AWS-Cloud-Datenbanken
Leistungsstarke, sichere und zuverlässige Grundlage für Lösungen der generativen KI und datengesteuerte Anwendungen in jeder Größenordnung
Vorteile von AWS-Datenbanken
AWS-Datenbanken bieten eine leistungsstarke, sichere und zuverlässige Grundlage für Lösungen mit generativer KI und datengesteuerte Anwendungen, die einen Mehrwert für Ihr Unternehmen und Ihre Kunden schaffen. AWS-Hochleistungsdatenbanken unterstützen jeden Workload oder Anwendungsfall, einschließlich relationaler Datenbanken mit einem 3- bis 5-mal schnelleren Durchsatz als Alternativen, speziell entwickelte Datenbanken mit Latenz im Mikrosekundenbereich und integrierte Vektordatenbankfunktionen mit schnellstem Durchsatz bei höchsten Abrufraten. AWS bietet Serverless-Optionen, mit denen die Kapazität nicht mehr verwaltet werden muss, da sie sofort nach Bedarf skaliert werden. AWS-Datenbanken bieten unübertroffene Sicherheit mit Verschlüsselung im Ruhezustand und bei der Übertragung, Netzwerkisolierung, Authentifizierung, Behebung von Anomalien und strikter Einhaltung von Compliance-Standards. Sie sind äußerst zuverlässig, da die Daten automatisch über mehrere Availability Zones innerhalb einer AWS-Region repliziert werden. Mit über 15 Datenbank-Engines, die für das Datenmodell der Anwendung optimiert sind, machen vollständig verwaltete AWS-Datenbanken den undifferenzierten Aufwand der Datenbankverwaltungsaufgaben überflüssig.
Vorteile von AWS-Cloud-Datenbanken
Unterstützung von Multi-Cloud-Strategien
Viele AWS-Datenservices ermöglichen Multi-Cloud-Strategien. Wir unterstützen offene Standards wie die vollständige Kompatibilität von Wire-Protokollen mit Open-Source-Datenbanken, wodurch sich unsere Datenbanken nahtlos in andere Open-Source-kompatible Datenbanken integrieren lassen, die in anderen Clouds und On-Premises-Umgebungen gehostet werden. Anwendungen können ohne Änderungen mit Open-Source-kompatiblen AWS-Datenbanken kommunizieren. Wir bieten auch die Integration mit Open-Source-Frameworks wie ODBC, JDBC, LangChain und LlamaIndex an.
AWS-Datenbanken sind in verschiedene AWS-Services integriert, die Multi-Cloud-Umgebungen unterstützen. Zur Veranschaulichung ist Amazon Elastic Kubernetes Service (EKS) in Amazon Aurora, Amazon DynamoDB und Amazon ElastiCache und mehr integriert. Sie können diese EKS-Cluster mit anderen Kubernetes-Services in einer Multi-Cloud-Umgebung integrieren. Sie können AWS IAM Roles Anywhere verwenden, um Workloads, die außerhalb von AWS ausgeführt werden, einschließlich anderer Cloud-Anbieter, mithilfe von IAM-Rollen und -Richtlinien temporären Zugriff auf AWS-Ressourcen zu gewähren. Darüber hinaus können Sie AWS DMS verwenden, um Daten zwischen Clouds zu verschieben.
Die einfache Interoperabilität und Portabilität bieten Ihnen die Flexibilität, Ihre Workloads je nach Ihren Anforderungen und Einschränkungen in verschiedenen Umgebungen einzusetzen.
Unsere beliebtesten Inhalte
Analysten-Snapshot
IDC-Studie zeigt 62 % effizientere Datenbankadministrationsteams und einen ROI von 434 % über einen Zeitraum von 3 Jahren durch den Einsatz von Amazon Aurora »
Analystenbericht
IDC-Studie zeigt 68 % weniger ungeplante Datenbank-/Anwendungs-/Workload-Vorfälle pro Jahr durch den Einsatz von Amazon ElastiCache »
Analystenbericht
IDC-Studie zeigt durchschnittlichen jährlichen Nutzen von 8,48 Millionen USD pro Unternehmen durch den Einsatz von Amazon DynamoDB »
Analystenbericht
IDC-Studie zeigt durchschnittlichen jährlichen Nutzen von 11,7 Millionen USD pro Unternehmen durch den Einsatz von Amazon RDS »
E-Book
NEU! Designmuster für Valkey »
Whitepaper
Hochverfügbarkeits- und Notfallwiederherstellungs-Features von Amazon Aurora für globale Resilienz »
E-Book
Datenmodellierung leicht gemacht mit Amazon DocumentDB »
Einfache Möglichkeiten zur Verbesserung der Preisleistung und Kostenoptimierung
Weitere Informationen über die Funktionen der AWS-Vektordatenbank
Datenbankservices
|
Database type
|
Examples
|
AWS service
|
|---|---|---|
|
Relational
Relationale Datenbanken speichern Daten mit vordefinierten Schemata und Beziehungen zwischen ihnen. Diese Datenbanken wurden entwickelt, um ACID-Transaktionen zu unterstützen und die referentielle Integrität und starke Datenkonsistenz zu gewährleisten.
|
Traditionelle Anwendungen, Ressourcenplanung für Unternehmen (ERP), Customer Relationship Management (CRM), Online-Handel, generative KI-Anwendungsfälle (wie Chatbots mit Retrieval Augmented Generation, Ähnlichkeitssuche, Empfehlungssysteme und mehr) |
|
|
Schlüsselwerte
Schlüssel-Werte-Datenbanken sind für gängige Zugriffsmuster optimiert, typischerweise zum Speichern und Abrufen großer Datenmengen. Diese Datenbanken bieten schnelle Reaktionszeiten, selbst bei vielen gleichzeitigen Anfragen.
|
Webanwendungen mit hohem Datenverkehr, E-Commerce-Systeme, Spieleanwendungen, Anwendungsfälle für generative KI (wie z. B. Ähnlichkeitssuche mithilfe der DynamoDB-Null-ETL-Integration mit Amazon OpenSearch Service) |
|
|
In-Memory
In-Memory-Datenbanken werden für Anwendungen verwendet, die Echtzeitzugriff auf Daten benötigen. Durch direktes Speichern von Daten im Arbeitsspeicher stellen diese Datenbanken dort eine Latenz von Mikrosekunden bereit, wo eine Latenz von Millisekunden nicht ausreicht.
|
Caching, Sitzungsmanagement, Gaming-Ranglisten, Geodatenanwendungen, generative KI-Anwendungsfälle (wie Chatbots mit Retrieval Augmented Generation, semantisches Caching, Empfehlungssysteme, Betrugserkennung und mehr) |
|
|
Dokument
Eine Dokumentdatenbank ist so konzipiert, dass semistrukturierte Daten als JSON-ähnliche Dokumente gespeichert werden. Diese Datenbanken unterstützen Entwickler beim schnellen Erstellen und Aktualisieren von Anwendungen.
|
Inhaltsmanagement, Kataloge, Benutzerprofile, Anwendungsfälle generativer KI (wie Chatbots mit Retrieval Augmented Generation, Ähnlichkeitssuche, Empfehlungssysteme und mehr) |
|
|
Graph
Graphdatenbanken sind für Anwendungen, die Millionen von Beziehungen zwischen hochgradig vernetzten Diagramm-Datensätzen mit einer Latenz von Millisekunden in hoher Skalierung navigieren und abfragen müssen.
|
Betrugserkennung, soziale Netzwerke, Empfehlungsmaschinen, Anwendungsfälle generativer KI (wie GraphRAG, verbesserte Betrugserkennung, Entdeckung neuer Antworten und mehr) |
|
|
Wide Column
Ein Wide-Column-Speicher ist eine Art NoSQL-Datenbank. Sie nutzt Tabellen, Zeilen und Spalten, jedoch unterscheiden sich die Namen und Formate der Spalten – anders als bei einer relationalen Datenbank – von Zeile zu Zeile in der gleichen Tabelle.
|
Groß angelegte industrielle Anwendungen für die Wartung von Geräten, das Flottenmanagement und die Routenoptimierung |
|
|
Zeitreihe
Zeitreihendatenbanken erfassen, synthetisieren und leiten Erkenntnisse aus Daten, die sich im Laufe der Zeit ändern, und aus Abfragen über Zeitintervalle hinweg ab.
|
Internet der Dinge (IoT)-Anwendungen, DevOps, industrielle Telemetrie |
AWS Summit Hamburg 2025: Erleben Sie die Cloud von morgen schon heute
Erleben Sie einen Tag voller praktischer Lern- und Networking-Möglichkeiten mit Branchenvorreitern und Cloud-Experten, die Ihr Unternehmen auf dem Weg in die Cloud voranbringen werden.
Jetzt registrieren