亚马逊AWS官方博客
Tag: Database
在 Kubernetes 中为应用程序部署 Amazon RDS 数据库
Kubernetes 容器编排系统为管理分布式环境中的应用程序提供了大量资源。其中许多应用程序都需要一个安全、持久和高性能的可搜索存储系统来存储其数据。开发人员希望专注于不断改进其应用程序,而不必担心其数据库的运行功能。他们还需要一种直接从 Kubernetes 连接和管理数据库的方法。
使用Amazon Redshift ML构建机器学习应用
自从2018年起,亚马逊云科技发布了一系列的产品和服务,例如Amazon SageMaker,Amazon Aurora ML,Amazon Redshift ML,和2021年reInvent发布的Amazon SageMaker Canvas,使得不同角色的工程师越来越容易构建机器学习应用,降低应用机器学习的门槛,以实现普惠机器学习。本系列文章将以上述产品为核心,从不同的角度帮助企业中不同部门的人员构建机器学习应用。
如何在数据库里面使用SQL语句直接调用Amazon机器学习服务进行推理
本文主要讲解了如何在Amazon Aurora数据库里面使用SQL语句直接调用Amazon Comprehend 和Amazon SageMaker机器学习服务进行推理,让业务后端开发人员即使没有机器学习知识,也可以快速使用最熟悉的SQL语句调用机器学习服务,为业务提升价值。
Amazon DynamoDB 的十年之约
Dynamo 数据存储的成功激励了亚马逊机器学习副总裁 Swami Sivasubramanian、Amazon.com 首席技术官 Werner Vogels 和同事撰写 Dynamo 研究论文,并在2007年 ACM 操作系统原理研讨会(SOSP会议)上分享。Dynamo 论文被认为是 NoSQL 的开篇之作。Amazon DynamoDB,云托管 NoSQL 数据库服务于10年前的今天走上历史舞台。
加速 Amazon RDS for MySQL 只读副本提升
本文主要讲述在一个RDS MySQL集群中,如何在有限的时间内尽可能加快从MySQL Read Replica中提升。
通过Amazon CloudWatch配合Amazon ElastiCache for Redis遵循监控最佳实践
在维持Amazon ElastiCache资源的可靠性、可用性与性能方面,监控一直是最为重要的手段之一。在本文中,我们将共同了解如何使用Amazon CloudWatch及其他外部工具维持健康运作的Redis集群,并防止其意外中断。我们还将具体讨论对扩展需求进行预测及筹备的几种可行方法。
新增功能 – 在 Amazon S3 中将 Amazon DynamoDB 表数据导出到您的湖内数仓,无需编写代码
今天,我们将推出一项新功能,这项功能可使您将 DynamoDB 表数据导出 Amazon Simple Storage Service (S3)——无需编写代码。
它是 DynamoDB 的一项新的原生功能,可以以任何规模运行,无需管理服务器或集群,且该功能支持您跨 AWS 区域和账户以秒级粒度将数据导出到过去 35 天的任何时间点。此外,它不会影响生产表的读取容量或可用性。
使用 pg_dump 将云下 PostgreSQL 迁移到AWS RDS PostgreSQL最佳实践
本文主要讲述在将云下 PostgreSQL 数据库迁移到 RDS PostgreSQL 的指导原则及最佳实践,这里主要通过pg_dump来完成迁移。
Amazon Aurora MySQL 数据库配置的最佳实践
在部署新的 Aurora MySQL 实例时,许多参数已经过优化,在执行任何参数更改之前,它们都是一个很好的基准。各参数值的确切组合在很大程度上取决于各个系统、应用程序工作负载和所需的吞吐量特性。此外,在具有高变化率、增长率、数据提取率和动态工作负载的数据库系统上,这些参数还需要持续监控和评估。随着您基于应用程序和业务需求不断调整数据库,我们建议您每隔几个月(可能每隔几周)进行一次监控和评估。
为了执行成功的参数调整,将之转化为可量度的性能提升,您最好进行实验,建立基线并比较执行更改后的结果。我们建议您在将更改提交到实时生产系统之前执行此操作。