单文档 API 和批处理 API 相比，这些新的异步批处理 API 支持的文档要大得多，从而减少了客户截断文档以获取服务的需求。当然，所有单文档 API 和批处理同步 API 操作仍可用于提供实时结果。通过增加异步操作，开发人员可以选择最适合其应用程序的工具。让我们深入了解一下这一新型 API。

今天，我们要介绍的是新版 Network Load Balancer (NLB)。它设计用于每秒处理数千万个请求，同时以超低延迟保持高吞吐量，无需您执行任何操作。Network Load Balancer 与 Application Load Balancer 保持 API 兼容，包括对目标组和目标的完全编程控制。

本博文将简单谈谈与机器学习准确性和偏见相关的问题。

Application Load Balancer (ALB) 提供内置的身份验证功能。ALB 现在可以在用户访问应用程序时安全对其进行身份验证，开发人员不必再编写支持身份验证的代码，也不必承担从后端进行身份验证的责任了。我们的团队构建了一个非常精彩的演示示例，您可以利用该实例尝试身份验证功能。

就在上周，我向大家介绍了我们的发布计划，即将推出具有更快的处理器和更多内存的 EC2 实例。今天，我们很高兴地向大家报告，R5、R5d 和 z1d 实例现已推出，您可以立即开始使用了。本文将对这三种实例进行详细介绍，欢迎点击阅读。

在本文中，我们主要讨论使用微软提供的 ADMT(Active Directory Migration Tool) 来实现将用户从本地AD迁移到AWS Managed Microsoft AD。需要注意的是: AWS Managed Microsoft AD 采用 Windows Server 2012 R2 并在 2012 R2 功能级别上操作，如果和本地域功能级别不同，在迁移的时候有可能会出现一些属性无法同步的情况。

有很多用户在本地或云中使用标准 MySQL 来持久化业务数据，现在他们希望能使用新一代基于云架构的 Aurora 数据库。 使用 Aurora 数据库有非常多的好处，她的性能比普通的 MySQL 数据库高数倍，并且很容易能横向及纵向扩展。对于已有系统，首先会面对如何将现有数据库迁移到 Aurora 中。本文将介绍如何将一个 AWS 云中 Amazon Linux 上的 MySQL 迁移到 Amazon Aurora 的全过程。