Fitur Amazon Aurora

Amazon RDS terus memantau kondisi basis data Aurora dan instans Amazon Elastic Compute Cloud (Amazon EC2) yang mendasarinya. Jika terjadi kegagalan basis data, Amazon RDS akan secara otomatis memulai ulang basis data dan proses terkait. Aurora tidak memerlukan pemutaran ulang pemulihan kerusakan dari log pengulangan basis data, yang sangat mengurangi waktu mulai ulang. Pemulihan ini juga mengisolasi cache buffer basis data dari proses basis data, yang memungkinkan cache tetap bertahan saat mulai ulang basis data dilakukan.

Pada kegagalan instans, Aurora menggunakan teknologi Amazon RDS Multi-AZ untuk mengotomatisasi failover ke salah satu dari hingga 15 Replika Aurora yang telah Anda buat di tiga Zona Ketersediaan. Jika belum ada Aurora yang telah disediakan, jika terjadi kegagalan, Amazon RDS akan secara otomatis berusaha membuat instans DB Aurora baru untuk Anda. Minimalkan waktu failover dengan mengganti driver MySQL dan PostgreSQL komunitas dengan AWS JDBC Driver for MySQL dan AWS JDBC Driver for PostgreSQL yang kompatibel dengan sumber terbuka dan drop-in. Anda juga dapat menggunakan Proksi RDS untuk mengurangi waktu failover dan meningkatkan ketersediaan. Ketika failover terjadi, Proksi Amazon RDS merutekan permintaan secara langsung ke instans basis data baru, mengurangi waktu failover hingga 66% sambil mempertahankan koneksi aplikasi.

Untuk aplikasi yang didistribusikan secara global, Anda dapat menggunakan Basis Data Global Aurora, dengan satu basis data Aurora dapat mencakup sejumlah AWS Region untuk memungkinkan pembacaan lokal yang cepat dan pemulihan bencana yang cepat. Basis Data Global Aurora menggunakan replikasi berbasis penyimpanan untuk mereplikasi basis data di beberapa Wilayah, dengan latensi tipikal kurang dari satu detik. Anda dapat menggunakan Wilayah sekunder sebagai opsi cadangan jika Anda perlu pulih dengan cepat dari degradasi atau pemadaman regional. Basis data di Wilayah sekunder dapat dipromosikan ke kemampuan baca/tulis penuh dalam waktu kurang dari 1 menit. Untuk mempelajari selengkapnya, kunjungi Menggunakan Basis Data Global Amazon Aurora.

Volume penyimpanan basis data Aurora tersegmentasi dalam 10 potongan GiB dan direplikasi di tiga Zona Ketersediaan, dengan setiap Zona Ketersediaan menyimpan 2 salinan dari setiap penulisan. Penyimpanan Aurora bersifat toleran kesalahan, dirancang untuk menangani kehilangan hingga dua salinan data tanpa memengaruhi ketersediaan tulis basis data dan hingga tiga salinan tanpa memengaruhi ketersediaan baca. Penyimpanan Aurora juga pulih dengan sendirinya; blok data dan disk terus dipindai untuk kesalahan dan diganti secara otomatis.

Kemampuan pencadangan Aurora memungkinkan pemulihan titik waktu untuk instans Anda. Hal ini memungkinkan Anda mengembalikan basis data Anda ke setiap detik selama periode retensi Anda, hingga 5 menit terakhir. Periode retensi pencadangan otomatis Anda dapat dikonfigurasi hingga 35 hari. Pencadangan otomatis disimpan di Amazon Simple Storage Service (Amazon S3), yang dirancang untuk ketahanan 99,999999999%. Pencadangan Aurora bersifat otomatis, bertahap, dan berkelanjutan serta tidak berdampak pada performa basis data.

Backtrack memungkinkan Anda memindahkan basis data ke titik waktu sebelumnya dengan cepat tanpa perlu memulihkan data dari cadangan. Ini memungkinkan Anda dengan cepat memulihkan dari kesalahan pengguna, seperti menjatuhkan tabel yang salah atau menghapus baris yang salah. Saat Anda mengaktifkan Backtrack, Aurora akan menyimpan catatan data untuk durasi Backtrack yang ditentukan. Misalnya, Anda dapat mengatur Backtrack untuk memungkinkan Anda memindahkan basis data Anda hingga 72 jam ke belakang. Backtrack selesai dalam hitungan detik, bahkan untuk basis data besar, karena tidak ada catatan data yang perlu disalin. Anda dapat mundur dan maju untuk menemukan titik tepat sebelum kesalahan terjadi.

Backtrack juga berguna untuk pengembangan dan pengujian, terutama dalam situasi di mana pengujian Anda menghapus atau membatalkan data. Cukup telusuri balik ke status basis data awal, dan Anda siap untuk uji coba lain. Anda dapat membuat skrip yang memanggil Telusuri Balik melalui API, lalu menjalankan pengujian untuk integrasi sederhana ke dalam kerangka pengujian Anda. Penelusuran Balik tersedia untuk Aurora dengan kompatibilitas MySQL.

Aurora berjalan di Amazon Virtual Private Cloud (Amazon VPC), yang membantu Anda mengisolasi basis data Anda di jaringan virtual Anda sendiri dan terhubung ke infrastruktur IT on-premise Anda menggunakan VPN IPsec terenkripsi standar industri. Untuk mempelajari selengkapnya mengenai Amazon Relational Database Service (RDS) di Amazon VPC, lihat Panduan Pengguna Amazon RDS. Selain itu, dengan Amazon RDS, Anda dapat mengonfigurasi pengaturan firewall dan mengontrol akses jaringan ke instans DB Anda.

Aurora terintegrasi dengan AWS Identity and Access Management (IAM) dan memberi Anda kemampuan untuk mengontrol tindakan yang dapat diambil oleh pengguna dan grup IAM Anda pada sumber daya Aurora tertentu (misalnya, instans DB, snapshot DB, grup parameter DB, langganan peristiwa DB, grup opsi DB). Selain itu, Anda dapat menandai sumber daya Aurora Anda dan mengontrol tindakan yang dapat dilakukan oleh pengguna dan grup IAM Anda pada grup sumber daya yang memiliki tanda (dan nilai tanda) yang sama. Untuk informasi selengkapnya mengenai integrasi IAM, lihat dokumentasi autentikasi basis data IAM.

Aurora membantu Anda mengenkripsi basis data menggunakan kunci yang Anda buat dan kendalikan melalui AWS Key Management Service (KMS). Pada instans basis data yang berjalan dengan enkripsi Aurora, data diam yang disimpan di penyimpanan yang mendasarinya dienkripsi, begitu juga dengan cadangan, snapshot, dan replika otomatis dalam klaster yang sama. Aurora menggunakan SSL (AES-256) untuk mengamankan data bergerak.

Aurora membantu Anda mencatat peristiwa basis data dengan dampak minimal pada performa basis data. Log nantinya dapat dianalisis untuk manajemen basis data, keamanan, tata kelola, kepatuhan terhadap peraturan, dan tujuan lainnya. Anda juga dapat memantau aktivitas dengan mengirimkan log audit ke Amazon CloudWatch.

Amazon GuardDuty menawarkan deteksi ancaman bagi Aurora untuk membantu Anda mengidentifikasi potensi ancaman terhadap data yang disimpan dalam basis data Aurora. Perlindungan GuardDuty RDS membuat profil serta memantau aktivitas masuk ke basis data yang sudah ada dan yang baru di akun Anda, serta menggunakan model ML yang disesuaikan untuk mendeteksi aktivitas masuk mencurigakan ke basis data Aurora dengan akurat. Jika ancaman potensial terdeteksi, GuardDuty menghasilkan temuan keamanan yang mencakup detail basis data dan informasi kontekstual yang kaya tentang aktivitas yang mencurigakan. Integrasi Aurora dengan GuardDuty memberikan akses langsung ke log peristiwa basis data tanpa mengharuskan Anda untuk memodifikasi basis data Anda dan dirancang untuk tidak berdampak pada performa basis data.

Tidak ada komitmen di muka dengan Aurora. Anda membayar biaya per jam untuk setiap instans yang Anda luncurkan, dan setelah selesai menggunakan instans DB Aurora, Anda dapat menghapusnya. Anda tidak perlu menyediakan penyimpanan yang berlebihan sebagai margin keamanan, dan Anda hanya membayar penyimpanan yang benar-benar Anda gunakan. Untuk melihat detail selengkapnya, kunjungi halaman Harga Aurora.

Aurora menawarkan fleksibilitas untuk mengoptimalkan pengeluaran basis data Anda dengan memilih di antara dua opsi konfigurasi berdasarkan kebutuhan harga-kinerja dan harga-kemampuan prediksi, terlepas dari konsumsi I/O aplikasi Anda. Kedua opsi konfigurasi tersebut adalah Aurora I/O-Optimized dan Aurora Standard. Tidak ada opsi yang memerlukan I/O di muka atau penyediaan penyimpanan dan keduanya dapat menskalakan I/O untuk mendukung aplikasi Anda yang paling menuntut.

Aurora I/O-Optimized adalah konfigurasi klaster basis data. Konfigurasi ini memberikan peningkatan performa harga bagi pelanggan dengan beban kerja intensif I/O, seperti sistem pemrosesan pembayaran, sistem e-commerce, dan aplikasi keuangan. Jika pengeluaran I/O melebihi 25% dari total pengeluaran basis data Aurora, Anda dapat menghemat hingga 40% untuk biaya beban kerja intensif I/O dengan Aurora I/O-Optimized. Dengan Aurora I/O-Optimized, Anda cukup membayar instans dan penyimpanan basis data. Tidak ada biaya untuk operasi baca dan tulis I/O, memberikan kemampuan prediksi harga untuk semua aplikasi terlepas dari variabilitas I/O.

Aurora Standard adalah konfigurasi klaster basis data yang menawarkan harga hemat biaya untuk sebagian besar aplikasi dengan penggunaan I/O rendah hingga sedang. Dengan Aurora Standard, Anda membayar instans basis data, penyimpanan, dan I/O bayar per permintaan.

Untuk aplikasi yang sangat analitis, biaya I/O biasanya merupakan kontributor terbesar untuk biaya basis data. Operasi I/O dilakukan mesin basis data Aurora pada lapisan penyimpanan virtual berbasis SSD miliknya. Setiap operasi baca halaman basis data dihitung sebagai satu I/O. Mesin basis data Aurora mengeluarkan pembacaan pada lapisan penyimpanan untuk mengambil halaman basis data yang tidak tersedia dalam cache buffer. Setiap halaman basis data berukuran 8 KB di Aurora dengan kompatibilitas PostgreSQL dan 16 KB di Aurora dengan kompatibilitas MySQL.

Aurora dirancang untuk menghapus operasi I/O yang tidak diperlukan untuk mengurangi biaya serta memastikan sumber daya tersedia untuk melakukan lalu lintas baca/tulis. Operasi tulis I/O hanya digunakan saat mendorong catatan log transaksi ke lapisan penyimpanan dengan tujuan untuk membuat penulisan tahan lama. Operasi tulis I/O dihitung dalam satuan 4 KB. Contohnya, catatan log transaksi yang berukuran 1.024 bita dihitung sebagai satu operasi I/O. Namun, operasi tulis bersamaan yang log transaksinya kurang dari 4 KB dapat dikumpulkan bersama oleh mesin basis data Aurora untuk mengoptimalkan penggunaan I/O. Tidak seperti mesin basis data tradisional, Aurora tidak pernah mendorong halaman basis data yang dimodifikasi ke lapisan penyimpanan, menghasilkan penghematan penggunaan I/O lebih lanjut.

Anda dapat melihat berapa banyak operasi I/O yang digunakan instans Aurora Anda dengan membuka Konsol Manajemen AWS. Untuk mencari tahu konsumsi I/O Anda, buka bagian konsol RDS, lihat daftar instans Anda, pilih instans Aurora, lalu cari metrik “Operasi baca tertagih” dan “Operasi tulis tertagih” di bagian pemantauan.

Anda dikenai biaya untuk operasi baca dan tulis I/O saat mengonfigurasi klaster basis data ke konfigurasi Aurora Standard. Anda tidak dikenakan biaya untuk operasi baca dan tulis I/O saat Anda mengonfigurasi klaster basis data untuk Aurora I/O-Optimized. Untuk informasi selengkapnya tentang harga operasi I/O, kunjungi halaman Harga Amazon Aurora.

Aurora Optimized Reads untuk Aurora PostgreSQL menawarkan aplikasi sensitif latensi dan set kerja besar kepada pelanggan, yang menjadi sebuah alternatif performa harga yang menarik untuk memenuhi SLA bisnis mereka. Pelanggan juga memiliki lebih banyak fleksibilitas untuk mengembangkan set data mereka tanpa perlu sering meningkatkan ukuran instans basis data mereka untuk mendapatkan kapasitas memori yang lebih besar. Optimized Reads mencakup peningkatan performa seperti caching berjenjang dan objek sementara.

Caching berjenjang memberikan peningkatan latensi kueri hingga 8x dan penghematan biaya hingga 30% untuk aplikasi yang banyak membaca dan intensif I/O seperti dasbor operasional, deteksi anomali, dan pencarian kesamaan berbasis vektor. Manfaat ini terwujud karena data caching secara otomatis dikeluarkan dari cache buffer basis data dalam memori ke penyimpanan lokal untuk mempercepat akses selanjutnya atas data tersebut. Caching berjenjang hanya tersedia untuk Aurora PostgreSQL dengan konfigurasi Aurora I/O-Optimized.

Objek sementara mencapai pemrosesan kueri yang lebih cepat dengan menempatkan tabel sementara yang dihasilkan oleh Aurora PostgreSQL pada penyimpanan lokal, meningkatkan performa kueri yang melibatkan pengurutan, agregasi hash, gabungan beban tinggi, dan operasi intensif data lainnya.

Memulai dengan Aurora itu mudah. Anda hanya perlu meluncurkan instans DB Aurora baru menggunakan Konsol Manajemen Amazon RDS atau satu panggilan API atau CLI. Instans DB Aurora dikonfigurasi sebelumnya dengan parameter serta pengaturan yang sesuai untuk kelas instans DB yang telah Anda pilih. Anda dapat meluncurkan instans DB dan menghubungkan aplikasi Anda dalam beberapa menit tanpa konfigurasi tambahan. Grup parameter DB menyediakan kontrol terperinci dan penyesuaian terbaik basis data Anda.

Aurora memberikan beberapa opsi untuk memantau dan mengoptimalkan performa basis data, termasuk Amazon CloudWatch, Pemantauan yang Ditingkatkan, Wawasan Performa RDS, dan Amazon DevOps Guru untuk RDS.

Metrik Amazon CloudWatch untuk Aurora memungkinkan Anda melacak metrik operasional utama, seperti komputasi, memori, dan penyimpanan, throughput kueri, rasio hit cache, dan koneksi aktif melalui Konsol Manajemen AWS. Dengan Alarm Amazon CloudWatch, Anda dapat mengatur alarm untuk metrik tertentu selama periode waktu tertentu, dan melakukan tindakan berdasarkan ambang batas yang dapat disesuaikan. Wawasan Basis Data Amazon CloudWatch mengonsolidasikan log dan metrik dari aplikasi Anda, basis data Anda, serta sistem operasi tempat keduanya berjalan ke dalam satu tampilan terpadu di konsol. Dengan menggunakan dasbor yang telah dibuat sebelumnya, alarm yang direkomendasikan, dan pengumpulan telemetri otomatis, Anda dapat memantau kesehatan armada basis data Anda dan menggunakan pengalaman pemecahan masalah terpandu untuk menelusuri instans individual guna menganalisis akar permasalahan. Developer aplikasi dapat mengorelasikan performa aplikasi menggunakan performa basis data dengan menelusuri konteks tampilan performa aplikasi mereka di Sinyal Aplikasi Amazon CloudWatch ke basis data dependen tertentu di Wawasan Basis Data CloudWatch. Wawasan Basis Data CloudWatch mewarisi semua fitur Wawasan Performa Amazon RDS bersama dengan fitur tambahan seperti pemantauan tingkat armada, integrasi dengan pemantauan performa aplikasi, dan korelasi metrik basis data dengan log dan peristiwa.

Pemantauan yang Ditingkatkan menyediakan metrik secara waktu nyata dari instans sistem operasi yang menjalankan basis data Anda. Anda dapat melihat semua metrik sistem dan informasi proses untuk instans DB RDS Anda di konsol. Aurora mengirimkan metrik dari Pemantauan yang Ditingkatkan ke akun Log Amazon CloudWatch Anda. Anda dapat membuat filter metrik di CloudWatch dari CloudWatch Logs dan menampilkan grafiknya pada dasbor CloudWatch.

Selain itu, DevOps Guru untuk RDS yang ditenagai oleh machine learning, secara otomatis mengidentifikasi, mendiagnosis, dan memberikan rekomendasi untuk masalah basis data, termasuk penggunaan sumber daya yang berlebihan dan masalah kueri SQL yang semuanya tanpa memerlukan ML atau keahlian basis data yang mendalam. Anda cukup mengaktifkan DevOps Guru untuk RDS di Konsol Amazon RDS, Wawasan Performa, atau Konsol DevOps Guru untuk pemantauan basis data yang komprehensif.

Deployment Blue/Green Amazon RDS memungkinkan Anda melakukan pembaruan basis data yang lebih aman, sederhana, dan cepat tanpa kehilangan data pada Aurora MySQL-Compatible Edition dan Aurora PostgreSQL-Compatible Edition. Dalam beberapa langkah, Deployment Blue/Green membuat lingkungan pentahapan yang mencerminkan lingkungan produksi dan menjaga dua lingkungan tetap sinkron dengan menggunakan replikasi logika. Anda dapat membuat perubahan, seperti peningkatan versi mayor/minor, modifikasi skema, dan perubahan pengaturan parameter, tanpa memengaruhi beban kerja produksi Anda.

Saat mempromosikan lingkungan pentahapan Anda, Deployment Blue/Green memblokir tulisan pada lingkungan biru dan hijau hingga peralihan selesai. Deployment Blue/Green menggunakan pagar pembatas peralihan bawaan yang menghentikan promosi jika melebihi waktu henti maksimum yang ditoleransi, mendeteksi kesalahan replika, memeriksa kesehatan instans, dan lain-lain.

Aurora akan terus memperbarui basis data Anda dengan patch terbaru. Anda dapat mengontrol apakah dan kapan instans Anda di-patch melalui Manajemen Versi Mesin DB. Aurora menggunakan zero-downtime patching bila memungkinkan: jika jendela waktu yang sesuai muncul, instans diperbarui di tempatnya, sesi aplikasi dipertahankan dan mesin basis data memulai ulang saat patch sedang berlangsung, yang hanya mengarah ke penurunan throughput sementara (lima detik atau lebih).

Aurora dapat memberi notifikasi melalui email atau SMS mengenai peristiwa basis data penting, seperti failover otomatis. Anda dapat menggunakan Konsol Manajemen AWS atau API Amazon RDS untuk berlangganan lebih dari 40 peristiwa DB berbeda yang terkait dengan basis data Aurora Anda.

Aurora mendukung operasi pengklonaan yang cepat dan efisien, tempat seluruh klaster basis data berukuran multi-terabita dapat dikloning dalam hitungan menit. Pengklonaan berguna untuk sejumlah tujuan termasuk pengembangan aplikasi, pengujian, pembaruan basis data, dan operasi kueri analitik. Ketersediaan data secara langsung dapat secara signifikan mempercepat pengembangan perangkat lunak Anda dan meningkatkan proyek, serta membuat analitik lebih akurat.

Anda dapat mengklonakan basis data Aurora hanya dalam beberapa langkah, dan tidak dikenai biaya penyimpanan apa pun, kecuali jika menggunakan ruang tambahan untuk menyimpan perubahan data.

Anda dapat menghentikan dan memulai basis data Aurora secara manual hanya dengan beberapa langkah. Penggunaan Aurora untuk tujuan pengembangan dan pengujian jadi mudah dan terjangkau, sehingga basis data tidak perlu berjalan setiap saat. Menghentikan basis data Anda tidak menghapus data Anda. Lihat dokumentasi memulai/menghentikan untuk detail selengkapnya.

Integrasi nol-ETL Amazon Aurora dengan Amazon Redshift memungkinkan analitik dan ML yang mendekati waktu nyata menggunakan Amazon Redshift pada data transaksional berukuran petabita dari Aurora dengan menghapus kebutuhan untuk membangun dan memelihara pipeline data kompleks yang melakukan operasi extract, transform, and load (ETL). Data transaksi secara otomatis dan terus-menerus direplikasi dalam hitungan detik setelah ditulis di Aurora dan tersedia secara mulus di Amazon Redshift.

Setelah data tersedia di Amazon Redshift, Anda dapat langsung mulai menganalisisnya dan menerapkan fitur-fitur tingkat lanjut seperti berbagi data, tampilan terwujud, serta Amazon Redshift ML untuk mendapatkan wawasan holistik dan prediktif. Anda dapat mengonsolidasikan beberapa tabel dari berbagai klaster basis data Aurora dan mereplikasi data Anda ke satu gudang data Amazon Redshift untuk menjalankan analitis terpadu di berbagai aplikasi dan sumber data. Saat menggunakan Aurora Nirserver maupun Amazon Redshift Nirserver, Anda dapat menghasilkan analitik yang mendekati waktu nyata pada data transaksional tanpa harus mengelola infrastruktur apa pun untuk pipeline. Baca dokumentasi kami tentang bekerja dengan integrasi nol-ETL Aurora dengan Amazon Redshift.

Aurora menawarkan kemampuan yang memungkinkan model machine learning (ML) dan kecerdasan buatan (AI) generatif untuk bekerja dengan data yang disimpan di Aurora secara waktu nyata dan tanpa perlu memindahkan data. Dengan Amazon Aurora Edisi Kompatibel PostgreSQL, Anda dapat mengakses kemampuan basis data vektor untuk menyimpan, mencari, mengindeks, dan mengueri penyematan ML dengan ekstensi pgvector.

Penyematan vektor adalah representasi numerik yang merepresentasikan makna semantik konten seperti teks, gambar, dan video. AI generatif dan sistem AI/ML lainnya menggunakan penyematan untuk menangkap makna semantik input konten ini ke dalam model bahasa besar (LLM). Anda dapat menyimpan sematan dari model ML dan AI, seperti yang berasal dari Amazon Bedrock dan Amazon SageMaker dalam basis data Aurora Anda. Baca dokumentasi kami tentang versi ekstensi untuk Aurora PostgreSQL.

Anda dapat menggunakan Amazon Aurora PostgreSQL sebagai penyimpanan vektor Anda di Basis Pengetahuan Amazon Bedrock. Hanya dengan sekali klik, konfigurasikan Aurora sebagai Basis Pengetahuan untuk Bedrock dan Anda dapat menghubungkan sumber data pribadi organisasi Anda dari Aurora ke model fondasi (FM) yang tersedia di Bedrock guna memungkinkan alur kerja Retrieval-Augmented Generation (RAG) otomatis sumber data tersebut. Hal ini membuat FM Anda lebih berpengetahuan tentang domain dan organisasi spesifik Anda. Baca dokumentasi kami tentang cara memulai Aurora PostgreSQL sebagai Basis Pengetahuan untuk Amazon Bedrock hanya dengan sekali klik.

Machine learning Aurora (Aurora ML) juga menyederhanakan penambahan prediksi model AI generatif ke basis data Aurora Anda. Aurora ML mengekspos model ML sebagai fungsi SQL sehingga memungkinkan Anda menggunakan SQL standar untuk memanggil model ML, meneruskan data ke model tersebut, dan mengembalikan prediksi, ringkasan teks, atau sentimen sebagai hasil kueri. Dengan Aurora ML, Anda dapat melakukan proses penambahan sematan baru ke basis data Aurora PostgreSQL Anda dengan ekstensi pgvector secara waktu nyata melalui panggilan berkala ke model SageMaker atau Amazon Bedrock, yang mengembalikan sematan terbaru dan terkini.

Alat impor dan ekspor MySQL standar bekerja dengan Aurora. Anda juga dapat dengan mudah membuat basis data Aurora baru dari snapshot DB Amazon RDS for MySQL. Operasi migrasi berdasarkan snapshot DB biasanya selesai dalam waktu kurang dari satu jam, tetapi akan bervariasi berdasarkan jumlah dan format data yang dimigrasikan.

Sebagai alternatif, AWS Database Migration Service (AWS DMS) menawarkan alat native bawaan dari dalam Konsol DMS untuk migrasi tanpa hambatan. Tanpa instans replikasi untuk penyediaan atau skala, Anda dapat memulai migrasi basis data dengan beberapa klik sederhana, dan hanya membayar setiap jam untuk waktu yang digunakan.

Anda juga dapat mengatur replikasi berbasis binlog antara basis data Edisi yang kompatibel dengan Aurora MySQL dan basis data MySQL eksternal yang berjalan di dalam atau di luar AWS.

Alat impor dan ekspor PostgreSQL standar bekerja dengan Aurora, termasuk pg_dump dan pg_restore. Aurora juga mendukung impor snapshot dari Amazon RDS for PostgreSQL, dan replikasi dengan AWS Database Migration Service (AWS DMS).

Aurora menyediakan lingkungan yang ideal untuk memindahkan beban kerja basis data dari basis data komersial. Aurora memiliki kemampuan fungsional yang sangat cocok dengan mesin basis data komersial, dan memberikan performa kelas korporasi, daya tahan, dan ketersediaan tinggi yang dibutuhkan oleh sebagian besar beban kerja basis data korporasi. AWS Database Migration Service (AWS DMS) dapat membantu mempercepat migrasi basis data ke Aurora dengan fitur terkelola, seperti DMS Schema Conversion dan DMS Nirserver . Konversi Skema DMS akan secara otomatis menilai dan mengonversi skema dan objek sumber agar kompatibel dengan klaster Aurora target. Sementara itu, DMS Nirserver mengotomatiskan penyediaan, pemantauan, dan penskalaan sumber daya migrasi.

Babelfish for Aurora PostgreSQL adalah kemampuan baru untuk Aurora PostgreSQL-Compatible Edition yang memungkinkan Aurora memahami perintah dari aplikasi yang ditulis untuk Microsoft SQL Server. Dengan Babelfish, Aurora PostgreSQL kini memahami T-SQL, dialek SQL milik Microsoft SQL Server, dan mendukung protokol komunikasi yang sama, sehingga aplikasi Anda yang awalnya ditulis untuk SQL Server kini dapat bekerja dengan Aurora dengan lebih sedikit perubahan kode. Sebagai hasilnya, upaya yang diperlukan untuk memodifikasi dan memindahkan aplikasi yang berjalan di SQL Server 2005 atau yang lebih baru ke Aurora berkurang, yang mengarah ke migrasi yang lebih cepat, berisiko lebih rendah, dan lebih hemat biaya. Babelfish adalah kemampuan bawaan Aurora, dan tidak memiliki biaya tambahan. Anda dapat mengaktifkan Babelfish di klaster Aurora hanya dalam beberapa langkah di konsol RDS.

Ekstensi Bahasa Tepercaya (TLE) untuk PostgreSQL adalah kit pengembangan dan proyek sumber terbuka yang memungkinkan Anda membangun ekstensi beperforma tinggi dengan cepat dan menjalankannya dengan aman di Amazon Aurora tanpa memerlukan AWS untuk mengesahkan kode. Developer dapat menggunakan bahasa tepercaya populer, seperti JavaScript, PL/pgSQL, Perl, dan SQL untuk menulis ekstensi dengan aman. TLE dirancang untuk mencegah akses ke sumber daya tidak aman dan membatasi cacat ekstensi pada koneksi basis data tunggal. DBA mempunyai kendali online yang terperinci atas siapa yang dapat menginstal ekstensi dan dapat membuat model izin untuk menjalankannya. TLE tersedia untuk pelanggan Aurora tanpa biaya tambahan.

Aurora menawarkan kemampuan machine learning langsung dari basis data, sehingga Anda dapat menambahkan prediksi berbasis ML ke aplikasi Anda melalui bahasa pemrograman SQL yang sudah dikenal. Dengan integrasi yang sederhana, dioptimalkan, dan aman antara layanan machine learning Aurora dan AWS, Anda memiliki akses ke berbagai pilihan algoritma ML tanpa harus membangun integrasi khusus atau memindahkan data. Pelajari selengkapnya tentang machine learning Aurora.

Aurora bekerja bersama dengan Proksi Amazon RDS, sebuah proksi basis data terkelola penuh dengan ketersediaan tinggi yang membuat aplikasi lebih dapat diskalakan, lebih tahan terhadap kegagalan basis data, dan lebih aman. Proksi RDS memungkinkan aplikasi mengumpulkan dan berbagi koneksi yang dibuat dengan basis data sehingga meningkatkan efisiensi basis data dan skalabilitas aplikasi. Proksi RDS mengurangi waktu failover dengan secara otomatis menghubungkan ke instans basis data baru sekaligus mempertahankan koneksi aplikasi. Proksi RDS meningkatkan keamanan melalui integrasi dengan AWS IAM dan AWS Secrets Manager.

API Data adalah API HTTPS aman yang mudah digunakan untuk mengeksekusi kueri SQL terhadap basis data Aurora yang mempercepat pengembangan aplikasi modern. Data API menghilangkan tugas konfigurasi jaringan dan aplikasi yang diperlukan untuk terhubung dengan aman ke basis data Aurora, yang menjadikan akses Aurora semudah melakukan panggilan API. Data API menghilangkan penggunaan driver basis data dan perangkat lunak pengumpulan koneksi sisi klien. API ini juga meningkatkan skalabilitas aplikasi dengan mengumpulkan dan berbagi koneksi basis data secara otomatis. API Data meningkatkan keamanan melalui integrasi dengan AWS IAM dan AWS Secrets Manager.

Developer dapat memanggil Data API melalui aplikasi yang dibangun dengan AWS SDK. API Data juga menyediakan akses ke basis data Aurora untuk API AWS AppSync GraphQL.