Tag: Database

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。

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。

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。

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。

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。

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。

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。

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。

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。