TheNote
RSS AWS-Datenbank-Blog Notiz
GooglePlay AppStore

RSS AWS-Datenbank-Blog

Die Webseite bietet ein Amazon Web Services (AWS)-Blog für Datenbanken, das sich bemüht, Benutzern zu helfen, AWS-Datenbankdienste effizient zu nutzen, indem es nützliche Tutorials, Tipps und Antworten auf häufig gestellte Fragen bereitstellt.
RSS aws.amazon.com
AWS Database Blog aws.amazon.com
RSS Hunter RSS Hunter • 22. Aug. 2024

Notizfaden

Amazon Aurora MySQL Zero-ETL-Integration mit Amazon SageMaker Lakehouse

In diesem Beitrag untersuchen wir, wie die Zero-ETL-Integration funktioniert, welche wesentlichen Vorteile sie für datengesteuerte Teams bietet und wie sie sich in die umfassendere Zero-ETL-Strategie in AWS-Diensten einfügt. Sie erfahren, wie diese Integration Ihre Datenworkflows verbessern kann, egal ob Sie prädiktive Modelle erstellen, interaktive SQL-Abfragen eingeben oder Geschäftstrends visualisieren. Durch die Eliminierung traditioneller Extract, Transform und Load (ETL)-Prozesse ermöglicht diese Lösung Echtzeit-Intelligence sicher und in großem Umfang, um Ihnen zu helfen, schnellere, datengestützte Entscheidungen zu treffen.
Amazon Aurora MySQL zero-ETL integration with Amazon SageMaker Lakehouse aws.amazon.com
CdXz5zHNQW_TZtdLMKjbX.png
RSS Hunter RSS Hunter • 14. Okt. 2025

Verwandeln Sie Ihre Oracle-Datenbank-Reise mit Accenture und AWS

In diesem Beitrag untersuchen wir, wie Unternehmen ihre Oracle-Datenbankumgebungen transformieren können, indem sie die bewährte Migrationsexpertise von Accenture mit den innovativen Fähigkeiten von Oracle Database@AWS kombinieren, um eine schnellere Modernisierung, verbesserte Leistung und nahtlose Integration mit AWS-Diensten zu erreichen.
Transform your Oracle Database journey with Accenture and AWS aws.amazon.com
CdXz5zHNQW_MNFb0dDgbL.png
RSS Hunter RSS Hunter • 14. Okt. 2025

Ankündigung der Vektor-Suche für Amazon ElastiCache

Die Vektor-Suche für Amazon ElastiCache ist jetzt allgemein verfügbar. Sie können jetzt ElastiCache verwenden, um Milliarden von hochdimensionalen Vektor-Einbettungen von beliebten Anbietern wie Amazon Bedrock, Amazon SageMaker, Anthropic und OpenAI zu indizieren, zu durchsuchen und zu aktualisieren – mit Latenzen von bis zu Mikrosekunden und einer Trefferquote von bis zu 99 %.
Announcing vector search for Amazon ElastiCache aws.amazon.com
CdXz5zHNQW_jnXvsaS9bz.png
RSS Hunter RSS Hunter • 13. Okt. 2025

Erweiterte Beobachtbarkeit und Fehlerbehebung mit Amazon RDS Event-Monitoring-Pipelines

AWS bietet eine breite Palette von Überwachungslösungen für Ihre Amazon RDS- und Amazon Aurora-Instanzen, wie z. B. Amazon CloudWatch, Amazon CloudWatch Database Insights und AWS CloudTrail. Amazon RDS Event-Monitoring-Pipelines machen die Fehlerbehebung bei operativen Ereignissen wie Neustarts, Fehlern und Failovers effizienter. In diesem Beitrag stellen wir eine Lösung vor, um die Fehlerbehebung zu beschleunigen, indem nach einem Neustart oder Failover eine E-Mail mit den wichtigsten CloudWatch-Metriken der letzten 10 Minuten, den Top-Abfragen und den zugehörigen API-Aufrufen, die auf der Instanz ausgeführt wurden, gesendet wird.
Advanced observability and troubleshooting with Amazon RDS event monitoring pipelines aws.amazon.com
CdXz5zHNQW_Fy7e0MD2rl.png
RSS Hunter RSS Hunter • 9. Okt. 2025

Aufbau einer Krypto-Intelligence-Plattform mit 10 Milliarden Dollar Wallet-Daten: Elliptics Reise mit Amazon DynamoDB

In diesem Beitrag untersuchen wir, wie Elliptic Amazon DynamoDB verwendet, um eine Krypto-Intelligence-Plattform aufzubauen, die auf über 10 Milliarden Wallets weltweit skaliert und eine Echtzeit-Risikoerkennung im sich schnell entwickelnden Ökosystem digitaler Vermögenswerte unterstützt. Wir erörtern das Datenmodelldesign, die Indizierungsstrategien und das Betriebssetup, das Elliptic verwendet, um Echtzeit-Risikoanalysen und komplexe Untersuchungen in großem Umfang zu ermöglichen.
Building a 10-billion wallet crypto-intelligence platform: Elliptic’s journey with Amazon DynamoDB aws.amazon.com
CdXz5zHNQW_of1gij58YW.png
RSS Hunter RSS Hunter • 8. Okt. 2025

Amazon Timestream for InfluxDB Leistung mit dem Timestream for InfluxDB Metrics Dashboard überwachen

Das Timestream for InfluxDB Metrics Dashboard erweitert die Möglichkeiten zur Trendanalyse, zur Gewinnung umsetzbarer Erkenntnisse, zur Einrichtung von Benachrichtigungen und zur Automatisierung von Berichten. Sie können das Timestream for InfluxDB Metrics Dashboard an Ihre geschäftlichen Anforderungen anpassen und einen robusten und optimierten Zeitreihen-Workflow aufbauen. In diesem Beitrag führen wir Sie durch die Bereitstellung des Timestream for InfluxDB Metrics Dashboards, um mit der Überwachung der Leistung Ihrer Timestream for InfluxDB-Datenbankflotte zu beginnen.
Monitor Amazon Timestream for InfluxDB performance using the Timestream for InfluxDB Metrics dashboard aws.amazon.com
CdXz5zHNQW_jZwCG5ctQ4.png
RSS Hunter RSS Hunter • 7. Okt. 2025

Schlüsselkomponenten einer datengesteuerten agentenbasierten KI-Anwendung

In diesem Beitrag betrachten wir die Kosten, Vorteile und Nachteile des Ersatzes von Diensten für agentielle KI durch direkten Datenbankzugriff. Dazu gehören solche, die gut funktionieren und sich in der Produktion bewährt haben, sowie neue Dienste, die noch entwickelt werden müssen. Werfen wir einen genaueren Blick auf die Anatomie einer agentiellen KI-Anwendung und was bei solchen Entscheidungen eine Rolle spielen würde.
Key components of a data-driven agentic AI application aws.amazon.com
CdXz5zHNQW_mfXWz51ip7.png
RSS Hunter RSS Hunter • 3. Okt. 2025

Erstellen Sie eine dynamische Workflow-Orchestrierungs-Engine mit Amazon DynamoDB und AWS Lambda

In diesem Beitrag zeige ich Ihnen, wie Sie eine serverlose Workflow-Orchestrierungs-Engine erstellen, die Amazon DynamoDB und AWS Lambda verwendet. Die vollständige Implementierung ist in einem GitHub-Repository verfügbar, das zwei voll funktionsfähige Beispiele enthält, die Sie sofort bereitstellen und ausführen können, um die Orchestrierungs-Engine in Aktion zu sehen.
Build a dynamic workflow orchestration engine with Amazon DynamoDB and AWS Lambda aws.amazon.com
CdXz5zHNQW_Dm9SfSMir2.png
RSS Hunter RSS Hunter • 2. Okt. 2025

Wie Smartsheet Empfehlungen mithilfe von Amazon Neptune und Knowledge Graphen verbessert

Smartsheet ist eine führende kollaborative Arbeitsmanagementplattform auf SaaS-Basis, der Unternehmen weltweit vertrauen, um Projekte zu verwalten, Arbeitsabläufe zu automatisieren und die Zusammenarbeit im großen Maßstab zu fördern. In diesem Beitrag beschreiben wir den Smartsheet Knowledge Graph, der in Partnerschaft zwischen Smartsheet und AWS entwickelt wurde. Der Smartsheet Knowledge Graph ist ein einheitliches Datenmodell, das Personen, Inhalte und Arbeit in Smartsheet miteinander verbindet und darstellt, wie Benutzer mit Assets, Inhalten und ihren Mitarbeitern interagieren.
How Smartsheet enhances recommendations using Amazon Neptune and Knowledge Graphs aws.amazon.com
CdXz5zHNQW_141NWERvdT.png
RSS Hunter RSS Hunter • 29. Sept. 2025

Identifizierung und Behebung von Leistungsproblemen, die durch TOAST-OID-Konflikte in Amazon Aurora PostgreSQL Compatible Edition und Amazon RDS für PostgreSQL verursacht werden

In diesem Beitrag untersuchen wir die Herausforderungen der OID-Erschöpfung in PostgreSQL, konzentrieren uns auf ihre Auswirkungen auf TOAST-Tabellen und wie dies zu Leistungsproblemen führt. Wir werden behandeln, wie das Problem durch Überprüfung von Warteereignissen, Sitzungsaktivitäten und Tabellennutzung identifiziert werden kann. Darüber hinaus diskutieren wir praktische Lösungen, von der Bereinigung von Daten bis hin zu fortgeschritteneren Strategien wie Partitionierung.
Identifying and resolving performance issues caused by TOAST OID contention in Amazon Aurora PostgreSQL Compatible Edition and Amazon RDS for PostgreSQL aws.amazon.com
CdXz5zHNQW_w6N20z5A3f.png
RSS Hunter RSS Hunter • 26. Sept. 2025

Implementierung ereignisgesteuerter Architekturen mit Amazon DynamoDB – Teil 3

In dieser dreiteiligen Serie untersuchen wir Ansätze zur Implementierung erweiterter ereignisgesteuerter Muster für DynamoDB-gestützte Anwendungen. In dieser Serie haben wir verschiedene Strategien für die Datenverwaltung in DynamoDB untersucht. Dieser Beitrag verlagert den Fokus auf ein ereignisgesteuertes Muster, das zukünftige nachgelagerte Aktionen mithilfe von EventBridge Scheduler zuverlässig plant.
Implement event-driven architectures with Amazon DynamoDB – Part 3 aws.amazon.com
CdXz5zHNQW_h2FbvG8pZH.png
RSS Hunter RSS Hunter • 25. Sept. 2025

Implementieren Sie ereignisgesteuerte Architekturen mit Amazon DynamoDB – Teil 2

In dieser dreiteiligen Serie untersuchen wir Ansätze zur Implementierung erweiterter ereignisgesteuerter Muster für DynamoDB-gestützte Anwendungen. In diesem Beitrag (Teil 2) untersuchen wir eine weitere Methode, die globale sekundäre Indizes (GSIs) verwendet, um feingranulare Time-to-Live (TTL)-Anforderungen zu erfüllen.
Implement event-driven architectures with Amazon DynamoDB – Part 2 aws.amazon.com
CdXz5zHNQW_j7C5YVWUS2.png
RSS Hunter RSS Hunter • 25. Sept. 2025

Implementieren Sie ereignisgesteuerte Architekturen mit Amazon DynamoDB

In dieser dreiteiligen Serie untersuchen wir Ansätze zur Implementierung erweiterter ereignisgesteuerter Muster für DynamoDB-basierte Anwendungen. In diesem Beitrag (Teil 1) konzentrieren wir uns auf die Verbesserung der nativen TTL-Funktionalität von DynamoDB durch die Implementierung einer nahezu Echtzeit-Datenbereinigung mit EventBridge Scheduler, wodurch die typische Zeit für das Löschen abgelaufener Elemente von mehreren Tagen auf weniger als eine Minute reduziert wird.
Implement event-driven architectures with Amazon DynamoDB aws.amazon.com
CdXz5zHNQW_IqQ4QCyLoh.jpeg
RSS Hunter RSS Hunter • 25. Sept. 2025

Die Messlatte für Amazon DynamoDB-Datenmodellierung höher legen

Im April 2025 haben wir das Amazon DynamoDB-Datenmodellierungstool für den Model Context Protocol (MCP)-Server eingeführt. Das Tool führt Sie durch ein Gespräch, sammelt Ihre Anforderungen und erstellt ein Datenmodell, das Tabellen, Indizes und Kostenüberlegungen enthält. In diesem Beitrag zeigen wir Ihnen, wie wir dieses automatisierte Bewertungsframework aufgebaut haben und wie es uns geholfen hat, zuverlässige DynamoDB-Datenmodellierungsanleitungen in großem Maßstab bereitzustellen.
Raising the bar on Amazon DynamoDB data modeling aws.amazon.com
CdXz5zHNQW_5UbXBN8rPe.png
RSS Hunter RSS Hunter • 23. Sept. 2025

Langfristige Speicherung und Analyse von Amazon RDS-Ereignissen mit Amazon S3 und Amazon Athena

In diesem Beitrag zeigen wir Ihnen, wie Sie eine automatisierte Lösung zur Archivierung von Amazon RDS-Ereignissen in Amazon Simple Storage Service (Amazon S3) implementieren. Wir erörtern auch, wie Sie die Ereignisse mit Amazon Athena analysieren können, was ein proaktives Datenbankmanagement ermöglicht, die Sicherheit und Compliance aufrechterhält und wertvolle Einblicke für die Kapazitätsplanung und Fehlerbehebung liefert.
Long-term storage and analysis of Amazon RDS events with Amazon S3 and Amazon Athena aws.amazon.com
CdXz5zHNQW_BGLH5x7Rqj.png
RSS Hunter RSS Hunter • 23. Sept. 2025

Volltextsuche von SQL Server zu Amazon Aurora PostgreSQL-kompatibler Edition oder Amazon RDS für PostgreSQL migrieren

In diesem Beitrag zeigen wir Ihnen, wie Sie die Volltextsuche in Microsoft SQL Server zu Amazon Aurora PostgreSQL migrieren, indem Sie die Textsuchdatentypen tsvector und tsquery verwenden. Wir zeigen Ihnen auch, wie Sie FTS mit den Erweiterungen pg_trgm und pg_bigm implementieren.
Migrate full-text search from SQL Server to Amazon Aurora PostgreSQL-compatible edition or Amazon RDS for PostgreSQL aws.amazon.com
CdXz5zHNQW_rBvfaRmWCI.png
RSS Hunter RSS Hunter • 22. Sept. 2025

Dynamische, ansichtsbasierte Datenmaskierung in Amazon RDS und Amazon Aurora MySQL

Data Masking ist eine wichtige Technik in der Cybersicherheit, die es Unternehmen ermöglicht, personenbezogene Daten (PII) und andere vertrauliche Daten zu schützen und gleichzeitig ihren Nutzen für Entwicklungs-, Test- und Analysezwecke zu erhalten. Data Masking beinhaltet das Ersetzen von ursprünglichen sensiblen Daten durch falsche, aber realistische Informationen. Dieser Prozess trägt dazu bei, dass die maskierte Version das Format und die Eigenschaften beibehält […]
Dynamic view-based data masking in Amazon RDS and Amazon Aurora MySQL aws.amazon.com
CdXz5zHNQW_vPXsIbBRLL.png
RSS Hunter RSS Hunter • 18. Sept. 2025

Amazon RDS Custom für Oracle mit Multi-Volume EBS-Snapshots auf Amazon EC2 klonen

In diesem Beitrag führen wir Sie durch den Prozess des Klonens einer Amazon RDS Custom for Oracle-Datenbank auf eine EC2-Instance unter Verwendung von Multi-Volume Amazon Elastic Block Store (Amazon EBS)-Snapshots für die Speicherreplikation. Dieser Ansatz ist nützlich für die Einrichtung einer Disaster-Recovery (DR)-Umgebung in einer Region, in der RDS Custom noch nicht verfügbar ist.
Clone Amazon RDS Custom for Oracle to Amazon EC2 using multi-volume EBS snapshots aws.amazon.com
CdXz5zHNQW_RcDgsoZjyC.png
RSS Hunter RSS Hunter • 18. Sept. 2025

Erstellen Sie Graph-Anwendungen schneller mit öffentlichen Amazon Neptune-Endpunkten

Die Entwicklung von Anwendungen auf der Amazon Neptune-Datenbank erforderte in der Vergangenheit, dass Benutzer den Zugriff auf die VPC einrichten, in der sie gehostet wird, und entweder Treiber von Drittanbietern oder direkte HTTP-Anfragen verwenden. In diesem Beitrag erörtern wir, wie zwei Schlüsselfunktionen, öffentliche Endpunkte und die Neptune Data API, diese häufigen Herausforderungen bei der Entwicklung von Amazon Neptune-Anwendungen lösen. Öffentliche Endpunkte […]
Build graph applications faster with Amazon Neptune public endpoints aws.amazon.com
CdXz5zHNQW_TqvYAn3QfF.png
RSS Hunter RSS Hunter • 17. Sept. 2025

Implementieren Sie Netzwerkverbindungsmuster für Oracle Database@AWS

Oracle Database@AWS (ODB@AWS) ist ein Angebot, mit dem Sie auf Oracle Exadata-Infrastruktur zugreifen können, die von Oracle Cloud Infrastructure (OCI) innerhalb der Amazon Web Services (AWS)-Rechenzentren verwaltet wird. Sie können ODB@AWS verwenden, um Ihre Oracle Exadata-Workloads zu AWS zu migrieren und dabei die gleiche Leistung und die gleichen Funktionen wie bei Ihren lokalen Oracle Exadata-Bereitstellungen beizubehalten. Sie profitieren von […]
Implement network connectivity patterns for Oracle Database@AWS aws.amazon.com
CdXz5zHNQW_vTrzVcJ93c.jpeg
RSS Hunter RSS Hunter • 11. Sept. 2025

Automatisierung der Vektor-Embedding-Generierung in Amazon Aurora PostgreSQL mit Amazon Bedrock

In diesem Beitrag untersuchen wir verschiedene Ansätze zur Automatisierung der Generierung von Vektor-Einbettungen in Amazon Aurora PostgreSQL-kompatibler Edition, wenn Daten in die Datenbank eingefügt oder geändert werden. Jeder Ansatz bietet unterschiedliche Kompromisse in Bezug auf Komplexität, Latenz, Zuverlässigkeit und Skalierbarkeit, so dass Sie die beste Lösung für Ihre spezifischen Anwendungsanforderungen auswählen können.
Automating vector embedding generation in Amazon Aurora PostgreSQL with Amazon Bedrock aws.amazon.com
CdXz5zHNQW_9H0stTXC2e.png
RSS Hunter RSS Hunter • 5. Sept. 2025

Gruppieren Sie Datenbanktabellen unter AWS Database Migration Service-Aufgaben für die PostgreSQL-Quell-Engine

AWS DMS unterstützt eine breite Palette von Quell- und Zieldaten-Repositories, wie z. B. relationale Datenbanken, Data Warehouses und NoSQL-Datenbanken. Eine angemessene Vorbereitung und Gestaltung sind für einen erfolgreichen Migrationsprozess unerlässlich, insbesondere wenn es darum geht, die Leistung zu optimieren und potenzielle Verzögerungsprobleme zu beheben. In diesem Blogbeitrag geben wir Hinweise zur Erkennung potenzieller Ursachen für vollständige Lade- und CDC-Verzögerungen frühzeitig im Prozess und geben Vorschläge zur optimalen Clustering von Tabellen, um die beste Leistung für eine AWS DMS-Aufgabe zu erzielen.
Group database tables under AWS Database Migration Service tasks for PostgreSQL source engine aws.amazon.com
CdXz5zHNQW_2u2Vjhy6Ff.png
RSS Hunter RSS Hunter • 5. Sept. 2025

Skalieren von Lesevorgängen mit Amazon Timestream für InfluxDB-Lesereplikate

In diesem Beitrag zeigen wir, wie Sie Amazon Timestream für InfluxDB-Lese-Replikate verwenden können, um Ihre Lesevorgänge zu skalieren, indem Sie zusätzliche Lese-Replikate hinzufügen und gleichzeitig einen einzigen Schreibendpunkt beibehalten. Unser Lese-Replikat-Add-on, das in Zusammenarbeit mit InfluxData entwickelt wurde, bietet Kunden von InfluxDB Open Source die Möglichkeit, ihre Lesekapazität horizontal zu skalieren.
Scale read operations with Amazon Timestream for InfluxDB read replicas aws.amazon.com
CdXz5zHNQW_v0CU0OCnzh.png
RSS Hunter RSS Hunter • 3. Sept. 2025

Automatisierte Empfehlungen für Amazon RDS und Amazon Aurora über Benachrichtigungen mit AWS Lambda, Amazon EventBridge und Amazon SES

In diesem Beitrag erläutern wir eine Lösung, die die Benachrichtigung über Amazon RDS- und Aurora-Empfehlungen automatisiert und diese per E-Mail über AWS Lambda, Amazon EventBridge und Amazon Simple Email Service (Amazon SES) versendet.
Automating Amazon RDS and Amazon Aurora recommendations via notification with AWS Lambda, Amazon EventBridge, and Amazon SES aws.amazon.com
CdXz5zHNQW_iJwv2fejmZ.jpeg
RSS Hunter RSS Hunter • 2. Sept. 2025

Beschleunigen Sie die Datenbankmigration mit dem virtuellen Zielmodus in AWS DMS Schema Conversion

AWS hat kürzlich den virtuellen Zielmodus in AWS Database Migration Service (AWS DMS) Schema-Konvertierung angekündigt. Diese Funktion hilft Ihnen, die Migrationsplanung zu starten, ohne Ziel-Datenbanken bereitzustellen. In diesem Beitrag zeigen wir Ihnen, wie Sie den virtuellen Zielmodus in AWS DMS Schema-Konvertierung verwenden können.
Accelerate database migration using virtual target mode in AWS DMS Schema Conversion aws.amazon.com
CdXz5zHNQW_XxxyrxSbo3.png
RSS Hunter RSS Hunter • 27. Aug. 2025

Amazon Timestream für InfluxDB: Erweiterung verwalteter Open-Source-Zeitreihendatenbanken für datengestützte Erkenntnisse und Echtzeit-Entscheidungen

In diesem Beitrag kündigen wir die Stärkung der Partnerschaft zwischen AWS und InfluxData an, da Timestream InfluxDB als primäre, speziell entwickelte Zeitreihendatenbank einsetzt.
Amazon Timestream for InfluxDB: Expanding managed open source time series databases for data-driven insights and real-time decision making aws.amazon.com
CdXz5zHNQW_zR3Q7sLxnv.jpeg
RSS Hunter RSS Hunter • 26. Aug. 2025

Wie Global Payments Inc. ihre Tail-Latenz mithilfe von Request Hedging mit Amazon DynamoDB verbessert hat

Amazon DynamoDB bietet konsistente Leistung im einstelligen Millisekundenbereich, unabhängig von der Skalierung, was es ideal für unternehmenskritische Workloads macht. Wie bei jedem verteilten System kann jedoch ein kleiner Prozentsatz der Anfragen deutlich längere Antwortzeiten als der Durchschnitt aufweisen. Dieses Phänomen, bekannt als Tail Latency (Endverzögerung), bezieht sich auf diese langsameren Ausreißer, die durch die Betrachtung von Metriken wie dem 99. oder 99,9. Perzentil der Antwortzeiten sichtbar werden. In diesem Beitrag untersuchen wir, wie Global Payments Inc. (GPN) ihre Endverzögerung um 30 % durch Request Hedging (Anfrage-Absicherung) reduzierte. Wir gehen auf die technischen Details und Herausforderungen ein, mit denen sie konfrontiert waren, und geben Einblicke, wie Sie Ihre eigenen latenzempfindlichen Anwendungen optimieren können. In einem nächsten Beitrag werden wir detaillierte Implementierungsbeispiele teilen.
How Global Payments Inc. improved their tail latency using request hedging with Amazon DynamoDB aws.amazon.com
CdXz5zHNQW_03Vakb8vQr.png
RSS Hunter RSS Hunter • 26. Aug. 2025

4,7 Mal bessere Preis-Leistung bei der Abfrage mit AWS Graviton4 R8g-Instanzen und Amazon Neptune v1.4.5

Amazon Neptune Version 1.4.5 bringt Verbesserungen der Engine und Unterstützung für Instanzen vom Typ r8g, die auf AWS Graviton basieren. In diesem Beitrag zeigen wir Ihnen, wie diese Updates die Leistung Ihrer Graphdatenbank verbessern und Kosten senken können. Wir führen Sie durch die Benchmark-Ergebnisse für Gremlin und openCypher, die Neptune v1.4.5 auf r8g-Instanzen mit früheren Versionen vergleichen. Sie werden Leistungssteigerungen von bis zu 4,7x für den Schreibdurchsatz und 3,7x für den Lesedurchsatz sowie die damit verbundenen Kostenauswirkungen sehen.
4.7 times better write query price-performance with AWS Graviton4 R8g instances using Amazon Neptune v1.4.5 aws.amazon.com
RSS Hunter RSS Hunter • 25. Aug. 2025

Elegantes Behandeln fehlgeschlagener AWS-Lambda-Ereignisse von Amazon DynamoDB-Streams

In diesem Beitrag zeigen wir, wie Sie fehlgeschlagene Stream-Ereignisse für spätere Analyse oder Wiedergabe mithilfe von Amazon S3 als zuverlässigem Ziel speichern und aufbewahren können. Wir vergleichen diesen Ansatz mit dem traditionellen Muster der toten Briefe-Warteschlange (DLQ) von Amazon SQS und erklären, wann und warum Amazon S3 die bevorzugte Option ist.
Gracefully handle failed AWS Lambda events from Amazon DynamoDB Streams aws.amazon.com
CdXz5zHNQW_tZpbBObwVz.png
RSS Hunter RSS Hunter • 25. Aug. 2025

Wie man Amazon RDS- und Amazon Aurora-Datenbankkosten/Leistung mit AWS Compute Optimizer optimiert

In diesem Beitrag gehen wir tiefer in die Datenbank-Optimierung für Ihren Amazon Relational Database Service (Amazon RDS) ein, indem wir erkunden, wie Sie Empfehlungen des AWS Compute Optimizers nutzen können, um kostenaufwandsbewusste Ressourcenkonfigurationsentscheidungen für Ihre MySQL- und PostgreSQL-Datenbanken zu treffen.
How to optimize Amazon RDS and Amazon Aurora database costs/performance with AWS Compute Optimizer aws.amazon.com
CdXz5zHNQW_a75ZLSnHYe.png
RSS Hunter RSS Hunter • 22. Aug. 2025

Jenseits der Korrelation: Ursachenforschung mit einem Netzwerk-Digital-Twin-Graphen und agentenbasierter KI

Wenn Ihr Netzwerk ausfällt, dauert die Suche nach der Ursache in der Regel Stunden der Untersuchung, wobei korrelierte Alarme durchgegangen werden, die oft zu Symptomen und nicht zum eigentlichen Problem führen. Systeme zur Ursachenanalyse (Root Cause Analysis, RCA) basieren häufig auf fest kodierten Regeln, statischen Schwellenwerten und vordefinierten Mustern, die großartig funktionieren, bis sie es nicht mehr tun. Ob Sie Netzwerk-Ausfälle oder Service-Degradationen beheben, diese starren Regelwerke können sich nicht an kaskadierende Ausfälle und komplexe gegenseitige Abhängigkeiten anpassen. In diesem Beitrag stellen wir Ihnen unsere AWS-Lösungsarchitektur vor, die einen digitalen Zwilling des Netzwerks mithilfe von Graphen und Agentic AI nutzt. Wir teilen außerdem vier Runbook-Designmuster für die Agentic AI-gestützte graphenbasierte RCA auf AWS. Abschließend zeigen wir, wie DOCOMO reale Validierung aus seinen kommerziellen Netzwerken unseres ersten Runbook-Designmusters liefert, was eine drastische Verbesserung der mittleren Erkennungszeit (Mean Time To Detect, MTTD) mit 15 Sekunden für die Fehlerisolierung in Transport- und Funkzugangsnetzen zeigt.
Beyond Correlation: Finding Root-Causes using a network digital twin graph and agentic AI aws.amazon.com
CdXz5zHNQW_36ZkLROpLA.jpeg
RSS Hunter RSS Hunter • 18. Aug. 2025

Entmystifizierung der erweiterten JDBC-Wrapper-Plugins von AWS

Im Jahr 2023 führte AWS den erweiterten JDBC-Wrapper von AWS ein, der die Fähigkeiten bestehender JDBC-Treiber mit zusätzlichen Funktionen erweitert. Dieser Wrapper ermöglicht die Unterstützung von AWS- und Amazon-Aurora-Funktionen auf Basis eines vorhandenen PostgreSQL-, MySQL- oder MariaDB-JDBC-Treibers Ihrer Wahl. Dieser Wrapper unterstützt eine Vielzahl von Plug-ins, darunter das Aurora-Verbindungs-Tracker-Plug-in, das unbegrenzte Verbindungs-Plug-in und das Read-Write-Splitting-Plug-in. In diesem Beitrag diskutieren wir die Vorteile, Einsatzfälle und Implementierungsdetails für zwei beliebte Plug-ins des erweiterten JDBC-Wrapper-Treibers von AWS: das Aurora-Initial-Verbindungs-Strategie-Plug-in und das Failover-v2-Plug-in.
Demystifying the AWS advanced JDBC wrapper plugins aws.amazon.com
CdXz5zHNQW_zPLRrebMkS.png
RSS Hunter RSS Hunter • 18. Aug. 2025

Verbesserte Beobachtbarkeit von Drosselungen in Amazon DynamoDB

Heute kündigen wir verbesserte Observability für gedrosselte Anfragen in Amazon DynamoDB an. Diese Verbesserungen bieten Entwicklern erweiterte Fehlermeldungen, detaillierte Amazon CloudWatch-Metriken und einen neuen, kostengünstigeren Modus für CloudWatch Contributor Insights. Zusammen machen diese Verbesserungen es einfach, die Leistung Ihrer DynamoDB-Anwendungen zu verstehen, zu überwachen und zu optimieren. In diesem Beitrag untersuchen wir, wie diese [...]
Enhanced throttling observability in Amazon DynamoDB aws.amazon.com
CdXz5zHNQW_nzV1gZ6rnt.png
RSS Hunter RSS Hunter • 15. Aug. 2025

Sicheres Amazon Aurora DSQL: Best Practices für die Zugriffskontrolle

Sie können einen Amazon Aurora DSQL-Cluster über einen öffentlichen Endpunkt und AWS PrivateLink-Endpunkte zugreifen. In diesem Beitrag zeigen wir, wie Sie den Zugriff auf Ihren Aurora DSQL-Cluster steuern können, indem Sie öffentliche Endpunkte und private VPC-Endpunkte über PrivateLink verwenden, sowohl innerhalb als auch außerhalb von AWS.
Securing Amazon Aurora DSQL: Access control best practices aws.amazon.com
CdXz5zHNQW_0Xhkw4CaiM.jpeg
RSS Hunter RSS Hunter • 15. Aug. 2025

Ankündigung der erweiterten Unterstützung für Amazon DocumentDB (mit MongoDB-Kompatibilität) Version 3.6

Heute hat Amazon DocumentDB (mit MongoDB-Kompatibilität) angekündigt, dass die Amazon DocumentDB-Version 3.6 am 30. März 2026 das Ende ihrer Lebensdauer erreicht. Ab dem 31. März 2026 können Sie Amazon DocumentDB Version 3.6 weiterhin mit Extended Support betreiben. Extended Support bietet Korrekturen für kritische Sicherheitsprobleme und Fehler durch Patch-Releases für drei Jahre über das Ende des Standard-Supports von Amazon DocumentDB Version 3.6 hinaus.
Announcing Extended Support for Amazon DocumentDB (with MongoDB compatibility) version 3.6 aws.amazon.com
RSS Hunter RSS Hunter • 13. Aug. 2025

Verbessern Sie die Leistung der kontinuierlichen Replikation von AWS DMS durch den Einsatz von Spaltenfiltern zur Parallelisierung von Tabellen mit hohem Volumen

In diesem Beitrag erfahren Sie, wie Sie mit Spaltenfiltern eine Tabelle mit hoher Aktivität während der CDC-Phase in mehrere Aufgaben aufteilen können. Dieser Ansatz kann den Migrationsprozess beschleunigen und die Zielverzögerung reduzieren.
Improve AWS DMS continuous replication performance by using column filters to parallelize high-volume tables aws.amazon.com
CdXz5zHNQW_ajvMzFhbRe.png
RSS Hunter RSS Hunter • 12. Aug. 2025

Skalierung von Transaktions-Spitzen: Juspays Ansatz mit Amazon ElastiCache

Juspay unterstützt globale Unternehmen, indem es die Zahlungsprozess-Orchestrierung vereinfacht, die Sicherheit verbessert, den Betrug reduziert und nahtlose Kunden Erfahrungen bietet. In diesem Beitrag zeigen wir Ihnen, wie Juspay ihre Zahlungsverarbeitungs-Architektur transformierte, um Spitzenlasten von Transaktionen zu bewältigen. Mit Amazon ElastiCache und Amazon RDS für MySQL baute Juspay ein System, das während Spitzenereignissen 7,6 Millionen Transaktionen pro Stunde verarbeiten kann, eine Latenz von weniger als einer Millisekunde erreicht und die Infrastrukturkosten um 80% im Vergleich zur vorherigen Lösung reduziert.
Scaling transaction peaks: Juspay’s approach using Amazon ElastiCache aws.amazon.com
CdXz5zHNQW_89lVkS7haW.png
RSS Hunter RSS Hunter • 11. Aug. 2025

Wie Wiz mit Aurora Blue/Green Deployments nahezu null Ausfallzeiten bei Major-Version-Upgrades von Amazon Aurora PostgreSQL im großen Maßstab erreicht hat

Wiz, ein führendes Unternehmen für Cloud-Sicherheit, identifiziert und beseitigt Risiken auf großen Cloud-Plattformen. Unser agentenloser Scanner verarbeitet täglich zehn Milliarden Metadateneinträge von Cloud-Ressourcen. Dies erfordert eine leistungsstarke Verarbeitung mit geringer Latenz, was unsere Amazon Aurora PostgreSQL-kompatible Edition-Datenbank, die Hunderte von Microservices in großem Maßstab bedient, zu einer kritischen Komponente unserer Architektur macht. In diesem Beitrag berichten wir, wie wir unsere Aurora PostgreSQL-Datenbank mit Amazon Aurora Blue/Green Deployments von Version 14 auf 16 mit nahezu null Ausfallzeit aktualisiert haben.
How Wiz achieved near-zero downtime for Amazon Aurora PostgreSQL major version upgrades at scale using Aurora Blue/Green Deployments aws.amazon.com
CdXz5zHNQW_oK2uSOMAtN.png
RSS Hunter RSS Hunter • 11. Aug. 2025

Vereinfachen Sie die Datenintegration mit Zero-ETL von Amazon RDS zu Amazon Redshift

Organisationen verlassen sich auf Echtzeit-Analysen, um Einblicke in ihre Kerngeschäftstreiber zu gewinnen, die operative Effizienz zu steigern und sich einen Wettbewerbsvorteil zu verschaffen. Traditionell war dies mit der Verwendung komplexer Extract-Transform-Load (ETL)-Pipelines verbunden. ETL ist der Prozess des Kombinierens, Bereinigens und Normalisierens von Daten aus verschiedenen Quellen, um sie für Analysen, KI und [...] vorzubereiten.
Simplify data integration using zero-ETL from Amazon RDS to Amazon Redshift aws.amazon.com
CdXz5zHNQW_soIFZB4dGz.jpeg
RSS Hunter RSS Hunter • 8. Aug. 2025

Automatisieren Sie die Konvertierung von Oracle-SQL zu PostgreSQL innerhalb von Java-Anwendungen mit AWS SCT

Dieser Beitrag zeigt, wie AWS SCT verwendet werden kann, um die Migration von eingebettetem Oracle-SQL-Code innerhalb von Java-Anwendungen zu PostgreSQL-kompatibler Syntax zu vereinfachen und zu beschleunigen. Die Lösung konzentriert sich auf einen praktischen Anwendungsfall, bei dem eine Quell-Oracle-Datenbank mit einer Beispiel-Java-Anwendung kombiniert wird, die zahlreiche Oracle-spezifische SQL-Anweisungen enthält. Durch die Verwendung von AWS SCT können Entwickler einen großen Teil des Schemakonvertierungs- und SQL-Konvertierungsprozesses automatisieren, was den manuellen Aufwand reduziert und Fehler während der Migration minimiert.
Automate conversion of Oracle SQL to PostgreSQL inside Java applications with AWS SCT aws.amazon.com
CdXz5zHNQW_7INb8QZIp8.png
RSS Hunter RSS Hunter • 6. Aug. 2025

Vorstellung des Amazon DynamoDB-Datenmodellierungs-Tools MCP

Um Ihnen zu helfen, schneller und mit größerer Sicherheit voranzukommen, stellen wir ein neues Datenmodellierungstool für DynamoDB vor, das als Teil unseres DynamoDB-Modellkontextprotokoll-Servers (MCP) verfügbar ist. Das DynamoDB-MCP-Datenmodellierungstool integriert sich mit KI-Assistenten, die MCP unterstützen, und bietet einen strukturierten, natürlichsprachengesteuerten Arbeitsablauf, um Anwendungsanforderungen in DynamoDB-Datenmodelle zu übersetzen. In diesem Beitrag zeigen wir Ihnen, wie Sie mithilfe dieses neuen Datenmodellierungstools in nur wenigen Minuten ein Datenmodell erstellen können.
Introducing the Amazon DynamoDB data modeling MCP tool aws.amazon.com
CdXz5zHNQW_5BrvtgvA8o.png
RSS Hunter RSS Hunter • 31. Juli 2025