Recursos do Amazon Aurora

Os testes em avaliações comparativas, como a ferramenta SysBench, demonstraram um aumento de throughput até cinco vezes superior ao MySQL original e três vezes superior ao PostgreSQL original em um hardware similar. O Aurora usa uma variedade de técnicas de software e hardware para garantir que o mecanismo de banco de dados seja capaz de usar integralmente a computação, a memória e as redes disponíveis. As operações de E/S usam técnicas de sistemas distribuídos, como quóruns, para aumentar a consistência da performance.

O Amazon Aurora Sem Servidor v2 é uma configuração de escalabilidade automática sob demanda para o Aurora, na qual o banco de dados inicia, encerra e aumenta ou reduz a escala verticalmente para a capacidade de forma automática, com base nas necessidades da aplicação. Com o Aurora Sem Servidor v2, é possível executar o banco de dados na nuvem sem a necessidade de gerenciar qualquer instância de banco de dados. Você também pode usar instâncias do Aurora Sem Servidor v2 com instâncias provisionadas em clusters de banco de dados novos ou existentes.

O Amazon Aurora PostgreSQL Limitless Database oferece escalabilidade horizontal para suportar milhões de transações de gravação por segundo e petabytes de dados, mantendo a simplicidade da operação em um único banco de dados. É possível escalar de maneira integrada para além dos limites de armazenamento e throughput de gravação da maior instância individual, preservando a consistência transacional. O banco de dados é escalado de forma automática de acordo com a workload, e você paga somente pelo que utiliza. Com apenas algumas etapas no console do Amazon RDS ou na AWS Command Line Interface (AWS CLI), você pode criar um novo cluster de banco de dados que usa o a edição compatível com PostgreSQL do Aurora com o Limitless Database. Para obter mais informações, acesse os requisitos e considerações do Aurora PostgreSQL Limitless Database.

Você pode usar as APIs do Amazon Relational Database Service (Amazon RDS) ou o Console de Gerenciamento da AWS para aumentar ou reduzir a escala verticalmente de instâncias provisionadas que sustentam a implantação. As operações de escalabilidade de computação normalmente são concluídas em poucos minutos.

Para fornecer suporte a grandes volumes de solicitações de aplicações, é possível aumentar o throughput de leitura por meio da criação de até 15 Réplicas do Amazon Aurora. As Réplicas do Aurora compartilham o mesmo armazenamento subjacente da instância de origem, reduzindo custos e evitando a necessidade de realizar gravações nos nós de réplica. Isso libera mais capacidade de processamento para atender às solicitações de leitura e reduz o tempo de atraso das réplicas, na maioria das vezes, para menos de dez milissegundos.

O Aurora oferece um endpoint leitor para que a aplicação possa se conectar sem necessidade de acompanhar as réplicas adicionadas e removidas. Ele também oferece suporte ao ajuste de escala automático, que gerencia a adição ou remoção automática de réplicas com base nas métricas de performance definidas por você. Para mais informações, consulte Using Amazon Aurora Auto Scaling with Aurora Replicas.

O Aurora oferece suporte a réplicas de leitura entre regiões. As réplicas entre regiões fornecem leituras locais rápidas para os usuários, e cada região pode ter até 15 réplicas adicionais do Aurora para aumentar ainda mais a capacidade de leitura local. Consulte Amazon Aurora Global Database para obter detalhes.

As leituras otimizadas pelo Amazon Aurora são uma nova funcionalidade de relação preço/performance que proporciona latência de consulta até oito vezes superior e até 30% de economia de custos em relação a instâncias que não as utilizam. Ele é ideal para aplicações com grandes conjuntos de dados que excedem a capacidade de memória de uma instância de banco de dados.

As instâncias do Optimized Reads usam armazenamento SSD local em nível de bloco baseado em NVMe, disponível em instâncias r6gd baseadas em Graviton e r6id baseadas em Intel, para melhorar a latência de consulta de aplicações com conjuntos de dados que excedem a capacidade de memória de uma instância de banco de dados. O Optimized Reads inclui aprimoramentos de performance, como armazenamento em cache hierárquico e objetos temporários, para permitir que você aproveite ao máximo suas instâncias de banco de dados.

Com uma melhora de até oito vezes na latência de consulta, é possível executar com eficiência workloads de leitura intensa e alta demanda de E/S, como painéis operacionais, detecção de anomalias e pesquisas de similaridade com a extensão pgvector. As leituras otimizadas pelo Amazon Aurora PostgreSQL com a extensão pgvector aumentam em até nove vezes o volume de consultas por segundo em pesquisas vetoriais para workloads que ultrapassam a memória disponível da instância. A funcionalidade de leituras otimizadas estão disponíveis para o Aurora com compatibilidade com PostgreSQL.

O Parallel Query do Amazon Aurora proporciona maior rapidez em consultas analíticas sobre seus dados atuais. O recurso é capaz de agilizar consultas em até duas ordens de magnitude ao mesmo tempo em que mantém um alto throughput para a workload principal de transações. Com a transferência do processamento de consultas para a camada de armazenamento do Aurora, o recurso obtém uma grande quantidade de capacidade computacional e reduz o tráfego de rede. Use o Parallel Query para executar workloads transacionais e analíticas lado a lado no mesmo banco de dados do Aurora. O Parallel Query está disponível para o Aurora com compatibilidade com MySQL.

O Amazon DevOps Guru é um serviço de operações em nuvem baseado em machine learning (ML) que auxilia na melhoria da disponibilidade de aplicações. Com o Amazon DevOps Guru para RDS, você pode usar insights baseados em ML para ajudar a detectar e diagnosticar facilmente problemas de banco de dados relacional relacionados à performance. Além disso, ele foi projetado para resolvê-los em minutos, em vez de dias. Os desenvolvedores e engenheiros de DevOps podem usar o DevOps Guru para RDS para identificar automaticamente a causa raiz dos problemas de performance e obter recomendações inteligentes para ajudar a resolvê-los, sem precisar da ajuda de especialistas em banco de dados.

Para começar a usar, basta acessar o console de gerenciamento do Amazon RDS e habilitar os Insights de Performance do Amazon RDS. Assim que os Insights de Performance estiverem ativados, acesse o console do Amazon DevOps Guru e habilite-os para seus recursos do Amazon Aurora, outros recursos compatíveis ou para toda a conta.

O Amazon RDS monitora continuamente a integridade do banco de dados do Aurora e da instância subjacente do Amazon Elastic Compute Cloud (Amazon EC2). No caso de falha do banco de dados, o Amazon RDS reiniciará automaticamente o banco de dados e processos associados. Nas recuperações de falha, o Aurora não precisa reproduzir os logs de repetição do banco de dados, o que reduz significativamente os tempos de reinicialização. Além disso, o serviço isola o cache de buffer do banco de dados em relação aos processos de banco de dados, permitindo que o cache permaneça intacto após uma reinicialização do banco de dados.

Em caso de falha de uma instância, o Aurora usa a tecnologia Multi-AZ do Amazon RDS para automatizar o failover para uma das até 15 réplicas do Aurora criadas em qualquer uma das três zonas de disponibilidade disponíveis. Em caso de falha, se nenhuma réplica do Aurora tiver sido provisionada, o Amazon RDS tentará criar automaticamente uma nova instância de banco de dados do Aurora. Minimize o tempo de failover substituindo os drivers MySQL e PostgreSQL da comunidade pelo AWS JDBC Driver for MySQL e AWS JDBC Driver for PostgreSQL compatíveis com código aberto e drop-in. Você também pode usar o RDS Proxy para reduzir os tempos de failover e melhorar a disponibilidade. Quando ocorrem falhas, o Amazon RDS Proxy encaminha as solicitações diretamente para a nova instância de banco de dados, reduzindo os tempos de failover em até 66%, ao mesmo tempo que preserva as conexões da aplicação.

Para aplicações distribuídas globalmente, você pode usar um Aurora Global Database, em que um único banco de dados do Aurora pode abranger várias regiões da AWS para possibilitar leituras locais de baixa latência e uma rápida recuperação de desastres. Um Aurora Global Database usa a replicação baseada em armazenamento para replicar um banco de dados em várias regiões, com a latência típica de menos de um segundo. Você pode usar uma região secundária como uma opção de backup caso precise se recuperar rapidamente de uma redução regional ou interrupção. É possível promover um banco de dados em uma região secundária para funcionalidades completas de leitura e de gravação em menos de um minuto. Para obter mais informações, acesse Usar o Amazon Aurora Global Database.

O volume de armazenamento do banco de dados do Aurora é segmentado em blocos de 10 GiB e replicado em três zonas de disponibilidade, com cada zona de disponibilidade mantendo duas cópias de cada gravação. O armazenamento do Aurora é tolerante a falhas e trata de forma integrada a perda de até duas cópias de dados sem afetar a disponibilidade de gravação do banco de dados, bem como a perda de até três cópias sem afetar a disponibilidade de leitura. Além disso, o armazenamento do Aurora conta com autorrecuperação. Os blocos de dados e os discos são verificados continuamente para detecção de erros e substituídos automaticamente.

A funcionalidade de backup do Aurora permite realizar a recuperação para um ponto no tempo da instância. Isso permite que você restaure seu banco de dados a qualquer segundo durante o período de retenção, até os últimos cinco minutos. O período de retenção para backups automáticos pode ser configurado para até 35 dias. Os backups automáticos são armazenados no Amazon Simple Storage Service (Amazon S3), que foi desenvolvido para oferecer 99,999999999% de durabilidade. Os backups do Aurora ocorrem de forma automática, incremental e contínua, não apresentando impacto na performance do banco de dados.

Com o retrocesso, você move rapidamente um banco de dados para um ponto no tempo anterior sem precisar realizar a restauração de dados usando um backup. Isso permite uma recuperação rápida de erros cometidos por usuários, como excluir a tabela errada ou remover a linha incorreta. Quando você habilita o Backtrack, o Aurora retém todos os registros de dados pela duração de Backtrack especificada. Por exemplo, você pode configurar o Backtrack para permitir que o banco de dados volte até 72 horas no tempo. O Backtrack é concluído em segundos, mesmo para bancos de dados grandes, pois elimina a necessidade de cópia de registros de dados. Você pode avançar e recuar para encontrar o ponto logo antes da ocorrência do erro.

O Backtrack também é útil para desenvolvimento e teste, em especial, em situações nas quais o teste exclui ou invalida os dados. Basta voltar o banco de dados ao estado original, e você estará pronto para uma nova execução de teste. É possível criar um script que chama o Backtrack por meio de uma API e executa o teste. Esse script pode ser integrado facilmente ao framework de teste. O recurso de retrocesso está disponível para o Aurora com compatibilidade com MySQL.

O Aurora é executado na Amazon Virtual Private Cloud (Amazon VPC), o que ajuda você a isolar o banco de dados na própria rede virtual e a se conectar à infraestrutura de TI on-premises usando VPNs IPsec criptografadas que seguem os padrões do setor. Para saber mais sobre o Amazon Relational Database Service (RDS) na Amazon VPC, consulte o Guia do usuário do Amazon RDS. Além disso, ao usar o Amazon RDS, você pode configurar as definições de firewall e controlar o acesso à rede para as instâncias de banco de dados.

O Aurora é integrado ao AWS Identity and Access Management (IAM) e oferece a você a capacidade de controlar as ações que os usuários e os grupos do IAM podem realizar em recursos específicos do Aurora (por exemplo, instâncias de banco de dados, snapshots de banco de dados, grupos de parâmetros de banco de dados, assinaturas de eventos de banco de dados e grupos de opções de banco de dados). Também é possível atribuir tags aos recursos do Aurora e controlar as ações que seus usuários e grupos do IAM podem executar em grupos de recursos que têm a mesma tag (e valor de tag). Para obter mais informações sobre a integração com o IAM, consulte a documentação relacionada à autenticação de bancos de dados do IAM.

O Aurora ajuda você a criptografar bancos de dados com chaves criadas e controladas por meio do AWS Key Management Service (KMS). Em uma instância de banco de dados em execução com a criptografia do Aurora, os dados ociosos mantidos no armazenamento subjacente são criptografados, bem como os backups automáticos, as réplicas de leitura e os snapshots desses dados no mesmo cluster. O Aurora usa SSL (AES-256) para proteger os dados em trânsito.

O Aurora ajuda você a registrar em logs eventos do banco de dados com impacto mínimo na performance do banco de dados. Posteriormente, os logs podem ser analisados para fins de gerenciamento de banco de dados, segurança, governança, conformidade normativa e outras finalidades. Além disso, é possível monitorar atividades por meio do envio de logs de auditoria ao Amazon CloudWatch.

O Amazon GuardDuty disponibiliza detecção de ameaças para o Aurora, auxiliando na identificação de possíveis riscos aos dados armazenados em bancos de dados do Aurora. A Proteção do GuardDuty para RDS define perfis e monitora a atividade de login em bancos de dados novos e existentes em sua conta, além de usar modelos de ML personalizados para detectar com precisão acessos suspeitos a bancos de dados do Aurora. Caso seja detectada uma ameaça potencial, o GuardDuty gera uma descoberta de segurança que inclui detalhes do banco de dados e informações contextuais abrangentes sobre a atividade suspeita. A integração do Aurora com o GuardDuty fornece acesso direto aos logs de eventos do banco de dados sem que seja necessário alterar os bancos de dados. Essa integração foi desenvolvida para não comprometer a performance do banco de dados.

Não há compromisso inicial com o Aurora. Você paga uma taxa por hora para cada instância executada e, quando terminar de usar uma instância de banco de dados do Aurora, você pode excluí-la. Você não precisa provisionar armazenamento em excesso como margem de segurança, e paga apenas pelo armazenamento que realmente utiliza. Para obter mais detalhes, acesse a página de preços do Aurora.

O Aurora oferece a flexibilidade de otimizar os gastos com banco de dados ao escolher entre duas opções de configuração com base em suas necessidades de preço/performance e previsibilidade de preço, independentemente do consumo de E/S da aplicação. As duas opções de configuração são Aurora I/O-Optimized e Aurora Standard. Nenhuma das opções exige provisionamento inicial de E/S ou armazenamento e ambas podem escalar E/S para suportar seus aplicativos mais exigentes.

O Aurora I/O-Optimized é uma configuração de cluster de banco de dados. Ele oferece melhor relação performance/preço para clientes com workloads com uso intensivo de E/S, como sistemas de processamento de pagamentos, sistemas de comércio eletrônico e aplicações financeiras. Se o gasto de E/S exceder 25% do gasto total do banco de dados do Aurora, é possível economizar até 40% nos custos das workloads com uso intensivo de E/S ao usar o Aurora otimizado para E/S. Com o Aurora otimizado para E/S, você paga pelas instâncias e pelo armazenamento do banco de dados. Não há cobranças pelas operações de E/S de leitura e gravação, fornecendo previsibilidade de preço para todas as aplicações, independentemente da variabilidade de E/S.

O Aurora Standard é uma configuração de cluster de banco de dados que oferece preços econômicos para a grande maioria dos aplicativos com uso de E/S baixo a moderado. Com o Aurora Básico, você paga pelas instâncias de banco de dados, pelo armazenamento e pelas operações de E/S no modelo de pagamento por solicitação.

Em aplicações com alta carga analítica, os custos das operações de E/S costumam ser o principal fator nas despesas com o banco de dados. As operações de E/S são executadas pelo mecanismo de banco de dados Aurora na sua camada de armazenamento virtualizado com base em SSDs. Cada operação de leitura de página de banco de dados conta como uma E/S. O mecanismo de banco de dados Aurora emite leituras na camada de armazenamento para obter as páginas de banco de dados que não estão presentes no cache do buffer. Cada página do banco de dados tem 8 KB no Aurora with PostgreSQL compatibility e 16 KB no Aurora with MySQL compatibility.

O Aurora foi projetado para eliminar operações de E/S desnecessárias com o objetivo de reduzir custos e garantir a disponibilidade de recursos para atender ao tráfego de leitura/gravação. As operações de E/S de gravação são consumidas apenas durante o envio de registros de log para a camada de armazenamento com o intuito de tornar as gravações mais duradouras. As operações de E/S de gravação são contadas em unidades de 4 KB. Por exemplo, um registro de log de transação com 1.024 bytes conta como uma operação de E/S. Porém, operações de gravação simultâneas com log de transação inferior a 4 KB poderão ser armazenadas juntas em lotes pelo mecanismo de banco de dados Aurora para otimizar o consumo de E/S. Diferentemente dos mecanismos de banco de dados tradicionais, o Aurora nunca envia páginas de banco de dados modificadas para a camada de armazenamento, o que resulta em economias de consumo de E/S ainda maiores.

Você pode ver quantas operações de E/S a sua instância do Aurora está consumindo acessando o Console de Gerenciamento da AWS. Para localizar o seu consumo de E/S, consulte a seção RDS do console, pesquise na lista de instâncias, selecione as suas instâncias do Aurora e procure pelas métricas “Operações de leitura faturadas” e “Operações de gravação faturadas” na seção de monitoramento.

Você é cobrado pelas operações de E/S de leitura e gravação ao configurar seus clusters de banco de dados com a configuração Aurora Standard. Ao configurar os clusters de banco de dados para o modo Aurora Otimizado para E/S, não há cobrança pelas operações de E/S de leitura e de gravação. Para obter mais informações sobre os preços das operações de E/S, acesse a página de preços do Amazon Aurora.

As leituras otimizadas pelo Aurora para Aurora PostgreSQL oferecem aos clientes, com aplicações sensíveis à latência e grandes conjuntos de dados de trabalho, uma alternativa atraente na relação preço/performance para atender aos SLAs de negócios. Os clientes também contam com maior flexibilidade para aumentar conjuntos de dados sem precisar redimensionar constantemente as instâncias de banco de dados para obter mais capacidade de memória. O Optimized Reads incluei aprimoramentos de performance, como armazenamento em cache hierárquico e objetos temporários.

O armazenamento em cache hierárquico oferece latência de consulta até 8 vezes maior e economia de custos de até 30% para aplicações com leituras pesadas e uso intenso de E/S, como painéis operacionais, detecção de anomalias e pesquisas de semelhanças com base em vetores. Esses benefícios são obtidos quando os dados em cache são automaticamente removidos do cache de buffer do banco de dados na memória para o armazenamento local, a fim de acelerar os acessos subsequentes desses dados. O armazenamento em cache hierárquico apenas está disponível para o Aurora PostgreSQL com a configuração otimizada para E/S do Aurora.

Objetos temporários proporcionam um processamento de consultas mais veloz ao armazenar as tabelas temporárias geradas pelo Aurora PostgreSQL em armazenamento local, o que otimiza a performance de consultas que envolvem classificações, agregações de hash, junções de alta carga e outras operações de dados intensivas.

Começar a usar o Aurora é fácil. Basta iniciar uma nova instância de banco de dados do Aurora usando o console de gerenciamento do Amazon RDS ou uma única chamada de API ou CLI. As instâncias de banco de dados do Aurora são pré-configuradas com parâmetros e definições adequados para a classe de instância de banco de dados que você selecionou. É possível lançar uma instância de banco de dados e conectar sua aplicação em minutos, sem necessidade de configuração adicional. Os grupos de parâmetros de banco de dados oferecem controle granular e ajuste fino do banco de dados.

O Aurora fornece diversas opções para o monitoramento e para a otimização da performance de bancos de dados, incluindo o Amazon CloudWatch, o monitoramento aprimorado, os Insights de Performance do RDS e o Amazon DevOps Guru para RDS.

As métricas do Amazon CloudWatch para o Aurora permitem que você acompanhe métricas operacionais essenciais, como computação, memória e armazenamento, throughput de consultas, proporção de acertos no cache e conexões ativas por meio do Console de Gerenciamento da AWS. Com os alarmes do Amazon CloudWatch, você pode configurar alarmes para métricas específicas durante um período especificado e realizar ações com base em limites personalizáveis. O Amazon CloudWatch Database Insights consolida logs e métricas provenientes de aplicações, bancos de dados e sistemas operacionais nos quais eles são executados em uma visualização unificada no console. Ao usar painéis configurados previamente, alarmes recomendados e coleta automatizada de telemetria, é possível monitorar a integridade das frotas de bancos de dados e usar uma experiência guiada de solução de problemas para analisar instâncias individualmente e identificar a causa-raiz. Os desenvolvedores de aplicações podem correlacionar a performance das aplicações com a performance do banco de dados, detalhando a análise a partir do contexto da visualização de performance da aplicação no Amazon CloudWatch Application Signals até o banco de dados específico dependente no CloudWatch Database Insights. O CloudWatch Database Insights herda todos os recursos dos Insights de Performance do Amazon RDS, além de contar com funcionalidades adicionais como monitoramento em nível de frota, integração com monitoramento da performance de aplicações e correlação de métricas de banco de dados com logs e eventos.

O monitoramento aprimorado fornece métricas em tempo real da instância do sistema operacional que executa o banco de dados. Você pode visualizar todas as métricas do sistema e as informações relacionadas ao processo para as instâncias de banco de dados do RDS no console. O Aurora envia as métricas do monitoramento aprimorado para a conta do Amazon CloudWatch Logs. É possível criar filtros de métricas no CloudWatch usando os logs do CloudWatch e exibir os gráficos no painel do CloudWatch.

Além disso, o DevOps Guru para RDS, com tecnologia de machine learning, identifica, diagnostica e fornece recomendações automaticamente para problemas de banco de dados, incluindo uso excessivo de recursos e problemas em consultas SQL, tudo isso sem exigir experiência em ML ou conhecimento profundo de banco de dados. Para obter um monitoramento completo do banco de dados, basta habilitar o DevOps Guru para RDS no console do Amazon RDS, nos Insights de Performance ou no console do DevOps Guru.

As implantações azuis/verdes do Amazon RDS permitem que você realize atualizações de banco de dados de forma mais segura, simples e rápida, sem perda de dados, na edição compatível com MySQL do Aurora e na edição compatível com PostgreSQL do Aurora. Em poucas etapas, as implantações azuis/verdes criam um ambiente de preparação que espelha o ambiente de produção e mantém os dois ambientes sincronizados usando replicação lógica. Você pode fazer alterações, como upgrades de versão principal/secundária, modificações de esquema e alterações na configuração de parâmetros, sem afetar a workload de produção.

Durante a promoção do seu ambiente de preparação, as implantações azuis/verdes bloqueiam as gravações em ambos os ambientes, azul e verde, até que a troca seja concluída. As implantações azuis/verdes usam barreiras de proteção voltadas à transição integradas que interrompem a promoção se ela exceder o tempo de inatividade máximo tolerável, detectar erros de replicação, verificar a integridade da instância e muito mais.

O Aurora manterá o banco de dados atualizado com os patches mais recentes. É possível controlar a aplicação de patches na instância de banco de dados por meio do gerenciamento de versão do mecanismo do banco de dados. O Aurora usa aplicação de patches com tempo de inatividade zero sempre que possível. Caso surja uma janela de tempo apropriada, a instância é atualizada no local, as sessões da aplicação são preservadas e o mecanismo do banco de dados reinicializa enquanto o patch é processado, resultando em apenas uma queda passageira de cerca de cinco segundos no throughput.

O Aurora pode enviar notificações por e-mail ou SMS sobre eventos importantes relacionados ao banco de dados, como um failover automatizado. Você pode usar oConsole de Gerenciamento da AWS ou as APIs do Amazon RDS para se inscrever em mais de 40 eventos relacionados a bancos de dados distintos associados aos seus bancos de dados do Aurora.

O Aurora fornece suporte para operações de clonagem rápidas e eficientes, em que clusters inteiros de banco de dados com vários terabytes podem ser clonados em minutos. A clonagem é útil para diversas finalidades, incluindo desenvolvimento de aplicações, testes, atualizações de banco de dados e execução de consultas analíticas. A disponibilidade imediata de dados pode acelerar consideravelmente projetos de desenvolvimento e atualização de software, bem como aumentar a precisão das análises de dados.

É possível clonar um banco de dados do Aurora em apenas algumas etapas e esse processo não incorre em cobranças de armazenamento, exceto se você usar espaço adicional para armazenar alterações de dados.

Você pode interromper e iniciar manualmente um banco de dados Aurora em apenas algumas etapas. Isso torna fácil e acessível o uso do Aurora para fins de desenvolvimento e testes, atividades que não exigem a execução contínua do banco de dados. Parar o banco de dados não exclui seus dados. Consulte a documentação sobre início e interrupção para obter mais detalhes.

A integração ETL zero do Amazon Aurora com o Amazon Redshift possibilita a realização de analytics e ML em tempo quase real com o Amazon Redshift em petabytes de dados transacionais do Aurora, removendo a necessidade de desenvolver e manter pipelines de dados complexos que executam operações de extração, transformação e carregamento (ETL). Os dados transacionais são replicados de forma automática e contínua, segundos após serem gravados no Aurora, e tornam-se disponíveis de maneira integrada no Amazon Redshift.

Assim que os dados estiverem disponíveis no Amazon Redshift, você pode iniciar a análise imediatamente e usar recursos avançados, como o compartilhamento de dados, as visões materializadas e o ML do Amazon Redshift para obter insights holísticos e preditivos. É possível consolidar várias tabelas de diversos clusters de banco de dados do Aurora e replicar os dados em um único data warehouse do Amazon Redshift para executar analytics unificadas em aplicações e fontes de dados distintas. Ao usar o Aurora Sem Servidor e o Amazon Redshift Sem Servidor simultaneamente, você pode gerar analytics em tempo quase real de dados transacionais sem a necessidade de gerenciar nenhuma infraestrutura para pipelines de dados. Leia nossa documentação sobre como trabalhar com integrações ETL zero do Aurora com o Amazon Redshift.

O Aurora oferece recursos para permitir que modelos de machine learning (ML) e inteligência artificial generativa trabalhem com dados armazenados no Aurora em tempo real e sem a necessidade de mover os dados. Com o Amazon Aurora edição compatível com PostgreSQL, é possível acessar recursos de banco de dados de vetores para armazenar, pesquisar, indexar e consultar incorporações de ML com a extensão pgvector.

Uma incorporação de vetor é uma representação numérica que representa o significado semântico do conteúdo, como texto, imagens e vídeo. A IA generativa e outros sistemas de IA/ML usam incorporações para extrair o sentido semântico das informações inseridas em um grande modelo de linguagem (LLM). É possível armazenar incorporações de modelos de ML e IA, como os do Amazon Bedrock e do Amazon SageMaker, em bancos de dados do Aurora. Consulte nossa documentação sobre as versões de extensões compatíveis com o Aurora PostgreSQL.

É possível usar o Amazon Aurora PostgreSQL como armazenamento de vetores nas bases de conhecimentos do Amazon Bedrock. Com apenas um clique, configure o Aurora como uma base de conhecimentos para o Bedrock e você poderá conectar as fontes de dados privadas da sua organização do Aurora a modelos de base (FM) disponíveis no Bedrock para habilitar fluxos de trabalho automatizados de geração aumentada via recuperação (RAG). Isso faz com que seus FMs tenham maior conhecimento sobre o domínio e a organização específicos do seu negócio. Leia nossa documentação sobre como começar a usar o Aurora PostgreSQL como uma base de conhecimentos para o Amazon Bedrock com apenas um clique.

O machine learning do Aurora (Aurora ML) também simplifica a adição de predições de modelos de IA generativa ao banco de dados do Aurora. O Aurora ML disponibiliza modelos de ML por meio de funções SQL. Assim, você utiliza o SQL padrão para chamar os modelos, enviar dados e obter previsões, resumos de texto ou análise de sentimento diretamente nos resultados das consultas. O Aurora ML permite que a adição de novas incorporações ao banco de dados do Aurora PostgreSQL, usando a extensão pgvector, ocorra em tempo real. Isso é feito por meio de chamadas periódicas a um modelo do SageMaker ou do Amazon Bedrock, que retorna as incorporações mais recentes e atualizadas.

As ferramentas padrão de importação e de exportação do MySQL funcionam com o Aurora. Também é possível criar facilmente um novo banco de dados do Aurora a partir de um snapshot de banco de dados do Amazon RDS para MySQL. As operações de migração baseadas em snapshots de banco de dados normalmente são concluídas em menos de uma hora, mas variam com base na quantidade e no formato dos dados que estão sendo migrados.

Como alternativa, o AWS Database Migration Service (AWS DMS) oferece ferramentas nativas integradas do console do DMS para permitir uma migração sem complicações. Sem instâncias de replicação para provisionar ou escalar, você pode iniciar uma migração de banco de dados com apenas alguns cliques e pagar somente por hora pelo tempo usado.

Além disso, é possível configurar uma replicação baseada em log binário entre um banco de dados da edição compatível com MySQL do Aurora e um banco de dados MySQL externo, que pode ser executado interna ou externamento à AWS.

As ferramentas padrão de importação e exportação do PostgreSQL funcionam com o Aurora, incluindo pg_dump e pg_restore. O Aurora também oferece suporte à importação de snapshots do Amazon RDS para PostgreSQL e à replicação usando o AWS Database Migration Service (AWS DMS).

O Aurora fornece um ambiente ideal para a migração de workloads de bancos de dados comerciais. O Aurora tem recursos funcionais que são semelhantes aos dos mecanismos de banco de dados comerciais e oferece o desempenho, a resiliência e a alta disponibilidade de nível empresarial exigidas pela maioria das workloads de banco de dados das empresas. O AWS Database Migration Service (AWS DMS) ajuda a agilizar a migração de bancos de dados para o Aurora por meio de recursos gerenciados como a Conversão de Esquema do DMS e o DMS Sem Servidor. O DMS Schema Conversion avaliará e converterá automaticamente esquemas e objetos de origem para serem compatíveis com o cluster do Aurora de destino. Ao mesmo tempo, o DMS Sem Servidor automatiza o provisionamento, o monitoramento e a escalabilidade dos recursos de migração.

O Babelfish para Aurora PostgreSQL é uma nova funcionalidade da edição compatível com PostgreSQL do Aurora que permite ao Aurora compreender comandos de aplicações desenvolvidas para o Microsoft SQL Server. Agora, com o Babelfish, o Aurora PostgreSQL entende T-SQL, o dialeto SQL exclusivo do Microsoft SQL Server, e oferece suporte ao mesmo protocolo de comunicações. Assim, as aplicações escritas originalmente para o SQL Server funcionarão com o Aurora após poucas alterações no código. Dessa forma, o esforço necessário para modificar e migrar aplicações executadas no SQL Server 2005 ou em uma versão mais recente para o Aurora diminui, possibilitando migrações mais rápidas, menos arriscadas e mais econômicas. O Babelfish é um recurso integrado do Aurora e não exige nenhum custo adicional. É possível habilitar o Babelfish em seu cluster do Aurora com apenas algumas etapas no console do RDS.

O Trusted Language Extensions (TLE) para PostgreSQL é um kit de desenvolvimento e projeto de código aberto para a criação rápida de extensões de alta performance e execução segura no Amazon Aurora, sem a necessidade de certificação de código pela AWS. Os desenvolvedores podem usar linguagens conhecidas, como JavaScript, PL/pgSQL, Perl e SQL, para escrever extensões com segurança. O TLE foi criado para impedir o acesso a recursos não seguros e limita os defeitos da extensão a uma única conexão de banco de dados. Os administradores de banco de dados têm controle detalhado e online sobre quem pode instalar as extensões e podem criar um modelo de permissões para executá-las. O TLE está disponível para clientes do Aurora sem custo adicional.

O Aurora oferece funcionalidades de machine learning diretamente do banco de dados, possibilitando a inclusão de previsões baseadas em ML em suas aplicações por meio da conhecida linguagem de programação SQL. Com uma integração simples, otimizada e segura entre os serviços de machine learning do Aurora e da AWS, você tem acesso a uma ampla seleção de algoritmos de ML sem precisar criar integrações personalizadas ou mover dados. Saiba mais sobre o uso de machine learning no Aurora.

O Aurora funciona em conjunto com o Amazon RDS Proxy, um proxy de banco de dados totalmente gerenciado e de alta disponibilidade que torna as aplicações mais escaláveis, mais resilientes a falhas relacionadas ao banco de dados e mais seguras. O RDS Proxy permite às aplicações agrupar e compartilhar conexões estabelecidas com o banco de dados, aumentando a eficiência do banco de dados e a escalabilidade da aplicação. Ele reduz os tempos de failover ao realizar a conexão automática com uma nova instância de banco de dados enquanto preserva as conexões da aplicação. Além disso, ele reforça a segurança por meio de integrações com o AWS IAM e com o AWS Secrets Manager.

A API Data é uma API HTTPS segura e simples de usar para executar consultas SQL em bancos de dados do Aurora, acelerando o desenvolvimento de aplicações modernas. A API Data elimina as tarefas de configuração de rede e aplicação necessárias para estabelecer um conexão com um banco de dados do Aurora com segurança, o que torna o acesso ao Aurora tão simples quanto fazer uma chamada de API. A API de dados elimina o uso de drivers de banco de dados e software de pool de conexões do lado do cliente. Essa API também melhora a escalabilidade das aplicações ao agrupar e compartilhar automaticamente conexões de banco de dados. A API Data aprimora a segurança por meio de integrações com o AWS IAM e o AWS Secrets Manager.

Os desenvolvedores podem chamar a API Data por meio de aplicações desenvolvidas com um AWS SDK. A API Data também fornece acesso a bancos de dados Aurora para APIs GraphQL do AWS AppSync.