AWS Big Data Blog 中文 关注 这个网站来自 AWS，是 Amazon 的云计算平台。它在“博客”中收录了文章和见解，这些基本上是当前计算、人工智能、机器学习、数据分析等领域趋势的文章集合。该特定博客还包含了 AWS 上的大数据信息。访问者可以从 AWS 客户、初创企业、科学研究人员、教育机构和其他专家的社区中找到见解。 RSS aws.amazon.com AWS Big Data Blog aws.amazon.com
使用 AWS SDK 自动化创建 AWS Glue 数据目录视图，以支持数据网格用例 本文介绍如何使用 Catalog 对象 API 的 CreateTable() 方法，通过跨账户 IAM 定义者角色以编程方式创建 Athena 和 Spark 方言，并展示如何为仅使用 Spark 方言创建的视图以编程方式添加 Athena 方言。 Automate creating AWS Glue Data Catalog views with AWS SDK for data mesh use case aws.amazon.com
使用 Amazon OpenSearch Service 数据流实现高效的日志管理 在本文中，我们将展示如何在 Amazon OpenSearch Service 中实现带有索引状态管理（ISM）的数据流。这种方法可自动管理您的时序数据生命周期，并优化性能与成本。数据流将传入数据分发到多个底层索引，有助于减少单索引瓶颈，而 ISM 策略可自动执行滚动、保留和存储分层，以协助管理成本。 Efficient log management with Amazon OpenSearch Service data streams aws.amazon.com
Alight Solutions 如何利用 Amazon OpenSearch Service 实现 55% 的成本节约 在本文中，我们分享了 Alight Solutions 如何从自托管 Elasticsearch 迁移至 Amazon OpenSearch Service。此次迁移实现了 55% 的成本降低，每年减少了约 2,000 小时的操作负担，并使 Alight 能够使用此前无法优先部署的高级可观测性功能。 How Alight Solutions achieved 55% cost savings with Amazon OpenSearch Service aws.amazon.com
使用 Amazon SageMaker Unified Studio 跨账户管理 Amazon Redshift 数据仓库数据 在本文中，我们展示如何使用 Amazon SageMaker Unified Studio 基于数据网格原则在 Amazon Redshift 中实现跨账户数据共享。我们演示了如何构建可扩展的数据网格架构，以支持在 AWS 账户之间进行安全、可审计的数据共享，同时降低运维负担。 Govern Amazon Redshift Data Warehouses Data Across Accounts using Amazon SageMaker Unified Studio aws.amazon.com
从 Apache Solr 迁移到 Amazon OpenSearch Serverless 在本文中，您将了解为何现在是利用 OpenSearch Serverless 的运营简便性和原生 AI 能力的最佳时机，并从 Solr 迁移过来。 Migrate from Apache Solr to Amazon OpenSearch Serverless aws.amazon.com
基于 Apache Celeborn 的 Amazon EMR 高性能远程 Shuffle 服务 在本文中，我们展示了 Apache Celeborn 如何解决 Amazon EMR on EKS 和 Amazon EMR on EC2 之间的权衡问题，在提升作业可靠性的同时，进一步释放额外的成本节约潜力。 High-performance Remote Shuffle Service on Amazon EMR with Apache Celeborn aws.amazon.com
使用 AWS Glue 数据目录中的 Iceberg REST 端点，从 Salesforce Data 360 实现零拷贝访问 Amazon S3 上的 Apache Iceberg 表 在本文中，我们展示了 AWS 和 Salesforce 客户如何通过零拷贝文件联邦（zero-copy file federation）从 Salesforce Data 360 访问其在 AWS 上的企业数据湖。 Zero Copy access to Apache Iceberg tables in Amazon S3 from Salesforce Data 360 using the Iceberg REST endpoint from AWS Glue Data Catalog aws.amazon.com
补丁完美：自动化 Amazon Redshift 补丁测试 在本文中，我们展示了一套自动化测试套件，可在任何补丁更新、重启或修改后自动验证您的 Amazon Redshift 集群。该套件使用标准驱动程序针对真实工作负载模式进行测试，从而在补丁落地与补丁投入生产之间提供经过验证的关口。 Patch perfect: Automating Amazon Redshift patch testing aws.amazon.com
AWS 上用于智能体 AI 的多云数据湖屋架构，第一部分：架构与最佳实践 本文重点阐述如何在 AWS 上构建开放湖仓架构的方法，统一各提供商的元数据目录，以便 AI 代理能够访问。此外，本文还突出了架构权衡与最佳实践。 Multi-cloud lakehouse architecture on AWS for Agentic AI, Part 1: Architecture and best practices aws.amazon.com
Razorpay 如何利用 Amazon MSK 构建实时异常检测系统 在本文中，我们将探讨 Razorpay 的异常检测与告警平台（ADA）架构，该架构采用 Amazon Managed Streaming for Apache Kafka（Amazon MSK）及其他 AWS 服务。根据 Razorpay 的数据，该系统可在 30 秒内检测交易异常，支持数千个商户级别的告警，并将监控成本降低了约 80%。该平台每月处理超过 5 亿笔交易，可用性高达 99.99%。 How Razorpay Built Real-Time Anomaly Detection with Amazon MSK aws.amazon.com
使用 Amazon OpenSearch Service 的可写热存储降低运营成本并简化操作 在本文中，我展示可写温存储如何消除昂贵的迁移周期。您可将基础设施成本降低高达 48%，并将历史数据的更新时间从小时级缩短至秒级。我将通过实际的成本对比和性能基准测试，帮助您决定何时使用可写温存储而非 UltraWarm。 Cut costs and simplify operations with writable warm storage in Amazon OpenSearch Service aws.amazon.com
在 AWS Glue 交互式会话中引入 Apache Spark Connect 支持 Apache Spark Connect 弥合了这两个世界之间的差距：您可以在本地使用 Python 进行开发，但在 AWS Glue 上针对实际数据执行任务。如今，AWS Glue 交互式会话已原生支持 Spark Connect。您可以从任何支持 PySpark remote() API 的环境进行连接，包括 VS Code、PyCharm、Amazon SageMaker Unified Studio 笔记本以及独立的 Python 应用程序。您无需安装专用内核或管理集群基础设施。 Introducing Apache Spark Connect support in AWS Glue interactive sessions aws.amazon.com
How BigBasket 利用基于 Iceberg 的湖仓架构在 AWS 上驱动印度闪电般的杂货配送服务 在本文中，我们展示了 BigBasket 如何在 AWS 上实施湖仓一体架构，包括其架构决策、实施方法，以及类似现代化改造可带来的可量化业务成果。无论您正面临可扩展性挑战，还是计划自行实施湖仓一体架构，本蓝图均提供了可供贵组织适配的可行见解。 How BigBasket uses the Iceberg based lakehouse architecture on AWS to power lightning-fast grocery delivery across India aws.amazon.com
使用 AWS Glue 和 Apache Iceberg 物化视图实现大规模日志分析加速 在本文中，您将学习如何使用 Amazon CloudWatch Logs、AWS Lambda、Amazon Data Firehose、AWS Glue 以及 Apache Iceberg 物化表构建适用于生产环境的应用程序日志管道。随后，您将利用物化视图来加速查询性能。该解决方案可帮助您在大规模日志数据上实现更快的查询响应时间，而无需管理持续的数据湖刷新。 Accelerating log analytics at scale with AWS Glue and Apache Iceberg materialized views aws.amazon.com
使用 Amazon Athena 中的 Apache Spark 引擎构建无服务器分析管道 本教程展示了开发人员、数据工程师和分析人员如何使用 Apache Spark 安全地连接到 Athena 中的 Spark Connect 端点。您可以使用首选工具（如 Jupyter Notebook、VS Code 或结合 Apache Airflow 的 dbt），而无需管理集群生命周期或进行扩缩容。 Serverless analytics pipelines using the Apache Spark engine in Amazon Athena aws.amazon.com
使用 MDAA 在几分钟内部署现代数据平台 在本文中，我们将探讨 MDAA 如何通过配置驱动的架构和嵌入式治理，将数据架构开发从数月的手动编码转变为可投入生产的部署，分析一位真实客户的转型案例，并为您的数据现代化之旅提供清晰的实施路径。 Deploy modern data platforms in minutes with MDAA aws.amazon.com
Amazon Redshift 按结果付费：更快且成本更低，由 Graviton 驱动 在本文中，我们介绍了使 RG 实例速度大幅提升的创新技术。我们还分享了基准测试结果，表明 RG 相比其他领先的数据仓库，在性价比方面最高提升 4.2 倍。 Amazon Redshift RG: Faster and lower cost, Graviton-powered aws.amazon.com
使用 Amazon OpenSearch Service 的新引擎，以极低的成本运行日志分析 我们推出了专为 Amazon OpenSearch Service 构建的日志分析引擎。该新引擎可提供高达 4 倍的价格性能、2 倍更快的数据摄入速度、高达 2 倍更快的分析查询速度，以及高达 70% 的存储成本降低。您无需牺牲对同一数据的搜索能力即可获得所有这些优势。在本篇博客中，您将了解如何利用这些优势、如何开始使用，并查看在十亿文档规模下的基准测试结果。 Run log analytics for a fraction of the cost with the new engine for Amazon OpenSearch Service aws.amazon.com
用于 Amazon Redshift 的 AI 驱动性能建议 在本篇博客中，您将学习如何构建一个 AI 驱动解决方案，该方案可收集遥测数据、预计算性能指标、将其与 CloudWatch 进行关联，并利用 Amazon Bedrock 生成优先级推荐。 AI-powered performance recommendations for Amazon Redshift aws.amazon.com
使用 Amazon Redshift 多仓库增强功能扩展分析规模 在本文中，我们介绍了 Amazon Redshift 的新功能，以增强其多仓库和扩展能力：远程物化视图（MV）操作、远程表 DDL 支持，以及针对零 ETL 和 S3 事件集成的并发扩展增强。这些功能可帮助您构建更加可扩展、高性能的去中心化分析架构。 Scale analytics with Amazon Redshift multi-warehouse enhancements aws.amazon.com
Amazon Redshift 为商业智能仪表板和实时分析提供更快的性能。 今天，我们很高兴宣布 Amazon Redshift 的一项新性能优化，可提升低延迟 SQL 查询的响应时间，例如实时分析应用程序所用或 BI 仪表板生成的查询。通过此项增强，您可以因 Amazon Redshift 用于执行 SQL 查询的准备工作时间减少而体验到更低的查询延迟。SQL 查询启动更快，因此能更快返回结果。 Amazon Redshift delivers faster performance for BI dashboards and real-time analytics aws.amazon.com
优化 Tableau 与 Amazon Redshift Serverless 的集成 在本文中，我们提供一份指南，帮助您利用 Tableau 的关系功能与 Amazon Redshift Serverless 架构，实现亚秒级洞察，同时最大化每个 Redshift 处理单元（RPU）的利用率。此外，我们还将就五个关键领域提供指导：实现最佳查询性能的数据模型架构、安全配置与访问控制、通过智能配置进行性能优化、成本管理策略，以及查询与连接优化技术。 Optimize your Tableau integration with Amazon Redshift Serverless aws.amazon.com
使用下一代 Amazon OpenSearch Serverless 实现多租户搜索 在本文中，我们展示了下一代 OpenSearch Serverless 架构如何使按租户分区的集合模型在多租户搜索中变得切实可行。 Implement multi-tenant search with Amazon OpenSearch Serverless next generation aws.amazon.com
基于多区域身份的 Amazon Redshift 和 S3 表访问 在本系列文章第一部分中，我们展示了如何利用 Amazon Redshift 与 Amazon S3 访问授予（Access Grants）的集成来简化企业级数据访问。在本篇中，我们将该解决方案扩展至多个 AWS 区域。我们引入一家虚构的全球公司 AnyCompany Global，以说明拥有全球业务的企业如何借助 AWS IAM Identity Center 多区域功能，在多个区域中建立基于身份的、一致的 Amazon Redshift 和 Amazon S3 Tables 访问权限。 Multi-Region identity-based access to Amazon Redshift and S3 Tables aws.amazon.com
Medallion 架构的自主故障排查，采用 AWS DevOps Agent 与 Apache Spark 故障排查 Agent 在本篇博客中，我们将展示如何在几分钟内使用 AWS DevOps Agent 诊断多层 Medallion 架构管道故障，其中 Apache Spark 故障排查代理已集成作为 MCP 服务器。 Autonomous troubleshooting for Medallion Architecture with AWS DevOps Agent and Apache Spark Troubleshooting Agent aws.amazon.com
Why tombola 选择搭载 Graviton 的 Amazon Redshift 实例 在本文中，您将了解 Tombola 如何遵循严格的工程原则：无证据支持，不变更生产环境。这意味着对 RA3 与 RG 在其实际工作负载上进行头对头比较。您还将看到在 Amazon S3 Tables 上的基准测试结果，以及从 RA3 实例迁移到 RG 实例的过程。 Why tombola chose Graviton-powered RG instances for Amazon Redshift aws.amazon.com
使用 SageMaker Data Agent 跨 Snowflake 和 AWS 检测欺诈模式 Amazon SageMaker Data Agent 在 Amazon SageMaker Unified Studio Notebook 中推出了三项新功能：针对 Snowflake 数据源的 SQL 分析、物化视图管理以及交互式图表绘制。从业者可将其组合使用，在单个 Notebook 中同时查询 Snowflake 与 AWS 数据，预计算并调度重复聚合操作，并通过自然语言提示生成交互式可视化，无需编写样板代码或切换工具。本文介绍了这些功能所解决的关键挑战，逐一介绍各项功能，并通过一个欺诈分析场景，演示它们如何在端到端的调查工作流中协同运作。 Detecting fraud patterns across Snowflake and AWS using SageMaker Data Agent aws.amazon.com
利用 AI 自动化 IT 支持：Nexthink 如何使用 OpenSearch Service 赋能自助式问题排查 在本文中，我们探讨了 Nexthink 如何结合 Amazon OpenSearch Service 向量搜索、Amazon Bedrock 以及基础设施即代码（IaC），为 Spark 代理的检索层提供动力。 Automating IT support with AI: How Nexthink uses OpenSearch Service to power self-service issue resolution aws.amazon.com
为 Amazon MQ 引入 RabbitMQ 专用网络 在本文中，我们介绍 Amazon MQ for RabbitMQ 的私有网络工作原理，并逐步演示配置过程。无论您是保护私有身份提供商、在代理之间实现消息联合，还是连接自托管的 RabbitMQ，您的代理现在都可以访问私有目的地，而无需将其公开暴露。 Introducing Private Networking for Amazon MQ for RabbitMQ aws.amazon.com
使用 Kiro 和 SageMaker Unified Studio 进行 AI 辅助数据开发 借助 AWS Toolkit for Visual Studio Code，您可以将 Kiro、VS Code 或 Cursor 直接连接到 Amazon SageMaker Unified Studio。本文演示了使用 Kiro 进行集成的方法。相同的远程访问连接也适用于 VS Code 和 Cursor。文章首先展示该集成所能实现的功能：在受管环境中使用自然语言探索和分析数据。随后，我们将逐步介绍设置过程，以便您亲自尝试。 AI-assisted data development with Kiro and SageMaker Unified Studio aws.amazon.com
现代化 Amazon Redshift：从 RA3 迁移到 RG 的最佳实践 在本篇博客中，您将学习如何将 Amazon Redshift RA3 集群迁移至基于 Graviton 的 RG 实例。我们将对比弹性扩容（Elastic Resize）、经典扩容（Classic Resize）以及快照/还原（Snapshot/Restore）三种迁移策略，并提供关键注意事项和最佳实践，以支持平滑迁移。此外，我们还将提供从 RA3 到 RG 的映射指南，帮助您合理调整集群规模。 Modernize Amazon Redshift: RA3 to RG Migration best practices aws.amazon.com
使用 AWS Lake Formation 权限直接访问 Amazon S3 数据文件 在本文中，我们演示了如何使用 EMR 上的 Apache Spark 作业从 Lake Formation 管理的 S3 位置读取和写入数据。Lake Formation 为 S3 位置访问提供的凭据分发功能适用于 EMR 发布标签 7.13 及更高版本、Boto3 1.42.29 及更高版本、AWS Java SDK 2.41.32 及更高版本，以及 AWS 命令行接口（AWS CLI）2.33.1 及更高版本。 Access Amazon S3 data files directly using AWS Lake Formation permissions aws.amazon.com
使用 Amazon Bedrock AgentCore Runtime 和 Amazon OpenSearch Service 构建 AI 购物代理 在本文中，我们将探讨如何构建一个在线购物 AI 智能体。我们重点关注其架构及实现，采用 Amazon OpenSearch Service、Amazon Bedrock AgentCore 和 Strands Agents。Amazon Bedrock AgentCore 是一个智能体平台，用于在不管理基础设施的情况下，安全地大规模部署和运营这些智能体及其工具。 Building AI shopping agent using Amazon Bedrock AgentCore Runtime and Amazon OpenSearch Service aws.amazon.com
为您的用例选择合适的流程编排服务：Amazon MWAA 与 AWS Step Functions 本文探讨如何根据具体用例需求选择合适的流程编排服务。我们将分析关键流程特征，展示真实场景，并提供实用指导，帮助您为特定需求做出明智决策。 Choosing the right workflow orchestration service for your use case: Amazon MWAA and AWS Step Functions aws.amazon.com
使用 Debezium 和 Firehose 从 Aurora PostgreSQL 到 Amazon S3 Tables 的实时 CDC 在本篇博客中，我们将展示如何构建一个 CDC 管道，直接提供可用于查询的 Iceberg 表。该管道从 Aurora PostgreSQL 捕获插入、更新和删除操作，并将其作为行级操作应用于 Amazon S3 Tables，这是 Amazon Simple Storage Service（Amazon S3）的一项功能。 Real-time CDC from Aurora PostgreSQL to Amazon S3 Tables using Debezium and Firehose aws.amazon.com
超越 JSON 数据块：在 Apache Iceberg V3 中实现 VARIANT 数据类型 本文是两篇系列文章的第一部分。我们将介绍基础内容：创建包含 VARIANT 列的 Iceberg V3 表，插入半结构化数据，并使用 variant_get() 进行查询。在第二部分中，我们将扩展到百万行规模，并 benchmark VARIANT 与传统字符串存储的性能。我们将对比查询性能和存储占用量的差异。 Beyond JSON blobs: Implementing the VARIANT data type in Apache Iceberg V3 aws.amazon.com
使用 AWS Spark 升级代理将 PySpark 从 Spark 3.5 升级到 Spark 4.0 在本文中，我们将通过实际操作演示如何使用 AWS Spark 升级代理（AWS Spark Upgrade Agent），在 Amazon EMR Serverless 上完成从 Spark 3.5 到 Spark 4.0 的 PySpark 迁移。您将看到该代理如何在真实的 Amazon EMR Serverless 应用上迭代验证您的应用程序，自动从 Amazon CloudWatch 日志中诊断并解决失败，直至作业成功运行。 Upgrade PySpark from Spark 3.5 to Spark 4.0 with AWS Spark Upgrade Agent aws.amazon.com
宣布在 Amazon EMR Serverless 上推出 Spark Connect：随时随地进行交互式 PySpark 开发 今天，AWS 宣布在 Amazon EMR Serverless 上支持 Spark Connect，适用于 EMR 7.13（Apache Spark 3.5.6）及更高版本。现在，您可以在首选的本地环境中构建和调试 Spark 应用程序，同时在 EMR Serverless 上运行全规模的 Spark 操作。 Announcing Spark Connect on Amazon EMR Serverless: Interactive PySpark development, anywhere aws.amazon.com
在 Amazon EMR Serverless 上使用 Apache Spark 4.0 构建有状态流式应用程序 在本文中，我们演示了如何在 Amazon EMR Serverless 上使用 Spark 4.0 的 transformWithState API 构建生产就绪的物联网设备监控系统。本示例展示了有状态流处理的关键功能，并提供了一个可适配您自身用例的模板。 Build stateful streaming applications with Apache Spark 4.0 on Amazon EMR Serverless aws.amazon.com
宣布 Apache Spark 4.0 在 Amazon EMR 上正式发布 随着通用可用性公告的发布，Spark 4.0 现已支持 Amazon EMR Serverless、Amazon EMR on EC2 和 Amazon EMR on EKS 三种部署选项。在本篇博客中，您将了解 Amazon EMR 上现已可用的 Spark 4.0 关键功能，包括 Spark Connect、Variant 数据类型、SQL 脚本、Python API 改进以及流处理增强，同时还将介绍 emr-spark-8.0 新版本中的基础设施变更。 Announcing general availability of Apache Spark 4.0 on Amazon EMR aws.amazon.com
通过增量快照计费为 Amazon Redshift Serverless 和 Amazon Redshift RG 解锁成本节约 自 2026 年 6 月 8 日起，Amazon Redshift 将为 Amazon Redshift Serverless 和 Amazon Redshift RG（由 AWS Graviton 驱动的预留实例）引入增量快照计费模式。通过此项增强功能，您仅需为账户内活动手动快照中唯一的數據块付费。对于拥有多个包含大量相同数据块快照的客户，此举可带来显著的成本节约。在本篇博客中，您将了解新的增量快照计费模式的工作原理、其所针对的客户使用场景，以及它如何帮助您在优化成本的同时提升恢复点目标（RPO）。 Unlock cost savings with incremental snapshot billing for Amazon Redshift Serverless and Amazon Redshift RG aws.amazon.com
以最小改动将 JMS 应用程序迁移到 Amazon MQ for RabbitMQ 本文介绍如何迁移 JMS 应用程序，并完整演示从创建代理到发送和接收消息的整个设置过程。您还将看到一个实际场景：将现有的 Apache ActiveMQ 工作负载迁移到运行 RabbitMQ 的 Amazon MQ 代理。本文涵盖配置变更、使用 Amazon CloudWatch 进行监控，以及验证步骤，以确保迁移成功。 Migrate JMS applications to Amazon MQ for RabbitMQ with minimal changes aws.amazon.com
用Kiro查询亚马逊Redshift，使用自然语言 在本文中，您将学习如何配置 Kiro 与 Amazon Redshift MCP 服务器，以便使用自然语言查询数据仓库。您将探索集群发现、模式浏览、分析查询、跨集群比较以及数据质量检查，而无需从头编写 SQL 或在不同工具之间切换。 Query Amazon Redshift using natural language with Kiro aws.amazon.com
使用 Amazon Quick 为 Amazon SageMaker Catalog 构建治理仪表板 在之前的文章中，我们展示了如何通过元数据导出功能，使用 SQL 查询 Amazon SageMaker Catalog 的元数据。本文在此基础上，演示了如何使用 Amazon QuickSight 创建治理仪表板。 Build governance dashboards for Amazon SageMaker Catalog with Amazon Quick aws.amazon.com
在查询编辑器中使用 SageMaker Data Agent 加速 SQL 开发 在本文中，您将学习如何在查询编辑器中使用数据代理（Data Agent）探索数据、构建多步骤分析、从错误中恢复，并使用公共教育数据集对结果进行汇总。 Accelerate SQL development with SageMaker Data Agent in Query Editor aws.amazon.com
在 Amazon SageMaker Unified Studio 中调度 Notebook 运行 在本文中，我们将介绍 Amazon SageMaker Unified Studio 中 Notebook 的新版调度与编排功能。 Schedule notebook runs in Amazon SageMaker Unified Studio aws.amazon.com
Amazon OpenSearch Service：保护域的安全机制 本文概述了 Amazon OpenSearch Service 可用的安全机制，涵盖身份验证与授权、加密以及网络访问控制。您将学习如何实现细粒度访问控制、管理 AWS 身份和访问管理（IAM）角色，并为公有和虚拟私有云（VPC）访问域同时保障数据传输中和静态数据的安全。 Amazon OpenSearch Service: Mechanisms to secure your domain aws.amazon.com
将 Amazon EMR Spark 作业的数据血缘捕获至 Amazon SageMaker Unified Studio 在本篇博客中，您将了解一个实用的分步示例，展示如何直接从运行在 Amazon EMR 上的 Spark 作业捕获并追踪数据谱系，并将其直接集成到 Amazon SageMaker Catalog 中，使用 OpenLineage 实现。您将看到谱系元数据如何自动流转，并探索在 Amazon SageMaker Unified Studio 中跨工作流的数据关系与依赖。 Capture data lineage of Amazon EMR spark jobs into Amazon SageMaker Unified Studio aws.amazon.com
下一代 Amazon OpenSearch Serverless：专为智能体从头构建 今天，我们宣布对 Amazon OpenSearch Serverless 进行从底层重新架构，实现高达 20 倍的自动扩展速度提升、支持缩容至零，并且相比为峰值负载预留集群，成本可降低高达 60%。Amazon OpenSearch Service 是一个完全托管的开源检索引擎，统一了向量、词法、混合及代理搜索，提供低延迟、准确且相关的结果。Amazon OpenSearch Serverless 是一种自动扩展的部署选项。新架构将计算与存储解耦。该服务可在数秒内完成基础设施配置，而非数分钟，并在应用程序空闲时将计算资源完全缩容至零。在本篇博客中，我们将介绍新架构、其对应用程序的影响，以及如何通过动手教程开始使用。 The next generation of Amazon OpenSearch Serverless: Built from the ground up for agents aws.amazon.com
How Buildkite 利用 Amazon MSK 和 Amazon Managed Service for Apache Flink 在大规模下运行测试分析” 在本文中，我们将探讨 Buildkite 如何利用 Amazon Managed Streaming for Apache Kafka（Amazon MSK）和 Amazon Managed Service for Apache Flink，在大规模场景下为 Test Engine 的以流式处理为核心的分析架构提供动力。 How Buildkite Operates Test Analytics at Massive Scale with Amazon MSK and Amazon Managed Service for Apache Flink aws.amazon.com
