AWS Database Blog на русском Заметка

AWS Database Blog на русском

На сайте представлен блог Amazon Web Services (AWS) для баз данных, который призван помочь пользователям эффективно использовать сервисы баз данных AWS, предоставляя полезные руководства, советы и ответы на часто задаваемые вопросы.

Трэд заметок

Amazon ElastiCache теперь поддерживает Valkey 9.1, предоставляя последние инновации, разработанные сообществом в рамках проекта с открытым исходным кодом Valkey, клиентам, использующим ElastiCache для высокопроизводительных, чувствительных к задержкам и операционно сложных приложений, работающих в памяти. В этой статье мы обсудим, как Valkey 9.1 помогает добиться большей пропускной способности и эффективности использования памяти для требовательных рабочих нагрузок, обеспечивая при этом более надежную изоляцию для многопользовательских и общих кластерных развертываний. Мы также рассмотрим новые команды, упрощающие распространенные рабочие процессы приложений и операционные задачи, новые функции наблюдаемости, которые дают операторам лучшую видимость поведения движка, и как ElastiCache продолжает предоставлять последние инновации Valkey с открытым исходным кодом в полностью управляемом сервисе.
CdXz5zHNQW_b2lqUpv9kW.jpeg
Запуск pgvector на Amazon Aurora PostgreSQL дает вам хранилище векторов уровня производства на базе данных, с которой вы уже знакомы, поддерживаемое инструментами эксплуатации, высокой доступностью и масштабируемостью Amazon Aurora. Производственный трафик вводит предсказуемый набор операционных соображений: задержку запросов по мере роста корпуса, воспоминание при фильтрованных поисках вектором, запас памяти во время построения индексов и поведение подключения под нагрузкой. Этот пост посвящен операциям с базой данных, которые поддерживают здоровье слоя извлечения RAG. В этом посте мы рассматриваем операционные практики, которые поддерживают здоровье рабочей нагрузки pgvector, когда вы от нее зависит: выбор правильного индекса и функции расстояния, масштабирование с помощью квантования и разделения, управление перемещением иерархического навигируемого небольшого мира (HNSW), выбор размера для операции в памяти и сигналы наблюдаемости, которые обнаруживают проблемы на ранней стадии.
CdXz5zHNQW_uSjQyYk2Tq.png
Управление огромными объемами данных в больших масштабах представляет собой серьезные операционные проблемы. В Similarweb мы столкнулись с этими проблемами, используя Apache HBase, и нашли решение в Amazon DynamoDB. Similarweb — это платформа цифровой аналитики, которая предоставляет основанные на ИИ сведения о трафике веб-сайтов, использовании приложений и рыночных тенденциях, чтобы помочь компаниям сравнивать конкурентов и оптимизировать стратегии роста. Мы столкнулись с растущими проблемами масштабируемости и операционной сложности с нашей существующей инфраструктурой Apache HBase, что побудило нас изучить более гибкие и эффективные альтернативы. В этой статье мы расскажем о нашем опыте миграции нашего хранилища данных с Apache HBase на DynamoDB. Мы обсудим технические проблемы, подход к миграции, стратегии моделирования данных, методы оптимизации затрат и ключевые преимущества, достигнутые в процессе.
CdXz5zHNQW_1GDAUsG6KF.png