Amazon-Aurora-Funktionen

Tests mit Standard-Benchmarks wie SysBench haben auf ähnlicher Hardware eine bis zu 5X Durchsatzsteigerung gegenüber Standard-MySQL und 3X gegenüber Standard-PostgreSQL gezeigt. Amazon Aurora verwendet eine Vielzahl von Software- und Hardwaretechniken, um sicherzustellen, dass die Datenbank-Engine die verfügbaren Rechen-, Speicher- und Netzwerkkapazitäten vollständig nutzen kann. I/O-Operationen verwenden Techniken verteilter Systeme wie Quoren, um die Leistungskonsistenz zu verbessern.

Amazon Aurora Serverless ist eine On-Demand Auto-Scaling-Konfiguration für Aurora, bei der die Datenbank automatisch gestartet, heruntergefahren und basierend auf den Anforderungen Ihrer Anwendung auf- oder abskaliert wird. Betreiben Sie Ihre Datenbank in der Cloud, ohne dafür Datenbank-Instances verwalten zu müssen.

Sie können die Amazon Relational Database Service (Amazon RDS)-APIs oder die AWS-Managementkonsole verwenden, um bereitgestellte Instances, die Ihre Bereitstellung antreiben, auf oder ab zu skalieren Skalierungsvorgänge bei der Datenverarbeitung dauern in der Regel nur wenige Minuten.

Amazon Aurora vergrößert Ihr Datenbank-Volumen automatisch, wenn Ihr Speicher mehr Platz benötigt. Ihr Volume wächst in 10 GB-Schritten bis maximal 128 TB. Sie müssen in Hinblick auf zukünftiges Wachstum keine Überkapazitäten für die Speicherung bereitstellen.

Sie können den Lesedurchsatz zum Support umfangreicher Anwendungsanforderungen erhöhen, indem Sie bis zu 15 Amazon-Aurora-Datenbank-Replikate erstellen. Aurora-Replikate nutzen denselben zugrundeliegenden Speicher wie die Quell-Instance, was die Kosten senkt und die Notwendigkeit vermeidet, Schreibvorgänge auf den Replikat-Knoten durchzuführen. Dadurch wird größere Verarbeitungsleistung für Leseanforderungen freigesetzt und die Verzögerung bei der Replizierung reduziert – häufig bis in den einstelligen Millisekundenbereich. Aurora bietet zusätzlich einen Leser-Endpunkt, sodass die Anwendung verbunden werden kann, ohne dass die Replikate nachverfolgt werden müssen, die hinzugefügt oder entfernt werden. Es unterstützt auch die automatische Skalierung, indem es Replikate automatisch hinzugefügt und entfernt, wenn sich die von Ihnen angegebenen Leistungskennzahlen ändern.

Aurora unterstützt regionsübergreifende Lesereplikate. Regionsübergreifende Replikate bieten Ihren Benutzern schnelle lokale Lesezugriffe, und jede Region kann zusätzlich 15 Aurora-Replikate haben, um lokale Lesezugriffe weiter zu skalieren. Weitere Details finden Sie unter Amazon Aurora Global Database.

Benutzerdefinierte Endpunkte ermöglichen es Ihnen, Workloads auf verschiedene Gruppen von Datenbank-Instances zu verteilen und auszugleichen. Zum Beispiel können Sie einen Satz von Aurora Replicas bereitstellen, um einen Instance-Typ mit höherer Speicherkapazität zur Ausführung eines Analyse-Workloads zu verwenden. Ein benutzerdefinierter Endpunkt hilft Ihnen dann bei der Weiterleitung des Workloads an diese entsprechend konfigurierten Instances, wobei andere Instances in Ihrem Cluster von diesem abgeschirmt bleiben.

Amazon Aurora Parallel Query ermöglicht schnellere analytische Anfragen im Gegensatz zu Ihren aktuellen Daten. Es kann Abfragen um bis zu zwei Größenordnungen beschleunigen und gleichzeitig einen hohen Durchsatz für Ihre Kern-Transaktions-Workload aufrechterhalten. Das Verschieben der Abfrageverarbeitung auf die Aurora-Speicherschicht führt zu einem großen Volumen an Rechenleistung und es reduziert gleichzeitig den Netzwerkdatenverkehr. Verwenden Sie Parallel Query, um transaktionale und analytische Workloads gleichzeitig in derselben Aurora-Datenbank auszuführen. Parallel Query ist für Amazon Aurora mit MySQL-Kompatibilität verfügbar.

Amazon DevOps Guru ist ein Cloud-Betriebsservice, powered by Machine Learning (ML), das zur Verbesserung der Anwendungsverfügbarkeit beiträgt. Mit Amazon DevOps Guru for RDS können Sie ML-gestützte Erkenntnisse nutzen, um leistungsbezogene Probleme mit relationalen Datenbanken leicht zu erkennen und zu diagnostizieren und sie in Minuten statt in Tagen zu lösen. Entwickler und DevOps-Ingenieure können DevOps Guru for RDS verwenden, um die Ursache von Leistungsproblemen automatisch zu identifizieren und intelligente Empfehlungen zur Behebung des Problems zu erhalten, ohne die Hilfe von Datenbankexperten in Anspruch nehmen zu müssen.

Zum Einstieg rufen Sie einfach die Amazon-RDS-Management-Konsole auf und aktivieren Sie Amazon RDS Performance Insights. Sobald Performance Insights aktiviert ist, wechseln Sie zur Amazon-DevOps-Guru-Konsole, und aktivieren Sie DevOps Guru für Ihre Amazon-Aurora-Ressourcen, andere unterstützte Ressourcen oder Ihr gesamtes Konto.

Amazon RDS überwacht laufend den Zustand Ihrer Amazon-Aurora-Datenbank und der zugrunde liegenden Amazon-Elastic-Compute-Cloud (EC2)-Instance. Bei einem Datenbankfehler startet Amazon RDS die Datenbank und die zugehörigen Prozesse automatisch neu. Amazon Aurora benötigt keine Crash Recovery-Wiedergabe von Datenbank-Redo Logs, und das reduziert die Dauer des Neustarts gewaltig. Amazon Aurora isoliert auch den Puffercache der Datenbank von den Datenbankprozessen, sodass der Cache auch bei einem Neustart erhalten bleibt.

Beim Ausfall einer Instance verwendet Amazon Aurora Amazon-RDS-Multi-AZ-Technologie für einen automatischen Failover zu einem von bis zu 15 Amazon-Aurora-Replikaten, die Sie in einer von drei Availability Zones erstellt haben. Falls keine Amazon-Aurora-Replikate bereitgestellt wurden, versucht Amazon RDS bei einem Ausfall, automatisch eine neue Amazon-Aurora-DB-Instance für Sie zu erstellen. Minimieren Sie die Failover-Zeit, indem Sie Community-MySQL- und PostgreSQL-Treiber durch den Open-Source- und Drop-In-kompatiblen AWS-JDBC-Treiber für MySQL und den AWS-JDBC-Treiber für PostgreSQL ersetzen. Sie können auch RDS Proxy verwenden, um Failover-Zeiten zu verkürzen und die Verfügbarkeit zu verbessern. Wenn Failover auftreten, leitet RDS Proxy Anforderungen direkt an die neue Datenbank-Instance weiter, wodurch die Failover-Zeiten um bis zu 66 % reduziert werden, während die Anwendungsverbindungen erhalten bleiben.

Für global verteilte Anwendungen können Sie die Global Database verwenden, bei der eine einzige Aurora-Datenbank mehrere AWS-Regionen überspannen kann, um schnelle lokale Lesezugriffe und schnelle Disaster Recovery zu ermöglichen. Global Database verwendet speicherbasierte Replikation, um eine Datenbank über mehrere AWS-Regionen hinweg zu replizieren, mit einer typischen Latenzzeit von weniger als eine Sekunde. Sie können eine sekundäre Region als Backup-Option verwenden, falls Sie nach einer regionalen Verschlechterung oder einem Ausfall schnell wiederherstellen müssen. Eine Datenbank in einer sekundären Region kann in weniger als 1 Minute auf volle Lese-/Schreibfähigkeit umgestellt werden.

Jeder 10 GB-Block Ihrer Datenbank wird sechsfach und in drei Availability Zones repliziert. Amazon-Aurora-Speicher ist fehlertolerant und verarbeitet transparent den Verlust von bis zu zwei Kopien der Daten ohne Beeinträchtigung der Schreibverfügbarkeit der Datenbank, und bis zu drei Kopien ohne Beeinträchtigung der Verfügbarkeit von Leseleistung. Der Amazon Aurora-Speicher repariert sich ebenfalls selbst. Datenblöcke und Festplatten werden kontinuierlich auf Fehler gescannt und automatisch ersetzt.

Mit der Backup-Funktion von Amazon Aurora können Sie eine zeitpunktbezogene Wiederherstellung für Ihre Instanz durchführen. Sie erhalten so die Möglichkeit, für jede einzelne Sekunde innerhalb des Aufbewahrungszeitraums bis auf die letzten fünf Minuten eine Wiederherstellung Ihrer Datenbank vorzunehmen. Der Aufbewahrungszeitraum für automatische Backups kann auf bis zu 35 Tage konfiguriert werden. Automatisierte Backups werden in Amazon Simple Storage Service (Amazon S3) gespeichert, das für eine Beständigkeit von 99,999999999 % konzipiert ist. Sicherungen erfolgen in Amazon Aurora automatisch, inkrementell und fortlaufend, und haben keine Auswirkung auf die Leistung der Datenbank.

DB-Snapshots sind vom Benutzer gestartete, in Amazon S3 gespeicherte Backups Ihrer Instance, die dort aufbewahrt werden, bis Sie sie ausdrücklich löschen. Sie nutzen die automatisierten inkrementellen Snapshots zur Reduktion des Zeit- und Speicherbedarfs. Sie können zu jedem beliebigen Zeitpunkt eine neue Instance aus einem DB-Snapshot erstellen.

Mit Backtrack können Sie eine Datenbank schnell zu einem früheren Zeitpunkt verschieben, ohne dass Daten aus einem Backup wiederhergestellt werden müssen. So ist eine schnelle Behebung von Benutzerfehlern wie das Entfernen der falschen Tabelle oder Löschen der falschen Zeile möglich. Wenn Sie Backtrack aktivieren, behält Aurora die Datensätze für die angegebene Backtrack-Dauer bei. Sie können Backtrack z. B. so einrichten, dass Ihre Datenbank in einen Zustand zurückversetzt werden kann, der bis zu 72 Stunden in der Vergangenheit liegt. Backtrack führt den Vorgang auch für große Datenbanken in Sekundenschnelle aus, weil keine Datensätze kopiert werden müssen. Sie können sich rückwärts und vorwärts bewegen, um den Punkt direkt vor Auftreten des Fehlers zu finden.

Backtrack eignet sich auch für Entwicklung und Test, insbesondere in Situationen, in denen der Test die Daten löscht oder anderweitig ungültig macht. Gehen Sie einfach zurück zum ursprünglichen Datenbankzustand und Sie sind bereit für einen weiteren Testlauf. Sie können per API ein Skript erstellen, das Backtrack aufruft und dann den Test durchführt, um eine einfache Integration in Ihr Test-Framework zu ermöglichen. Backtrack ist für Amazon Aurora mit MySQL-Kompatibilität verfügbar.

Amazon Aurora wird in der Amazon Virtual Private Cloud (VPC) ausgeführt, mit der Sie Ihre Datenbank in Ihrem eigenen virtuellen Netzwerk isolieren und über verschlüsselte IPsec-VPNs, welche dem Industriestandard entsprechen, mit Ihrer On-Premises-IT-Infrastruktur verbinden können. Um mehr über Amazon Relational Database Service (RDS) in Amazon VPC zu erfahren, lesen Sie bitte das Benutzerhandbuch für Amazon RDS. Bei der Verwendung von Amazon RDS können Sie außerdem Firewall-Einstellungen konfigurieren und den Netzwerkzugriff auf Ihre DB-Instances steuern.

Amazon Aurora ist in AWS Identity and Access Management (IAM) integriert und bietet Ihnen die Möglichkeit, die Aktionen zu kontrollieren, die Ihre IAM-Benutzer und -Gruppen auf bestimmten Aurora-Ressourcen (z. B. DB-Instances, DB-Snapshots, DB-Parametergruppen, DB-Ereignisabonnements, DB-Optionengruppen) ausführen können. Außerdem können Sie Ihre Aurora-Ressourcen taggen und die Aktionen kontrollieren, die Ihre IAM-Benutzer und -Gruppen mit Ressourcengruppen durchführen können, die den gleichen Tag (und Tag-Wert) haben. Weitere Informationen zur IAM-Integration finden Sie in der Dokumentation zur IAM-Datenbank-Authentifizierung.

Aurora ermöglicht das Verschlüsseln Ihrer Datenbanken mit Schlüsseln, die Sie mit dem AWS Key Management Service (KMS) erstellen und verwalten. Bei einer mit Aurora ausgeführten Datenbank-Instance werden ruhende Daten sowie die automatischen Backups, Snapshots und Replikate desselben Clusters auf dem zugrunde liegenden Speicher verschlüsselt. Aurora verwendet SSL (AES-256) zur Absicherung von Daten während der Übertragung.

Aurora unterstützt Sie bei der Protokollierung von Datenbankereignissen mit minimalen Auswirkungen auf die Datenbankleistung. Die Protokolle können später im Hinblick auf Datenbankverwaltung, Sicherheit, Governance, Einhaltung gesetzlicher Bestimmungen und sonstige Zwecke analysiert werden. Sie können die Aktivität auch überwachen, indem Sie Prüfprotokolle an Amazon CloudWatch senden.

Aurora ist mit Amazon GuardDuty integriert, um Sie bei der Erkennung potenzieller Bedrohungen für in Aurora-Datenbanken gespeicherte Daten zu unterstützen. GuardDuty RDS Protection profiliert und überwacht Zugriffsaktivitäten für bestehende und neue Datenbanken in Ihrem Konto und nutzt maßgeschneiderte ML-Modelle, um verdächtige Logins zu Aurora-Datenbanken genau erkennen zu können. Wenn eine potenzielle Bedrohung erkannt wird, generiert GuardDuty einen Sicherheitsbefund, der Datenbankdetails und umfangreiche Kontextinformationen zu den verdächtigen Aktivitäten enthält. Die Aurora-Integration mit GuardDuty ermöglicht den direkten Zugriff auf Datenbank-Ereignisprotokolle, ohne dass Sie Ihre Datenbanken ändern müssen. Sie ist so konzipiert, dass sie keinen Einfluss auf die Datenbankleistung hat.

Standard-MySQL-Import- und Exporttools funktionieren mit Amazon Aurora. Sie können auch problemlos aus einem Amazon RDS für MySQL-DB-Snapshot eine neue Amazon Aurora-Datenbank erstellen. Migrationsvorgänge auf der Grundlage von DB-Snapshots sind in der Regel in weniger als einer Stunde abgeschlossen, variieren jedoch je nach Menge und Format der zu migrierenden Daten.

Sie können auch eine binlog-basierte Replikation zwischen einer Aurora-MySQL-kompatiblen Edition einer Datenbank und einer externen MySQL-Datenbank einrichten, die innerhalb oder außerhalb von AWS läuft.

Import- und Export-Tools für Standard PostgreSQL funktionieren mit Amazon Aurora, einschließlich pg_dump und pg_restore. Amazon Aurora unterstützt auch den Snapshot-Import von Amazon RDS for PostgreSQL und die Replikation mit AWS Database Migration Service (AWS DMS).

Amazon Aurora bietet eine ideale Umgebung zum Verschieben von Datenbank-Workloads aus kommerziellen Datenbanken. Aurora verfügt über funktionale Fähigkeiten, die denen kommerzieller Datenbank-Engines sehr ähnlich sind, und bietet die Leistung, Langlebigkeit und Hochverfügbarkeit auf Unternehmensniveau, die für die meisten Datenbank-Workloads in Unternehmen erforderlich sind. AWS Database Migration Service (AWS DMS) kann dabei helfen, Datenbankmigrationen zu Amazon Aurora zu beschleunigen.

Babelfish for Aurora PostgreSQL ist eine neue Funktion für Amazon Aurora PostgreSQL-kompatible Edition, die es Aurora ermöglicht, Befehle von Anwendungen zu verstehen, die für Microsoft SQL Server geschrieben wurden. Mit Babelfish versteht Aurora PostgreSQL jetzt T-SQL, den proprietären SQL-Dialekt von Microsoft SQL Server, und unterstützt dasselbe Kommunikationsprotokoll, sodass Ihre Anwendungen, die ursprünglich für SQL Server geschrieben wurden, jetzt mit weniger Codeänderungen mit Aurora funktionieren. Dadurch wird der Aufwand für die Änderung und Verschiebung von Anwendungen unter SQL Server 2005 oder einer neueren Version auf Aurora reduziert, sodass schnellere, risikoärmere und kostengünstigere Migrationen möglich sind. Babelfish ist eine integrierte Funktion von Amazon Aurora, für die keine zusätzlichen Kosten anfallen. Sie können Babelfish für Ihren Amazon-Aurora-Cluster mit nur wenigen Klicks in der RDS-Managementkonsole aktivieren.

Bei Amazon Aurora fallen keinerlei Vorabgebühren an. Sie zahlen lediglich eine Stundengebühr für jede Instance, die Sie in Betrieb nehmen. Und sollten Sie eine Amazon Aurora-DB-Instance nicht mehr benötigen, können Sie sie einfach löschen. Sie müssen nicht als Sicherheitsspielraum Überkapazitäten für die Speicherung bereitstellen, und Sie zahlen nur für die tatsächliche Speichernutzung. Weitere Informationen finden Sie auf der Seite mit der Preisübersicht zu Amazon Aurora.

Bei anspruchsvollen analytischen Anwendungen machen E/A-Kosten typischerweise den größten Anteil der Datenbankkosten aus. E/A-Vorgänge sind Ein- und Ausgabe-Operationen, die die Aurora-Datenbank-Engine in ihrer SSD-basierten virtualisierten Speicherebene durchführt. Jede Datenbank-Seitenleseoperation zählt als 1 E/A-Vorgang. Die Aurora-Datenbank-Engine führt Lesevorgänge in der Speicherebene aus, um Datenbankseiten abzurufen, die nicht im Puffercache vorhanden sind. Jede Datenbankseite ist 8 KB in Aurora mit PostgreSQL-Kompatibilität und 16 KB in Aurora mit MySQL-Kompatibilität. Aurora ist so konzipiert, dass es unnötige I/O-Vorgänge eliminiert, so den Preis senkt und sicherstellt, dass die Ressourcen für Lese-/Schreibvorgänge verfügbar sind. Schreib-E/A-Vorgänge werden nur genutzt, wenn Transaktionsprotokoll-Aufzeichnungen in die Speicherebene übertragen werden, um Schreibvorgänge dauerhaft zu machen. Schreib-E/A-Vorgänge werden in Einheiten von 4 KB berechnet. Eine Transaktionsprotokoll-Aufzeichnung mit 1024 Bytes beispielsweise zählt als 1 E/A-Vorgang. Gleichzeitige Schreibvorgänge, deren Transaktionsprotokoll weniger als 4 KB hat, können jedoch zur Optimierung der E/A-Nutzung durch die Aurora-Datenbank-Engine zusammengefasst werden. Anders als herkömmliche Datenbank-Engines überträgt Amazon Aurora nie modifizierte Datenbankseiten zur Speicherebene, was die E/A-Nutzung weiter senkt.

Der Umfang der E/A-Vorgänge-Nutzung durch Ihre Aurora-Instance wird in der AWS-Konsole angezeigt. Sie finden die E/A-Nutzung im RDS-Abschnitt der Konsole. Wählen Sie in Ihrer Instance-Liste die Aurora-Instances und suchen Sie dann im Überwachungs-Abschnitt die Metriken "In Rechnung gestellte Lesevorgänge" und "In Rechnung gestellte Schreibvorgänge". Weitere Informationen finden Sie auf der Seite mit der Preisübersicht zu Amazon Aurora.

Trusted Language-Erweiterungen (TLE) für PostgreSQL ist ein Entwicklungs-Kit und Open-Source-Projekt, mit dem Sie leistungsstarke Erweiterungen schnell erstellen und sie sicher auf Amazon Aurora ausführen können. Vonseiten AWS ist das Zertifizieren von Code unnötig. Die Entwickler können populäre, vertrauenswürdige Sprachen wie JavaScript, PL/pgSQL, Perl und SQL verwenden, um Erweiterungen sicher zu schreiben. TLE soll den Zugriff auf unsichere Ressourcen verhindern und beschränkt Erweiterungsfehler auf eine einzige Datenbank-Verbindung. DBAs verfügen über eine präzise Online-Kontrolle darüber, wer Erweiterungen installieren und ein Berechtigungsmodel für ihre Ausführung erstellen kann. TLE steht Aurora-Kunden ohne Zusatzkosten zur Verfügung.

Aurora bietet Machine-Learning-Funktionen unmittelbar von der Datenbank, wodurch Sie Ihre Anwendungen über die gewohnte SQL-Programmiersprache um ML-basierte Prognosen erweitern können. Mit einer einfachen, optimierten und sicheren Integration zwischen Aurora und AWS Machine Learning haben Sie Zugang zu einer umfassenden Auswahl an ML-Algorithmen, ohne dass Sie kundenspezifische Integrationen erstellen oder Daten verschieben müssen. Weitere Informationen zu Aurora Machine Learning.

Aurora arbeitet zusammen mit Amazon RDS Proxy, eine vollständig verwaltete, hochverfügbare Datenbank-Proxy-Funktion, die dafür sorgt, dass Anwendungen skalierbarer, widerstandsfähiger gegen Datenbankausfälle und sicherer sind. Mit RDS Proxy können Anwendungen etablierte Datenbankverbindungen bündeln und gemeinsam nutzen, was die Effizienz der Datenbank und die Skalierbarkeit der Anwendung verbessert. Ausfallzeiten werden reduziert, indem automatisch eine Verbindung zu einer neuen Datenbankinstanz erstellt wird, während Anwendungsverbindungen erhalten bleiben. Durch die Integration mit AWS IAM und AWS Secrets Manager wird die Sicherheit erhöht.