Dans cet article, nous explorons le fonctionnement de l'intégration zero-ETL, les principaux avantages qu'elle offre aux équipes axées sur les données et comment elle s'aligne sur la stratégie zero-ETL plus large dans les services AWS. Vous apprendrez comment cette intégration peut améliorer vos flux de données, que vous construisiez des modèles prédictifs, que vous saisissiez des requêtes SQL interactives ou que vous visualisiez les tendances commerciales. En éliminant les processus traditionnels d'extraction, de transformation et de chargement (ETL), cette solution permet une intelligence en temps réel de manière sécurisée et à grande échelle pour vous aider à prendre des décisions plus rapides et basées sur les données.

Dans cet article, nous explorons comment les entreprises peuvent transformer leurs environnements Oracle Database en combinant l'expertise éprouvée d'Accenture en matière de migration avec les capacités innovantes d'Oracle Database@AWS pour une modernisation plus rapide, des performances améliorées et une intégration transparente avec les services AWS.

La recherche vectorielle pour Amazon ElastiCache est désormais généralement disponible. Vous pouvez désormais utiliser ElastiCache pour indexer, rechercher et mettre à jour des milliards d'incrustations vectorielles à haute dimension provenant de fournisseurs populaires tels qu'Amazon Bedrock, Amazon SageMaker, Anthropic et OpenAI - avec des latences aussi basses que des microsecondes et jusqu'à 99 % de rappel.

AWS propose une large gamme de solutions de surveillance pour vos instances Amazon RDS et Amazon Aurora, telles qu'Amazon CloudWatch, Amazon CloudWatch Database Insights et AWS CloudTrail. Les pipelines de surveillance des événements Amazon RDS rendent le dépannage des événements opérationnels tels que les redémarrages, les erreurs et les basculements plus efficace. Dans cet article, nous présentons une solution pour prendre une longueur d'avance dans le dépannage en envoyant un e-mail après un redémarrage ou un basculement avec les 10 dernières minutes des métriques CloudWatch importantes, les requêtes principales et les appels API connexes effectués sur l'instance.

Dans cet article, nous explorons comment Elliptic utilise Amazon DynamoDB pour construire une plateforme de renseignement crypto qui s'étend à plus de 10 milliards de portefeuilles dans le monde et prend en charge la détection des risques en temps réel dans l'écosystème des actifs numériques en constante évolution. Nous discutons de la conception du modèle de données, des stratégies d'indexation et de la configuration opérationnelle qu'Elliptic utilise pour alimenter l'analyse des risques en temps réel et les enquêtes complexes à grande échelle.

Le tableau de bord Timestream pour les métriques InfluxDB ajoute la possibilité d'effectuer une analyse des tendances, de créer des informations exploitables, de configurer des alertes et d'automatiser la génération de rapports. Vous pouvez configurer le tableau de bord Timestream pour les métriques InfluxDB pour répondre aux besoins de votre entreprise et construire un flux de travail de séries chronologiques robuste et optimisé. Dans cet article, nous vous expliquons comment déployer le tableau de bord Timestream pour les métriques InfluxDB afin de commencer à surveiller les performances de votre parc de bases de données Timestream pour InfluxDB.

Dans cet article, nous examinons les coûts, les avantages et les inconvénients du remplacement des services pour l'IA agentique par un accès direct à la base de données. Y compris ceux qui fonctionnent bien et qui sont éprouvés en production, ainsi que les nouveaux services à construire. Examinons de plus près l'anatomie d'une application d'IA agentique et ce qui entrerait en jeu dans de telles décisions.

Dans cet article, je vous montre comment créer un moteur d'orchestration de flux de travail sans serveur qui utilise Amazon DynamoDB et AWS Lambda. L'implémentation complète est disponible dans un dépôt GitHub, qui comprend deux exemples entièrement fonctionnels que vous pouvez déployer et exécuter immédiatement pour voir le moteur d'orchestration en action.

Dans cet article, nous montrons comment construire un système de surveillance efficace et sans serveur pour Amazon RDS pour SQL Server en utilisant les services natifs AWS et l'intégration Slack.

Smartsheet est une plateforme de gestion de travail collaboratif basée sur le SaaS, leader mondial, à laquelle font confiance les entreprises du monde entier pour gérer des projets, automatiser des flux de travail et favoriser la collaboration à grande échelle. Dans cet article, nous décrivons le Smartsheet Knowledge Graph, construit en partenariat entre Smartsheet et AWS. Le Smartsheet Knowledge Graph est un modèle de données unifié connectant les personnes, le contenu et le travail dans Smartsheet, représentant la manière dont les utilisateurs interagissent avec les actifs, le contenu et leurs collaborateurs.

Dans cet article, nous explorons les défis de l'épuisement des OID dans PostgreSQL, en nous concentrant sur son impact sur les tables TOAST et la manière dont il entraîne des problèmes de performance. Nous aborderons comment identifier le problème en examinant les événements d'attente, l'activité de session et l'utilisation des tables. De plus, nous discuterons de solutions pratiques, du nettoyage des données aux stratégies plus avancées telles que le partitionnement.

Dans cette série en trois parties, nous explorons les approches pour implémenter des modèles événementiels améliorés pour les applications basées sur DynamoDB. Tout au long de cette série, nous avons examiné diverses stratégies pour gérer les données dans DynamoDB. Cet article déplace l'attention vers un modèle événementiel qui planifie de manière fiable les actions en aval futures à l'aide d'EventBridge Scheduler.

Dans cette série en trois parties, nous explorons des approches pour implémenter des modèles événementiels améliorés pour les applications basées sur DynamoDB. Dans cet article (Partie 2), nous explorons une autre méthode qui utilise des index secondaires globaux (GSI) pour gérer les exigences de durée de vie (TTL) fines.

Dans cette série en trois parties, nous explorons les approches pour implémenter des modèles événementiels améliorés pour les applications basées sur DynamoDB. Dans cet article (Partie 1), nous nous concentrons sur l'amélioration de la fonctionnalité TTL native de DynamoDB en implémentant une suppression de données quasi en temps réel à l'aide d'EventBridge Scheduler, réduisant ainsi le temps typique de suppression des éléments expirés de plusieurs jours à moins d'une minute.

En avril 2025, nous avons introduit l'outil de modélisation de données Amazon DynamoDB pour le serveur Model Context Protocol (MCP). L'outil vous guide à travers une conversation, recueille vos exigences et produit un modèle de données qui comprend des tables, des index et des considérations de coût. Dans cet article, nous vous montrons comment nous avons construit ce cadre d'évaluation automatisé et comment il nous a aidés à fournir des conseils fiables en matière de modélisation de données DynamoDB à grande échelle.

Dans cet article, nous vous montrons comment implémenter une solution automatisée pour archiver les événements Amazon RDS vers Amazon Simple Storage Service (Amazon S3). Nous discutons également de la manière d'analyser les événements avec Amazon Athena, ce qui permet une gestion proactive de la base de données, aide à maintenir la sécurité et la conformité, et fournit des informations précieuses pour la planification de la capacité et le dépannage.

Dans cet article, nous vous montrons comment migrer la recherche en texte intégral dans Microsoft SQL Server vers Amazon Aurora PostgreSQL en utilisant les types de données de recherche de texte tsvector et tsquery. Nous vous montrons également comment implémenter la recherche en texte intégral en utilisant les extensions pg_trgm et pg_bigm.

Le masquage de données est une technique importante en matière de cybersécurité, permettant aux organisations de protéger les informations personnelles identifiables (PII) et autres données confidentielles, tout en conservant leur utilité à des fins de développement, de test et d'analyse. Le masquage de données consiste à remplacer les données sensibles d'origine par des informations fausses, mais réalistes. Ce processus permet de garantir que la version masquée préserve le format et les caractéristiques […]

Dans ce billet, nous vous guidons à travers le processus de clonage d'une base de données Amazon RDS Custom pour Oracle vers une instance EC2 en utilisant des instantanés multi-volumes Amazon Elastic Block Store (Amazon EBS) pour la réplication du stockage. Cette approche est utile pour configurer un environnement de reprise après sinistre (DR) dans une région où RDS Custom n'est pas encore disponible.

Dans cet article, nous vous montrons une approche simple pour vous connecter à une base de données Db2 en utilisant SSL en Java, sans avoir besoin d'un magasin de confiance ni d'invoquer keytool.

Développer des applications sur la base de données Amazon Neptune nécessitait historiquement que les utilisateurs configurent l'accès au VPC où elle est hébergée et utilisent soit des pilotes tiers, soit des requêtes HTTP directes. Dans cet article, nous expliquons comment deux fonctionnalités clés, les points de terminaison publics et l'API de données Neptune, résolvent ces défis courants dans le développement d'applications Amazon Neptune. Points de terminaison publics […]

Oracle Database@AWS (ODB@AWS) est une offre que vous pouvez utiliser pour accéder à l'infrastructure Oracle Exadata gérée par Oracle Cloud Infrastructure (OCI) au sein des centres de données Amazon Web Services (AWS). Vous pouvez utiliser ODB@AWS pour migrer vos charges de travail Oracle Exadata vers AWS tout en conservant les mêmes performances et fonctionnalités que vos déploiements Oracle Exadata sur site. Vous bénéficiez de […]

Dans cet article, nous allons plonger en profondeur dans la resynchronisation des données d'AWS Database Migration Service, une fonctionnalité introduite dans la version 3.6.1 de DMS pour détecter et résoudre les incohérences de données lors des migrations de bases de données, éliminant ainsi le besoin d'une intervention manuelle.

Dans cet article, nous montrons comment vous pouvez utiliser AWS CloudFormation et Terraform pour automatiser le déploiement et la suppression d'une instance Timestream pour InfluxDB.

Dans cet article, nous démontrons comment diffuser des données de DynamoDB vers des tables Amazon S3 pour permettre des capacités d'analyse sur vos données opérationnelles.

Dans cet article, nous explorons plusieurs approches pour automatiser la génération d'embeddings vectoriels dans Amazon Aurora PostgreSQL-Compatible Edition lorsque des données sont insérées ou modifiées dans la base de données. Chaque approche offre différents compromis en termes de complexité, de latence, de fiabilité et d'évolutivité, vous permettant de choisir la meilleure solution pour les besoins spécifiques de votre application.

AWS DMS prend en charge un large éventail de référentiels de données sources et cibles, tels que les bases de données relationnelles, les entrepôts de données et les bases de données NoSQL. Une préparation et une conception appropriées sont essentielles pour la réussite du processus de migration, en particulier lorsqu'il s'agit d'optimiser les performances et de résoudre les problèmes de retard potentiels. Dans cet article de blog, nous proposons des conseils pour reconnaître les causes profondes potentielles des retards de chargement complet et de CDC dès le début du processus et fournissons des suggestions pour regrouper de manière optimale les tables afin d'obtenir les meilleures performances pour une tâche AWS DMS.

Dans cet article, nous vous montrons comment réduire les coûts sur Amazon ElastiCache en mettant à niveau le moteur de votre cluster vers ElastiCache for Valkey. Si vous utilisez actuellement ElastiCache for Redis OSS, vous pouvez réaliser jusqu'à 60 % d'économies en passant à Valkey.

Dans cet article, nous explorons la prise en charge des instances bare metal AWS sur les instances bare metal Amazon EC2 pour Amazon RDS for Oracle et RDS Custom for Oracle.

Dans cet article, nous montrons comment utiliser Amazon Timestream pour les répliques de lecture InfluxDB afin de faire évoluer vos opérations de lecture en ajoutant des répliques de lecture supplémentaires tout en conservant un point de terminaison d'écriture unique. Conçu en partenariat avec InfluxData, notre module complémentaire de répliques de lecture offre aux clients open source d'InfluxDB la possibilité de mettre à l'échelle horizontalement leur capacité de lecture.

Dans cet article, nous présentons une solution qui automatise la notification des recommandations Amazon RDS et Aurora par e-mail en utilisant AWS Lambda, Amazon EventBridge et le service d'e-mail simple d'Amazon (Amazon SES).

Amazon Web Services (AWS) a récemment annoncé le mode cible virtuel dans le service de conversion de schéma d'AWS Database Migration Service (AWS DMS). Cette fonctionnalité vous aide à démarrer la planification de la migration sans avoir à provisionner des bases de données cibles. Dans cet article, nous vous montrons comment démarrer avec le mode cible virtuel dans la conversion de schéma d'AWS DMS.

Dans cet article, nous annonçons le renforcement du partenariat entre AWS et InfluxData, alors que Timestream adopte InfluxDB comme base de données de séries chronologiques conçue à cet effet.

Amazon DynamoDB offre des performances constantes avec des temps de réponse de l'ordre de quelques millisecondes à n'importe quelle échelle, ce qui le rend idéal pour les charges de travail critiques. Cependant, comme pour tout système distribué, un faible pourcentage de requêtes peut connaître des temps de réponse considérablement plus longs que la moyenne. Ce phénomène, connu sous le nom de latence de queue, fait référence à ces valeurs aberrantes plus lentes que l'on peut observer en examinant des métriques telles que le 99e ou le 99,9e centile des temps de réponse. Dans cet article, nous explorons comment Global Payments Inc. (GPN) a réduit sa latence de queue de 30 % en utilisant la technique de couverture de requête (request hedging). Nous examinons les détails techniques et les défis auxquels ils ont été confrontés, en fournissant des informations sur la façon dont vous pouvez optimiser vos propres applications sensibles à la latence. Dans un prochain article, nous partagerons des exemples d'implémentation détaillés.

La version 1.4.5 d'Amazon Neptune apporte des améliorations du moteur et prend en charge les instances r8g basées sur AWS Graviton. Dans cet article, nous vous montrons comment ces mises à jour peuvent améliorer les performances de votre base de données de graphes et réduire les coûts. Nous vous présentons les résultats des benchmarks pour Gremlin et openCypher comparant Neptune v1.4.5 sur des instances r8g par rapport aux versions précédentes. Vous verrez des améliorations des performances allant jusqu'à 4,7 fois pour le débit d'écriture et 3,7 fois pour le débit de lecture, ainsi que les implications coûtées.

Dans cet article, nous montrons comment capturer et conserver les événements de flux échoués pour une analyse ultérieure ou une relecture, en utilisant Amazon S3 comme destination durable. Nous comparons cette approche avec le modèle traditionnel de file d'attente de lettres mortes (DLQ) d'Amazon SQS, et expliquons quand et pourquoi Amazon S3 est une option privilégiée.

Dans cet article, nous allons plus loin dans l'optimisation de la base de données pour votre service de base de données relationnelle Amazon (Amazon RDS), en explorant comment vous pouvez utiliser les recommandations de l'optimiseur de calcul AWS pour prendre des décisions de configuration de ressources économes pour vos bases de données MySQL et PostgreSQL.

Dans cette publication, nous explorons comment vous pouvez utiliser l'interface utilisateur générative v0 de Vercel pour créer des applications avec une interface utilisateur moderne pour les bases de données AWS spécialisées telles qu'Amazon Aurora, Amazon DynamoDB, Amazon Neptune et Amazon ElastiCache.

Lorsqu'un problème survient sur votre réseau, trouver la cause profonde nécessite généralement des heures d'investigations, en passant au crible des alarmes corrélées qui mènent souvent à des symptômes plutôt qu'au problème réel. Les systèmes d'analyse de la cause profonde (RCA) sont souvent construits sur des règles codées en dur, des seuils statiques et des schémas prédéfinis qui fonctionnent bien… jusqu'à ce qu'ils ne fonctionnent plus. Que vous dépanniez des pannes au niveau du réseau ou des dégradations au niveau du service, ces ensembles de règles rigides ne peuvent pas s'adapter aux défaillances en cascade et aux interdépendances complexes. Dans cet article, nous vous présentons notre architecture de solution AWS qui utilise un jumeau numérique du réseau basé sur des graphes et l'IA agentique. Nous partageons également quatre modèles de conception de manuels d'exécution pour l'analyse RCA basée sur des graphes et alimentée par l'IA agentique sur AWS. Enfin, nous montrons comment DOCOMO fournit une validation concrète, à partir de ses réseaux commerciaux, de notre premier modèle de conception de manuel d'exécution, démontrant une amélioration drastique du MTTD (Mean Time To Detect - Temps moyen de détection) avec 15 secondes pour l'isolation des défaillances dans les réseaux de transport et d'accès radio.

En 2023, AWS a introduit l'enveloppeur JDBC avancé d'AWS, améliorant les capacités des pilotes JDBC existants avec des fonctionnalités supplémentaires. Cette enveloppe permet de prendre en charge les fonctions d'AWS et d'Amazon Aurora au-dessus d'un pilote JDBC PostgreSQL, MySQL ou MariaDB existant de votre choix. Cette enveloppe prend en charge une variété de plug-ins, notamment le plug-in de suivi des connexions Aurora, le plug-in de connexions illimitées et le plug-in de division des lectures et des écritures. Dans cet article, nous discutons des avantages, des cas d'utilisation et des détails d'implémentation de deux plug-ins populaires de l'enveloppeur de pilote JDBC avancé d'AWS : les plug-ins de stratégie de connexion initiale Aurora et de basculement v2.

Aujourd'hui, nous annonçons une amélioration de l'observabilité des requêtes limitées dans Amazon DynamoDB. Ces améliorations offrent aux développeurs des messages d'exception enrichis, des métriques détaillées d'Amazon CloudWatch et un nouveau mode plus économique pour les insights des contributeurs CloudWatch. Ensemble, ces améliorations rendent facile de comprendre, de surveiller et d'optimiser les performances de vos applications DynamoDB. Dans cet article, nous explorons comment ces […]

Vous pouvez accéder à un cluster Amazon Aurora DSQL en utilisant un point de terminaison public et des points de terminaison AWS PrivateLink. Dans cet article, nous démontrons comment contrôler l'accès à votre cluster Aurora DSQL en utilisant des points de terminaison publics et des points de terminaison VPC privés via PrivateLink, à la fois depuis l'intérieur et l'extérieur d'AWS.

Aujourd'hui, Amazon DocumentDB (compatible avec MongoDB) a annoncé que la version 3.6 d'Amazon DocumentDB atteindra sa fin de vie le 30 mars 2026. À partir du 31 mars 2026, vous pourrez continuer à exécuter la version 3.6 d'Amazon DocumentDB avec le support étendu. Le support étendu fournit des correctifs pour les problèmes de sécurité critiques et les bogues via des mises à jour de patches pendant trois ans au-delà de la fin du support standard de la version 3.6 d'Amazon DocumentDB.

Dans cet article, nous explorons comment vous pouvez utiliser les filtres de colonnes pour diviser une table à forte activité en plusieurs tâches pendant la phase de CDC (Change Data Capture). Cette approche peut accélérer le processus de migration et réduire la latence cible.

Juspay permet aux entreprises mondiales d'améliorer leur efficacité en orchestrant les processus de paiement, en renforçant la sécurité, en réduisant les fraudes et en offrant des expériences client sans accroc. Dans cet article, nous vous expliquons comment Juspay a transformé son architecture de traitement des paiements pour gérer les pics de transactions. En utilisant Amazon ElastiCache et Amazon RDS pour MySQL, Juspay a mis en place un système qui traite 7,6 millions de transactions par heure lors des événements de pointe, atteint une latence inférieure à la milliseconde et réduit les coûts d'infrastructure de 80 % par rapport à leur solution précédente.

Wiz, une entreprise de sécurité cloud de pointe, identifie et élimine les risques sur les principales plateformes cloud. Notre scanner sans agent traite des dizaines de milliards d'entrées de métadonnées de ressources cloud quotidiennes. Cela nécessite un traitement à haute performance et faible latence, ce qui rend notre base de données Amazon Aurora PostgreSQL-Compatible Edition, servant des centaines de microservices à grande échelle, un composant critique de notre architecture. Dans cet article, nous partageons comment nous avons mis à jour notre base de données Aurora PostgreSQL de la version 14 à la version 16 avec un temps d'arrêt quasi nul en utilisant les déploiements Blue/Green d'Amazon Aurora.

Les organisations s'appuient sur l'analyse en temps réel pour acquérir des connaissances sur les principaux facteurs de leur activité, améliorer l'efficacité opérationnelle et maintenir un avantage concurrentiel. Traditionnellement, cela impliquait l'utilisation de pipelines ETL (Extract, Transform, Load) complexes. L'ETL est le processus de combinaison, de nettoyage et de normalisation des données provenant de différentes sources pour les préparer à l'analyse, à l'intelligence artificielle et à [...]

Ce billet de blog montre comment utiliser AWS SCT pour simplifier et accélérer la migration du code SQL Oracle embarqué dans les applications Java vers une syntaxe compatible avec PostgreSQL. La solution se concentre sur un cas d'utilisation pratique impliquant une base de données Oracle source couplée à une application Java d'exemple contenant de nombreuses instructions SQL spécifiques à Oracle. En utilisant AWS SCT, les développeurs peuvent automatiser une grande partie du processus de conversion de schéma et de SQL, réduisant ainsi l'effort manuel et minimisant les erreurs pendant la migration.

Dans cet article, nous vous montrons comment Clari a optimisé les performances de sa base de données et réduit ses coûts de 50% en passant à Amazon Aurora I/O-Optimisé.

Pour vous aider à avancer plus vite avec plus de confiance, nous présentons un nouvel outil de modélisation de données DynamoDB, disponible dans le cadre de notre protocole de contexte de modèle DynamoDB (MCP) serveur. L'outil de modélisation de données DynamoDB MCP s'intègre avec les assistants intelligents qui prennent en charge le MCP, offrant un flux de travail structuré et guidé par un langage naturel pour traduire les exigences de l'application en modèles de données DynamoDB. Dans cet article, nous vous montrons comment générer un modèle de données en quelques minutes à l'aide de cet nouvel outil de modélisation de données.