Tag: 使用指南

在本文中，我们了解了如何使用Amazon Kendra部署企业搜索服务。您可以使用机器学习支持的Amazon Kendra改善公司内部的搜索体验。您也可以在不具备任何机器学习/AI经验的前提下，使用自然语言快速检索文档。关于Amazon Kendra项目的更多详细信息，请参阅AWS re: Invent 2019大会上Andy Jassy做出的主题演讲、Amazon Kendra常见问题解答以及Amazon Kendra是什么？

在本文中，我们理解了异常检测的目标，并探讨了异常检测模型与输出结果方面的详细信息。目前，大家可以轻松从Amazon ES以及Open Distro for Elasticsearch当中获得这些功能。最后，我们还将异常检测工具的结果与两种常用模型进行了比较，并观察到相当可观的性能改进。

在关键任务SQL Server的部署当中，多区域策略将成为决定项目成败的关键。本文的重点在于讲解如何使用分布式可用性组更好地实现这一目标。

本文向您解释如何根据当前安全策略识别不活跃的Aurora PostgreSQL用户，并对其执行锁定或删除。在尝试使用此解决方案时，请测试并不断修改代码以满足您的实际需求。您还应考虑添加警报机制以保证当前作业的正常运行，并在用户被锁定或删除时发出通知。

通过自动扩缩集群中节点及Pod，正确调整分配给Pod中容器的资源的大小，缩减业务时段以外的部署规模，并将大部分Pod转移至竞价实例，能够为Kubernetes集群节省超过80％的EC2实例成本。这四种重要的方式，均来自AWS良好架构构架中成本优化支柱原则所提到的最佳实践。事实也再次证明，这些建议确实能够帮助客户以更节省和更高效地方式在EKS中运行Kubernetes工作负载。

在本演练中，我们在VPC内创建了两个EKS集群，在其中一个集群上创建了前端服务，另一集群则创建后端服务。我们还创建了一个涵盖两个集群的AWS App Mesh，并使用AWS Cloud Map的发现服务建立起通信通道。整套方法也可扩展至其他集群（不要求一定是EKS集群），包括ECS、EKS、Fargate以及EC2实例等的混合场景。

本文演示了如何将多项不同AWS服务集成起来，进而在PostgresSQL数据库上调度及运行作业的方法。您可以使用同样的解决方案在任意RDS数据库上运行作业，或者编排复杂的作业工作流——唯一的区别是，您需要在Docker容器内添加兼容的python适配器，并将其导入python脚本当中。 此外，这套解决方案还可帮助您利用AWS Batch与CloudWatch规则建立起CI/CD工具链，借此管理一切指向作业及调度计划的变更。

Amazon SageMaker Studio 是适用于机器学习开发全流程的集成开发环境，它为基于笔记本开发的人员增加了新的强大功能。

Elastic Inference 是一项灵活的低成本解决方案，适用于 Amazon EC2 上的 PyTorch 推理工作负载。通过将 Elastic Inference 加速器附加到 CPU 客户端实例，您可以获得类似于 GPU 的推理加速并保持比独立的 GPU 和 CPU 实例更高的成本效益。有关更多信息，请参阅什么是 Amazon Elastic Inference？

本博文介绍了通过将 RDS MySQL 只读副本作为回退选项来将 RDS MySQL 迁移至 Aurora MySQL 数据库集群的过程。我们在方案中使用了基于 GTID 的复制方法，以充分利用它的各种优势，加强一致性以及复杂复制流中的二进制日志自动定位。此外，您还可以使用基于 GTID 的复制方法将本地 MySQL 或 EC2 MySQL 实例迁移至 Amazon Aurora MySQL。