En esta publicación, te mostramos cómo ahorrar costos en Amazon ElastiCache actualizando el motor de tu clúster a ElastiCache para Valkey. Si actualmente usas ElastiCache para Redis OSS, puedes lograr hasta un 60% de ahorro de costos al actualizar a Valkey.

En esta publicación, exploramos el soporte para las instancias bare metal de AWS en instancias bare metal de Amazon EC2 para Amazon RDS para Oracle y RDS Custom para Oracle.

En esta publicación, mostramos cómo usar las réplicas de lectura de Amazon Timestream para InfluxDB para escalar sus operaciones de lectura agregando réplicas de lectura adicionales mientras se mantiene un único punto final de escritura. Desarrollado en asociación con InfluxData, nuestro complemento de réplica de lectura ofrece a los clientes de InfluxDB de código abierto la capacidad de escalar horizontalmente su capacidad de lectura.

En esta publicación, pasamos por una solución que automatiza la notificación de recomendaciones de Amazon RDS y Aurora a través de correo electrónico utilizando AWS Lambda, Amazon EventBridge y el Servicio de Correo Electrónico Simple de Amazon (Amazon SES)

AWS anunció recientemente el modo de destino virtual en AWS Database Migration Service (AWS DMS) Schema Conversion. Esta función te ayuda a comenzar la planificación de la migración sin necesidad de aprovisionar bases de datos de destino. En esta publicación, te mostramos cómo empezar a usar el modo de destino virtual en AWS DMS Schema Conversion.

En esta publicación, anunciamos el fortalecimiento de la asociación entre AWS e InfluxData a medida que Timestream adopta InfluxDB como la principal base de datos de series temporales construida específicamente para este propósito.

Amazon DynamoDB ofrece un rendimiento consistente de milisegundos de un solo dígito a cualquier escala, lo que lo hace ideal para cargas de trabajo críticas. Sin embargo, como con cualquier sistema distribuido, un pequeño porcentaje de solicitudes puede experimentar tiempos de respuesta significativamente más largos que el promedio. Este fenómeno, conocido como latencia de cola, se refiere a estos valores atípicos más lentos que se pueden ver al observar métricas como el percentil 99 o 99.9 de los tiempos de respuesta. En esta publicación, exploramos cómo Global Payments Inc. (GPN) redujo su latencia de cola en un 30% utilizando la cobertura de solicitudes (request hedging). Revisamos los detalles técnicos y los desafíos que enfrentaron, proporcionando información sobre cómo puede optimizar sus propias aplicaciones sensibles a la latencia. En una próxima publicación compartiremos ejemplos detallados de implementación.

La versión 1.4.5 de Amazon Neptune introduce mejoras en el motor y soporte para instancias r8g basadas en AWS Graviton. En este post, te mostramos cómo estas actualizaciones pueden mejorar el rendimiento de tu base de datos de grafos y reducir costos. Te guiamos a través de los resultados de benchmark para Gremlin y openCypher comparando Neptune v1.4.5 en instancias r8g contra versiones anteriores. Verás mejoras en el rendimiento de hasta 4.7 veces para el rendimiento de escritura y 3.7 veces para el rendimiento de lectura, junto con las implicaciones de costos.

En esta publicación, mostramos cómo capturar y retener eventos de flujo fallidos para su análisis posterior o reproducción utilizando Amazon S3 como destino durable. Comparamos este enfoque con el patrón tradicional de cola de carta muerta de Amazon SQS (DLQ) y explicamos cuándo y por qué Amazon S3 es una opción preferida.

En esta publicación, profundizamos en la optimización de bases de datos para su Amazon Relational Database Service (Amazon RDS), explorando cómo puede utilizar las recomendaciones del Optimizador de Cómputo de AWS para tomar decisiones de configuración de recursos conscientes del costo para sus bases de datos MySQL y PostgreSQL.

En esta publicación, exploramos cómo puedes usar la UI generativa v0 de Vercel para crear aplicaciones con una UI moderna para bases de datos de propósito específico de AWS, como Amazon Aurora, Amazon DynamoDB, Amazon Neptune y Amazon ElastiCache.

Cuando tu red falla, encontrar la causa raíz suele tomar horas de investigaciones, revisando alarmas correlacionadas que a menudo llevan a síntomas en lugar del problema real. Los sistemas de análisis de causa raíz (RCA) suelen estar construidos sobre reglas codificadas, umbrales estáticos y patrones predefinidos que funcionan bien hasta que no lo hacen. Ya sea que estés depurando interrupciones a nivel de red o degradaciones a nivel de servicio, esos conjuntos de reglas rígidos no pueden adaptarse a fallos en cascada y dependencias complejas. En este post, te mostramos nuestra arquitectura de solución de AWS que cuenta con un gemelo digital de red utilizando grafos y Agentic AI. También compartimos cuatro patrones de diseño de libro de ejecución para RCA basada en grafos y Agentic AI en AWS. Finalmente, mostramos cómo DOCOMO proporciona una validación real en sus redes comerciales de nuestro primer patrón de diseño de libro de ejecución, mostrando una mejora drástica en el tiempo medio de detección de fallos (MTTD) con 15 segundos para la isolación de fallos en redes de transporte y acceso radio.

En 2023, AWS presentó el wrapper JDBC avanzado de AWS, mejorando las capacidades de los controladores JDBC existentes con funcionalidad adicional. Este wrapper permite el soporte de funciones de AWS y Amazon Aurora sobre un controlador JDBC de PostgreSQL, MySQL o MariaDB existente de su elección. Este wrapper soporta una variedad de plugins, incluyendo el plugin de seguimiento de conexiones de Aurora, el plugin de conexión ilimitada y el plugin de división de lectura/escritura. En esta publicación, discutimos los beneficios, casos de uso y detalles de implementación de dos plugins populares del wrapper JDBC avanzado de AWS: los plugins Aurora Initial Connection Strategy y Failover v2.

Hoy, anunciamos una mejor observabilidad para las solicitudes limitadas en Amazon DynamoDB. Estas mejoras brindan a los desarrolladores mensajes de excepción enriquecidos, métricas detalladas de Amazon CloudWatch y un nuevo modo más rentable para CloudWatch Contributor Insights. En conjunto, estas mejoras facilitan la comprensión, el monitoreo y la optimización del rendimiento de las aplicaciones de DynamoDB. En esta publicación, exploramos cómo estas [...]

Puedes acceder a un clúster de DSQL de Amazon Aurora utilizando un punto de conexión público y puntos de conexión privados de AWS PrivateLink. En este post, demostramos cómo controlar el acceso a tu clúster de DSQL de Aurora utilizando puntos de conexión públicos y puntos de conexión privados de VPC a través de PrivateLink, tanto desde dentro como desde fuera de AWS.

Hoy, Amazon DocumentDB (con compatibilidad con MongoDB) anuncia que la versión 3.6 de Amazon DocumentDB alcanzará el fin de vida el 30 de marzo de 2026. A partir del 31 de marzo de 2026, podrá continuar ejecutando la versión 3.6 de Amazon DocumentDB en Soporte Extendido. El Soporte Extendido proporciona soluciones para problemas de seguridad críticos y errores a través de lanzamientos de parches durante tres años más allá del fin del soporte estándar de la versión 3.6 de Amazon DocumentDB.

En esta publicación, exploramos cómo puede utilizar filtros de columna para dividir una tabla de alta actividad en múltiples tareas durante la fase de CDC. Este enfoque puede acelerar el proceso de migración y reducir la latencia del objetivo.

Juspay impulsa a las empresas globales mediante la simplificación de la orquestación de procesos de pago, mejora de la seguridad, reducción del fraude y proporciona experiencias del cliente sin interrupciones. En este post, te guiaremos sobre cómo Juspay transformó su arquitectura de procesamiento de pagos para manejar picos de transacciones. Utilizando Amazon ElastiCache y Amazon RDS para MySQL, Juspay construyó un sistema que procesa 7,6 millones de transacciones por hora durante eventos pico, logra una latencia submilisegundo y reduce los costos de infraestructura en un 80% en comparación con su solución anterior.

Wiz, una empresa líder en seguridad en la nube, identifica y elimina riesgos en las principales plataformas en la nube. Nuestro escáner sin agente procesa decenas de miles de millones de entradas de metadatos de recursos en la nube diarios. Esto requiere procesamiento de alta performance y baja latencia, lo que hace que nuestra base de datos Amazon Aurora PostgreSQL-Compatible Edition, que sirve a cientos de microservicios a escala, sea un componente crítico de nuestra arquitectura. En este post, compartimos cómo actualizamos nuestra base de datos Aurora PostgreSQL de la versión 14 a la 16 con un tiempo de inactividad cercano a cero utilizando implementaciones azules/verdes de Amazon Aurora.

Este post demuestra cómo utilizar AWS SCT para simplificar y acelerar la migración de código SQL embebido de Oracle dentro de aplicaciones Java a sintaxis compatible con PostgreSQL. La solución se centra en un caso de uso práctico que implica una base de datos Oracle de origen acoplada con una aplicación Java de ejemplo que contiene numerous instrucciones SQL específicas de Oracle. Al utilizar AWS SCT, los desarrolladores pueden automatizar gran parte del proceso de conversión de esquema y SQL, reducir el esfuerzo manual y minimizar los errores durante la migración.

En esta publicación, te mostramos cómo Clari optimizó el rendimiento de su base de datos y redujo los costos en un 50% al cambiar a Amazon Aurora I/O-Optimized.

En esta publicación, exploramos los conceptos básicos de la integración de una aplicación Spring Boot con ElastiCache para habilitar el almacenamiento en caché. Amazon ElastiCache es un servicio totalmente gestionado, compatible con Valkey, Memcached y Redis OSS, que ofrece un rendimiento optimizado en costos y en tiempo real para aplicaciones modernas con una disponibilidad de SLA del 99.99%. ElastiCache acelera el rendimiento de las aplicaciones, escalando a millones de operaciones por segundo con un tiempo de respuesta de microsegundos.

En esta publicación, discutimos cómo el equipo de automatización de finanzas de Amazon utilizó bases de datos construidas con un propósito específico de AWS, como Amazon DynamoDB, Amazon OpenSearch Service y Amazon Neptune, junto con cálculo sin servidor como AWS Lambda, para construir un Almacén de Datos Operativos (ODS) para almacenar datos transaccionales financieros y respaldar aplicaciones de FinOps con latencia de milisegundos. Estos datos son el habilitador clave para los negocios de FinOps.

En esta publicación, exploramos estrategias clave y herramientas de AWS para ayudarte a migrar con éxito tu base de datos relacional de alta capacidad mientras minimizas la interrupción del negocio.

En esta publicación, discutimos cómo Heroku migró su flota de bases de datos de PostgreSQL multi-inquilino autogestionadas en Amazon Elastic Compute Cloud (Amazon EC2) a Amazon Aurora PostgreSQL-Compatible Edition. Heroku completó esta migración sin afectar a los clientes, aumentando la confiabilidad de la plataforma mientras reducía simultáneamente la carga operativa. Analizamos la arquitectura anterior de Heroku y la nueva, cómo se realizó la migración de cientos de miles de bases de datos y las mejoras en la experiencia del cliente desde su finalización.

"En esta publicación, demostramos cómo utilizar la inteligencia artificial generativa y Amazon Bedrock para transformar preguntas de lenguaje natural en consultas de grafo para ejecutar contra un grafo de conocimiento. Exploramos la generación de consultas escritas en el lenguaje de consulta SPARQL, un lenguaje bien conocido para consultar un grafo cuyos datos están representados como Marco de Descripción de Recursos (RDF)".

Amazon RDS para Oracle es compatible con versiones específicas del Agente OEM. Amazon lanzó recientemente la versión 13.5.0.0.v2 del Agente de Gestión OEM para las bases de datos de Amazon RDS para Oracle. La versión 13.5.0.0.v2 del Agente OEM requiere, como mínimo, la versión 13.5.0.23 del Oracle Management Server (OMS). En esta publicación, exploramos escenarios críticos que afectan a los Agentes OEM en instancias de la base de datos Amazon RDS para Oracle y describimos consideraciones esenciales para los usuarios.

El 1 de diciembre de 2024, anunciamos la disponibilidad general de Amazon MemoryDB Multi-Region, una base de datos multi-región totalmente gestionada, activa-activa, que puede utilizar para construir aplicaciones con hasta un 99,999% de disponibilidad, latencias de lectura de microsegundos y latencias de escritura de milisegundos de un solo dígito en varias regiones. En esta publicación, abordamos los beneficios de MemoryDB Multi-Region, su funcionamiento, sus capacidades de recuperación ante desastres, los mecanismos de consistencia y resolución de conflictos, y cómo supervisar el retraso de replicación entre regiones.

En esta publicación, demostramos cómo configurar un flujo de trabajo orientado a eventos para ejecutar procedimientos almacenados para Amazon RDS para PostgreSQL con AWS Lambda para salvar esta brecha conectándose de manera segura a una base de datos de Aurora PostgreSQL utilizando AWS Secrets Manager, asegurándonos de que los procedimientos almacenados puedan ser administrados en la nube. Exploramos el proceso paso a paso, discutimos las ventajas de este enfoque y abordamos las limitaciones de invocar procedimientos almacenados desde funciones de Lambda.

En la Parte 1 de esta serie de dos publicaciones de blog, nos enfocamos en comprender cómo ciertos parámetros de la base de datos de Amazon Aurora Serverless v2 influyen en la escalabilidad de las unidades de capacidad de Aurora (ACU) a sus cantidades mínima y máxima. Esta publicación es la Parte 2, y se centra en comprender cómo la configuración mínima y máxima de las ACU impacta en el comportamiento de escalabilidad en Aurora Serverless v2 y con qué rapidez se produce la escalabilidad después de que comienza.

La unidad de medida para Aurora Serverless v2 es la unidad de capacidad de Aurora (ACU). Cada carga de trabajo tiene requisitos mínimos y máximos de ACU únicos. Encontrar la configuración adecuada de ACU y comprender los factores que influyen en el escalado de Aurora Serverless v2 es fundamental. Este es el post 1 de una serie de dos posts del blog y se centra en entender cómo ciertos parámetros de la base de datos afectan el comportamiento de escalado de Aurora Serverless v2 para instancias de DB compatibles con PostgreSQL. Este post considera que el ACU mínimo es de 0,5 o superior y no incluye la nueva función de pausa automática.

Los usuarios de Amazon Web Services (AWS) suelen utilizar múltiples cuentas, organizándolas de manera eficiente con AWS Organizations. Este sistema estructura las cuentas de manera jerárquica y las agrupa en Unidades Organizativas (OUs). Sin embargo, esta configuración puede agregar complejidad en ocasiones, especialmente para los equipos que respaldan toda la organización. Considere el siguiente ejemplo del dilema de un equipo de operaciones de bases de datos. Su tarea […]

Hoy, estamos agregando soporte para Valkey 8.0 en Amazon ElastiCache. La versión 8.0 de ElastiCache para Valkey trae escalado más rápido para ElastiCache sin servidor y optimizaciones de memoria para clústeres basados en nodos. En este post, discutimos estas mejoras y cómo puedes beneficiarte de ellas.

Hoy, Amazon RDS ha anunciado el soporte para MySQL versión 8.4, que es la última versión de soporte a largo plazo (LTS) mayor de la comunidad de MySQL. Con eso, Amazon RDS ahora admite las versiones de la edición comunitaria de MySQL 8.0 y 8.4. Además de estas dos versiones LTS respaldadas por la comunidad, Amazon RDS también ofrece MySQL 5.7 bajo Soporte Extendido de RDS, donde RDS ofrece parches críticos y correcciones de errores para el motor. Para cualquiera de estas versiones, puede traer su código, aplicaciones y herramientas existentes de MySQL a Amazon RDS. Con MySQL 8.4, la comunidad de MySQL ha introducido, así como retirado, varias características, que se enumeran en el manual de referencia de MySQL 8.4. En este post, exploramos algunas de estas características, enumeramos los cambios disruptivos conocidos y brindamos recomendaciones para facilitar la migración de sus cargas de trabajo a esta versión.

Amazon Aurora Serverless v2 ahora admite escalado de capacidad hasta 0 UCAs, lo que te permite optimizar costos durante períodos de inactividad de la base de datos. Aurora Serverless es una configuración de escalado automático y bajo demanda de Aurora que ajusta automáticamente la capacidad de la base de datos según los requisitos de carga de trabajo. Aurora Serverless mide la capacidad de la base de datos en Unidades de Capacidad de Aurora (UCAs) facturadas por segundo. 1 […]

Migrar una aplicación de Oracle y su base de datos subyacente a la nube puede ser inherentemente complejo. La complejidad se amplifica significativamente por varios factores, incluyendo la compatibilidad del sistema operativo, la versión de la base de datos y la aplicación, la disponibilidad del software, las tecnologías de almacenamiento de bases de datos como Automatic Storage Management (ASM) y los estrictos requisitos de tiempo de inactividad empresarial. El Servicio de migración de aplicaciones de AWS acelera la migración de aplicaciones a Amazon Web Services (AWS) replicando automáticamente servidores completos a nivel de bloque. En esta publicación, le mostramos el proceso de migrar Oracle E-Business Suite a AWS utilizando el Servicio de migración de aplicaciones.

Aurora Limitless es una solución de base de datos que crece y se encoge vertical y horizontalmente según las necesidades actuales de carga de trabajo. En esta publicación, le mostramos cómo probar el rendimiento con la herramienta común pgbench. Esta herramienta se utiliza con sistemas de gestión de bases de datos de un solo nodo (DBMS) y está optimizada para casos de uso de un solo nodo. Como veremos en esta publicación, esto no significa que la herramienta mida lo que pensamos cuando se trata de sistemas multinodo. Demostramos cómo funciona con Aurora Limitless. También discutimos los obstáculos y oportunidades que puede encontrar al utilizar esta herramienta con Aurora Limitless.

En esta publicación, discutimos cómo Coinbase migró su sistema de agrupación de usuarios a la base de datos Amazon Neptune, lo que les permitió resolver desafíos de datos complejos e interconectados a gran escala.

La capacidad de PostgreSQL para gestionar accesos simultáneos mientras mantiene la coherencia de los datos depende en gran medida de sus mecanismos de bloqueo, particularmente a nivel de fila. Cuando múltiples transacciones intentan bloquear la misma fila simultáneamente, PostgreSQL recurre a una estructura especializada llamada identificadores MultiXact. Si bien los MultiXact proporcionan una forma eficiente de gestionar múltiples bloqueos en una sola fila, […]

Esta es la segunda publicación de una serie de dos partes. En la Parte 1, exploramos cómo puedes utilizar la Optimización Automática de Datos (OAD) y las políticas de Gestión del Ciclo de Vida de la Información de Oracle (ILM) para la compresión de datos. En esta publicación, demostramos cómo utilizar estadísticas de Mapa de Calor para monitorear el uso de datos y integrar esta información con particionamiento híbrido y políticas de movimiento de datos ILM para mover datos a soluciones de almacenamiento más económicas.

En esta serie de dos partes, demostramos cómo optimizar el almacenamiento para cargas de trabajo de bases de datos de Oracle en AWS utilizando características integradas de Oracle, como Heat Map, Optimización Automática de Datos (ADO) y particionamiento híbrido. Estas características ayudan a clasificar los datos por su etapa del ciclo de vida y automatizar tareas de gestión de datos para reducir significativamente los costos de almacenamiento, mientras mejoran el rendimiento de la base de datos, especialmente para conjuntos de datos en crecimiento. En este post, exploramos cómo utilizar ADO y políticas de ILM de Oracle para comprimir automáticamente los datos basados en patrones de uso.

En esta publicación, le guiamos a través del proceso de evaluación del rendimiento de Amazon RDS para PostgreSQL utilizando la característica de Volumen de Registro Dedicado (DLV). Para hacer esto, utilizamos pgbench, una herramienta para ejecutar pruebas de benchmark en bases de datos de PostgreSQL. Pgbench ejecuta repetidamente una secuencia definida de comandos SQL en múltiples sesiones de base de datos concurrentes. A través de nuestra evaluación, aprenderá cómo cuantificar las mejoras de rendimiento entregadas por DLV.

Nuestras continuas inversiones en ingeniería sobre cómo podemos operar DynamoDB de manera eficiente nos permiten identificar y transferir ahorros de costo a usted. A partir del 1 de noviembre de 2024, DynamoDB ha reducido los precios para la capacidad de rendimiento bajo demanda en un 50% y para las tablas globales en hasta un 67%, lo que hace que sea más rentable que nunca construir, escalar y optimizar aplicaciones. En este artículo, discutimos los beneficios de estas reducciones de precios, el modo bajo demanda y las tablas globales.

Estamos presentando el rendimiento cálido, una nueva capacidad que proporciona información sobre el rendimiento que sus tablas y índices de DynamoDB pueden admitir instantáneamente y le permite pre-calentar para un rendimiento óptimo. En este post, presentaremos el rendimiento cálido, explicaremos cómo funciona y exploraremos los beneficios que ofrece para manejar escenarios de alto tráfico. También cubriremos las mejores prácticas y casos de uso prácticos para ayudarlo a aprovechar al máximo esta función para sus tablas y índices de DynamoDB.

La infraestructura como código (IaC) es la práctica de aprovisionar y administrar la infraestructura informática utilizando código, en lugar de procesos y configuraciones manuales. Las herramientas, servicios y plataformas de IaC populares incluyen Terraform, AWS CloudFormation, Ansible y Pulumi, cada una ofreciendo características únicas para automatizar y administrar la infraestructura en diferentes entornos de nube. En este post, demostramos cómo Terraform, uno de nuestros productos asociados, se puede utilizar para implementar y administrar una instancia de RDS para Db2.

En esta publicación, discutimos la naturaleza de los datos de series temporales, su presencia en diferentes tipos de industrias y los diversos casos de uso que permite. Los datos de series temporales son uno de los tipos de datos más valiosos utilizados hoy en día por las organizaciones en diversas industrias. Los datos de series temporales permiten una comprensión más profunda de los cambios, patrones y tendencias a lo largo del tiempo. Esto permite a las organizaciones obtener información sobre comportamientos pasados y estados actuales, así como predecir valores futuros. El seguimiento secuencial de los datos en intervalos de tiempo precisos permite tanto el análisis retrospectivo como prospectivo, que es extremadamente valioso para la estrategia, la planificación y la toma de decisiones en diversas industrias. En esta publicación, discutimos la naturaleza de los datos de series temporales, su presencia en diferentes tipos de industrias y los diversos casos de uso que permite.

Al combinar DynamoDB streams con Lambda, puedes construir sistemas responsivos, escalables y rentables que reaccionan automáticamente a los cambios de datos en tiempo real. En esta publicación, exploramos las mejores prácticas para diseñar sistemas impulsados por eventos utilizando DynamoDB y Lambda. DynamoDB ofrece dos opciones para capturar cambios de datos (CDC): DynamoDB streams y Amazon Kinesis Data Streams (KDS). En esta publicación, nos enfocamos exclusivamente en DynamoDB streams.

En esta publicación, le mostramos cómo utilizar Amazon ElastiCache como una caché de escritura para una aplicación que utiliza una tabla de Amazon Keyspaces (para Apache Cassandra) para almacenar datos sobre premios de libros. Utilizamos un controlador de cliente de Python de Cassandra para acceder a Amazon Keyspaces de forma programática y un cliente de Redis para conectarse al clúster de ElastiCache.

En esta publicación, el sector de soluciones de industria de AWS Service Sector comparte nuestro viaje en el desarrollo de una función que permite a los clientes localizar y eliminar datos personales de manera eficiente cuando se lo soliciten, lo que les ayuda a cumplir con los requisitos de cumplimiento del RGPD. La misión del equipo de ingeniería de soluciones del sector de servicios es acelerar la adopción de la nube de AWS en diversas industrias, incluyendo Viajes, Hospitalidad, Juegos y Entretenimiento. Trabajamos con clientes de líneas de cruceros, alojamiento, alojamiento alternativo, agencias de viajes, aeropuertos, aerolíneas, restaurantes, catering, casinos, loterías y más.

En ciertos escenarios de clientes, las bases de datos de Oracle de Amazon RDS necesitan conectarse a fuentes de datos externas, como RDS para PostgreSQL. PostgreSQL puede establecer conexiones con bases de datos de Oracle utilizando un wrapper de datos externos (FDW). En esta publicación, le guiaremos a través de la configuración de una instancia de EC2 como servidor de puerta de enlace de base de datos. Instalará y configurará Oracle Database Gateway para ODBC (DG4ODBC), controladores ODBC, un cliente de PostgreSQL y bibliotecas de PostgreSQL. Con esta configuración, podrá crear enlaces de base de datos en RDS para Oracle para conectarse a PostgreSQL a través de este servidor de puerta de enlace.