Tag: industry solution

目前市场上对实时数据进行分析的场景越来越多，本文将尝试从DocumentDB中抽取实时数据流，并打入消息队列Kafka，方便后端进行Consume和分析。基于篇幅原因，我们会在之后的文章里使用Flink来实时消费Kafka的数据，方便做特征工程以及实时分析，拿到实时数据中的Insight。

本文将介绍如何使用Amazon IoT控制网络摄像头的布防撤防状态，通过Kinesis Video Streams服务上传云端，同时可以使用Amazon Rekognition服务提供人脸的识别，提供更精准的警报推送服务

使用 AWS Lambda 和 API Gateway 实现微信小程序后端服务

客户可能希望部署 AppStream 2.0 队列，并可选择按容量和非高峰时间计划进行扩展。在一天中的任何时间为用户提供对 AppStream 实例的访问权限。 有两种类型的缩放扩缩, 计划扩缩和容量扩缩。 这一系列解决方案提供了配置两种扩缩类型的选项，它们并不相互排斥，可以一起使用以获得最大的灵活性和成本控制。计划扩缩是通过可扩缩目标资源中的配置选项实现的。并且在这个表格中使用cron格式设置相关时间点来改变队列容量。容量扩展由 CloudWatch 指标上设置的警报驱动。

SageMaker Studio 提供了一个基于 Web 的单一可视化界面，您可以在其中执行准备数据以及构建、训练和部署模型所需的所有 ML 开发步骤。将 Amazon SageMaker Studio 代码存储在 AWS CodeCommit 存储库中，您可以将它们作为独立文档保存以备将来重用。 继续阅读以了解在 CodeCommit 上配置基于 git 的存储库以管理使用 SageMaker 开发的 ML 代码的步骤。

很多的制造企业正在利用数字化技术进行转型，并利用机器学习，计算机视觉和机器人等技术提升制造自动化程度。本文将介绍AWS如何利用这些技术为智能工厂提供解决方案并展示如何利用物理网技术将产线数据上云，如何利用边缘计算技术实时控制设备。

介绍Linux 网络环境下流量控制拥塞算法的优劣以及如何选择，重点针对BBR以及BBRv2 进行论述。

本博客是基于NodeLocal DNSCache解决EKS DNS查询高时延和深层降低跨AZ流量费，此方案在AWS大型企业客户得到实践，并证明有显著的效果。

Amazon EMR 现在支持 EC2 M6g 实例，以便为云工作负载提供最佳性价比。EC2 M6g 实例由 AWS Graviton2 处理器提供支持，此类处理器由 AWS 设计定制设计并配备 64 位 Arm Neoverse N1内核。与前一代实例相比，对于基于 Graviton2 的实例上的 Spark 工作负载，EMR 可实现高达 35% 的成本降低和 15% 的性能改进。

本文介绍如何在 Amazon EKS 上部署和运行 FLink 作业。 Kubernetes 是目前最流行的用于自动部署，扩展和管理容器化应用程序的开源系统。我们看到越来越多的用户开始使用 Kubernetes 来作为企业容器应用部署平台。Amazon Elastic Kubernetes Service (Amazon EKS) 是一项完全托管的 Kubernetes 服务。