亚马逊AWS官方博客

在本章节中主要描述，如何使用源MySQL数据库执行数据库迁移到MySQL数据库的目标Amazon RDS的最佳实践。同时由于(源和目标数据库引擎是相同的)——模式结构、数据类型和数据库代码在源和目标数据库之间是兼容的，这意味着这种迁移不需要任何模式转换。

您是否已试用过 AWS Amplify 和 AWS Amplify 控制台？ 在我看来，它们提供了一种最快的方式，可在 AWS 上将新的 Web 应用程序从想法转换为原型。它们是如何起作用的？ AWS Amplify 是一种用于构建现代应用程序的严谨框架，它有一个工具链，可轻松添加验证（通过 Amazon Cognito）或存储（通过 Amazon Simple Storage Service (S3)）等服务，这些都是通过命令行界面实现的。AWS Amplify 控制台让连续部署和托管现代 Web 应用程序变得简单。它支持为单一页面应用程序 (SPA) 框架托管前端和后端资产，包括 React、Angular、Vue.js、Ionic 和 Ember。它还支持静态站点生成器，如 Gatsby、Eleventy、Hugo、VuePress 和 Jekyll。

在今天的发布中，除 S3 和 Amazon CloudFront 外，AWS Amplify CLI 中可用的托管选项还包括 Amplify 控制台。通过 Amplify 控制台，您可充分利用连续部署、实时缓存失效、自定义重定向等功能以及自定义域的简单配置。

Amazon Elastic Kubernetes Service (Amazon EKS) 是一项完全托管的 Kubernetes 服务,由于其安全性、可靠性和可扩展性，许多企业在 EKS上 运行任务关键型应用程序。而Amazon EKS默认的模式是以同region下单cluster形式对外提供服务，而随着环境的复杂多样和集群数量增长,企业不可避免地需要同时部署和运营多个集群。通过Kubernetes Federation，可以轻松实现Amazon EKS服务的多区域部署，以及对EKS不同区域的集群,甚至可以位于不同的云提供商或企业内部的Kubernetes集群进行集中管理。

本文章是来自 AWS Serverless 明星 Yan Cui 的访客贴。
这个连载包括两部分，在第一部分中，我们了解了部署框架并探索了部分最佳无服务器框架插件。我们还了解了 org-formation 和 lumigo-cli 以及在使用 AWS 并构建无服务器应用程序时它们如何让您的生活变得更轻松。
在第 2 部分中，我们将了解在 Node.js 中编写 AWS Lambda 函数时可以使用的常用库，还将探索有用的 AWS Serverless Application Repository 应用程序，您可以利用它们处理很多常见杂务。

本文章是来自 AWS Serverless 明星 Yan Cui 的访客贴。
这个连载包括两部分，在第一部分中，我们了解了部署框架并探索了部分最佳无服务器框架插件。我们还了解了 org-formation 和 lumigo-cli 以及在使用 AWS 并构建无服务器应用程序时它们如何让您的生活变得更轻松。
在第 2 部分中，我们将了解在 Node.js 中编写 AWS Lambda 函数时可以使用的常用库，还将探索有用的 AWS Serverless Application Repository 应用程序，您可以利用它们处理很多常见杂务。

在使用Python的早些年，为了解决Python包的隔离与管理 virtualenvwrapper 就成为我的工具箱中重要的一员。而这几年，应用场景的的复杂性越来与高，无论是开发还是部署都需要设置复杂的环境。随之而来Docker 就变成了程序员必不可少的常备工具。Alpine这个Linux 发行版本比其它哪些老字号的Linux 发行版更适合Docker 的环境吗？至于我的Python 应用，究竟选择哪一个 Docker 基础映像更好呢？

欢迎阅读我们的第一篇半导体和电子的博客！这篇文章以及未来陆续发布的其他文章将帮助AWS客户和合作伙伴及时了解AWS半导体和电子团队的活动，并为在AWS上运行半导体和电子工作流程提供规范指导。我们的团队成员分布在全球各地，致力于帮助全球客户加速其关键的半导体工作流程，包括从前端设计和验证，到后端制造、封装和组装的全部流程。我们的团队由行业领导者组成，每个行业领导者在半导体和电子行业都有数十年的经验。我们利用这种经验来指导客户，从他们最初的AWS入门到运行他们的第一个生产工作负载。

在 AWS 上运行大数据 ETL 工作流的大型企业的运营规模很大，它们为很多内部终端用户提供服务，并且同时运行数千个管道。再加上需要持续更新和扩展大数据平台以第一时间掌握新框架和最新版本的大数据处理框架，这便需要高效的架构和组织结构，既能简化大数据平台的管理，又能方便对大数据应用进行访问。
在此博文系列的第 1 部分中，您已经学习了如何使用 Apache Airflow、Genie 和 Amazon EMR 管理大数据工作流。
本博文将指导您部署 AWS CloudFormation 模板、配置 Genie 以及运行在 Apache Airflow 中创作的示例工作流。

在 AWS 上运行大数据 ETL 工作流的大型企业的运营规模很大，从而为很多内部终端用户提供服务，并且同时运行数千个管道。再加上需要持续更新和扩展大数据平台以第一时间掌握新框架和最新版本的大数据处理框架，这便需要高效的架构和组织结构，既能简化大数据平台的管理，又能方便对大数据应用进行访问。
此博文介绍了可帮助集中平台团队维护大数据平台以同时服务数千个 ETL 工作流的架构，并且简化了实现该目的所需的操作任务。

Amazon EMR是业界领先的原生云大数据平台，它极大地简化了在AWS上运行各种大数据框架进行大数据的处理和分析工作。通过使用这些框架和相关的开源项目(如Apache Spark、Apache Hive和Apache HBase等)，并结合 Amazon EC2 的Auto Scaling动态弹性和 Amazon S3 的可扩展高可靠存储，您可以轻松、快速、经济高效地处理大规模海量数据。通过EMR ，您可以在数分钟内启动大数据集群，并且无需担心基础设施管理的任务，EMR会帮助完成这些工作，您只需要集中精力进行数据分析即可。