亚马逊AWS官方博客

AWS 官方并未提供前端展现工具或服务，来实现对 Neptune 图数据库数据分析的可视化，下面我们将结合基于浏览器的 VIS.js 动态可视化库，通过Serverless方式，采用 Amazon S3 静态网站托管与 Amazon API Gateway、AWS Lambda服务，来实现对 Neptune 图数据库数据分析的可视化。

Amazon SageMaker 是一种完全托管的模块化机器学习 (ML) 服务，它可帮助开发人员和数据科学家轻松构建、训练和部署任意规模的模型。您可以使用内置的算法，也可以自带算法，或者使用来自 AWS Marketplace 的算法，让 ML 模型从试验走向大规模生产从未变得如此简单、快速。

为帮助组织和开发人员在他们的应用程序中使用语音识别，我们在 AWS re:Invent 2017 上发布了 Amazon Transcribe，这是一项自动语音识别服务。借助 Amazon Transcribe，客户（如 VideoPeel、Echo360 或 GE Appliances）能够快速、轻松地将语音识别功能添加到其应用程序和设备中。

如今，海量数据从四面八方纷涌而来，比如来自 IoT 传感器、应用程序日志和点击流等资源的非结构化数据，以及来自事务处理应用程序、关系数据库和电子表格的结构化数据。数据已成为每家企业的重要组成部分。为了快速获取数据中的价值，保持单一事实来源（single source of truth），并且自动执行从数据提取到转换和分析的整个pipeline的需求应运而生。

主要介绍了在Direct Connect高可靠设计下，如何通过策略路由实现两条专线基于A/B段的双活。

Amazon EMR 发行版 5.24.0 包含了多项 Spark 优化，提升了查询性能。为了评估性能的提升，我们使用了 3TB 级的 TPC-DS 基准查询，在一个 6 节点 c4.8xlarge EMR 集群上运行，数据存储在 Amazon S3 中。我们观察到，在以类似的配置运行时，EMR 5.24 上的查询性能要比 EMR 5.16 高 13 倍。

工业物联网 (IIoT) 为每个行业提供了一个无与伦比的机会来应对核心业务挑战，例如减少停机时间、提高安全性、增加系统输出、降低运营成本，以及创建创新服务和业务模型。在本篇博文中，我将向您展示如何使用 AWS IoT 服务构建资产状况监控解决方案，捕获物理资产中的数据，以便您了解其状态和性能并采取相应措施。

在之前的一篇有关设备证书即时注册的博文中，我们讨论了如何使用即时预配置 (JITR) 激活设备证书及如何在自动注册设备后立即将策略附加到证书中。JITR 可触发注册事件。您必须创建 AWS IoT Core 规则来侦听注册事件主题，并且当确定注册事件时，会在机载设备中执行您的 Lambda 代码。
在此博文中，我将向您展示如何使用新功能即时预配置 (JITP) 来预置资源。JITP 使您可以登记自己的设备，无需创建 AWS IoT Core 规则和 Lambda 函数。您需要将预置模板与 IAM 角色一起附加到 CA 证书中。JITP 将基于预置模板创建、更新和附加资源。该角色将被输入，以授予 AWS IoT 权限来调用代表您进行预置所需的 API。

Amazon Forecast 基于亚马逊的技术构建，融入了我们以易于使用的方式构建和运行高度准确的可扩展预测技术的多年经验；因为它使用深度学习方式从多个数据集中学习并自动尝试不同的算法，所以适合诸多不同的用例，例如预估产品需求、预估云计算使用量、财务规划、供应链管理系统中的资源规划等。

在本文中，我们展示了如何用Amazon S3 inventory, Amazon Athena, AWS Glue Data Catalog和Amazon EMR来对预先存在的和之前复制失败的对象进行规模化的copy-in-place。