Базы данных AWS

Защитите свои приложения с помощью шифрования во время хранения и передачи, изоляции сети и многого другого. AWS обеспечивает отказоустойчивость: доступность до 99,999 %, развертывание в нескольких зонах доступности, многорегиональную репликацию, автоматическая реализация мер отказоустойчивости и многое другое.

Начните с малого и постепенно увеличивайте масштаб, используя реляционные базы данных с пропускной способностью в 3–5 раз выше, чем у альтернативных вариантов, или нереляционные базы данных с задержкой менее миллисекунды или даже в несколько микросекунд.

Сократите совокупную стоимость владения, используя подходящий для работы инструмент, и используйте такие инновации, как бессерверная система, оптимизация операций ввода/вывода Aurora для предсказуемости цен и инстансы EC2 Graviton4 для получения дополнительных преимуществ по соотношению цены и производительности.

Мгновенное масштабирование с помощью бессерверных систем, обслуживание которых выполняется без времени простоя, без необходимости управлять серверами. Интеграция сервисов AWS с нулевым использованием ETL упрощает задачи аналитики, машинного обучения и поиска по операционным данным, устраняя необходимость в создании конвейеров данных или управлении ими.

В этом блоге обсуждается важнейшая роль векторных баз данных в приложениях генеративного искусственного интеллекта, в частности при внедрении RAG. В нем объясняется, как векторные базы данных помогают хранить и запрашивать встраивания, относящиеся к конкретным доменам, для повышения точности и актуальности ответов ИИ.

В блоге рассказывается о том, как Aurora Optimized Reads значительно повышает производительность векторного поиска, особенно при использовании индексации HNSW, повышая производительность запросов до 20 раз по сравнению с индексацией ivFFlat.

В этом блоге рассказывается, как организации могут настраивать ответы на базовые модели на основе своих личных данных, используя функции повышения производительности Aurora и полностью управляемый рабочий процесс RAG Amazon Bedrock.

На семинаре показано, как интегрировать базовые модели Amazon Bedrock и Hugging Face с Aurora PostgreSQL для создания, хранения и эффективного запроса векторных встраиваний.

На этом семинаре показано, как объединить высокопроизводительные транзакционные возможности DynamoDB с функциями поиска и аналитики OpenSearch Servicel, создав надежную архитектуру приложений для контекстно-зависимых логических рассуждений. Благодаря практическим занятиям вы приобретете опыт настройки Amazon Bedrock Connector, управления данными каталога продуктов и внедрения функций векторного поиска.

Аналитика Amazon Neptune поможет вам получить революционные данные и применить генеративный искусственный интеллект с помощью графовой аналитики, ускорения загрузки данных в 80 раз и поиска векторных сходств.

Организации, внедрившие Amazon Aurora, смогли снизить совокупную стоимость владения на 42%, окупаемость инвестиций за 6 месяцев и окупаемость инвестиций за три года на 434%.

Организации, внедрившие DynamoDB, добились снижения совокупной стоимости владения на 25%, окупаемости инвестиций за 8 месяцев и окупаемости инвестиций за три года на 378%.

Организации, внедрившие ElastiCache, добились снижения совокупной стоимости владения на 48%, окупаемости инвестиций за 7 месяцев и окупаемости инвестиций за три года на 449%.

Организации, внедрившие RDS (кроме Aurora), смогли снизить совокупную стоимость владения на 34%, окупаемость инвестиций за 5 месяцев и окупаемость инвестиций за три года на 258%.

Это руководство по Valkey — форку с открытым исходным кодом последней доступной версии Redis OSS v7.2 — идеально подходит для организаций, которым нужен проверенный высокопроизводительный кеш с открытым исходным кодом. Мы обсудим, когда использовать кэширование, и углубимся в основные шаблоны моделирования данных, оптимизацию ресурсов, а также расширенные типы и шаблоны данных.

Эта книга по моделированию данных поможет вам быстро изучить модель документа и содержит расширенные советы по оптимизации Amazon DocumentDB.