AWS Architecture Blog 中文 关注 该网站是一个来自Amazon Web Services（AWS）的博客，专注于架构、云计算和技术。它包含了使用AWS服务、遵循云计算最佳实践、解决常见问题、案例研究和技术最新趋势等多方面的文章。博客还允许用户发表评论、与AWS社区互动、获取即将推出的AWS服务更新。它旨在作为一个讨论技术知识、解决问题和通过技术创新未来的平台。 AWS Architecture Blog aws.amazon.com RSS aws.amazon.com AWS Architecture Blog 中文 RSS thenote.app
Dynata 如何利用 AI-DLC 和 Kiro IDE 在开发全生命周期中规模化应用 AI Dynata 利用 AI 重新构想其开发生命周期，从 AI 辅助编码转向采用 Kiro IDE 的 AI 驱动开发生命周期（AI-DLC）方法论。了解该公司如何将全栈功能的开发阶段从三到四个冲刺缩短至约一个冲刺，并确保所有团队从一开始就保持一致。 How Dynata scaled AI across the development lifecycle with AI-DLC and Kiro IDE aws.amazon.com +1
Amazon API Gateway WebSocket API 的多区域灾难恢复 学习如何为 Amazon API Gateway WebSocket API 构建多区域灾难恢复方案。该设计模式结合了 Amazon Route 53 DNS 故障转移、Amazon DynamoDB 全局表、金丝雀健康探测以及客户端重连逻辑，以便在区域故障转移期间自动重新连接客户端并恢复会话状态。 Multi-region disaster recovery for Amazon API Gateway WebSocket APIs aws.amazon.com +1
UTS 如何在 AWS 上建立现代化的课程数据服务基础架构 悉尼科技大学在 AWS 上构建了现代化的课程数据服务基础架构，将课程数据作为受管且可复用的产品，通过 API、图遍历、语义搜索和事件交付提供访问，同时保持源课程管理系统作为权威数据源。如今，一名工程师即可运营该领域。 How UTS established a modern curriculum data services foundation on AWS aws.amazon.com +1
将工作负载范围与 AWS Resilience Hub 共享韧性策略 下一代 AWS 韧性中心新增三项功能，以确保工作负载范围与韧性需求始终与运行环境保持一致：支持 Amazon EKS 标签的服务输入源、由生成式 AI 驱动的依赖关系洞察，以及通过 AWS Organizations 实现韧性策略共享。 Scope workloads and share resilience policies with AWS Resilience Hub aws.amazon.com +1
利用 AI 驱动邮件安全阻止商业邮件欺诈：VIPRE 如何在 AWS 上保护现代企业 了解 VIPRE Security 如何在 AWS 上构建基于 AI 的电子邮件安全解决方案，以防范商务电子邮件诈骗。VIPRE 集成电子邮件安全利用机器学习，并在 Amazon ECS、Amazon SQS 和 Amazon S3 上采用无服务器架构，实时检测并阻止复杂的电子邮件冒充行为，且无需修改 MX 记录。 Stopping business email compromise with AI-driven email security: How VIPRE protects modern enterprises on AWS aws.amazon.com +1
Amazon DynamoDB 批量执行器（第二部分：我们吃过的苦头与经验教训） 在《Amazon DynamoDB 批量执行器》系列文章的第二部分中，我们分享了该工具的开发过程：在与 DynamoDB 和 AWS Glue 协作过程中遇到的设计权衡、意外情况及变通方案。不妨将其视为任何希望在 AWS Glue 上构建自身批量工具人员的“旅行指南”。 Bulk Executor for Amazon DynamoDB, Part 2: Lessons we learned the hard way aws.amazon.com +1
基于 AWS HealthOmics 和 Amazon Bedrock AgentCore 的智能抗菌药物耐药性监测 本博文介绍了一种参考架构，可将公共测序数据转化为关于抗菌药物耐药性（AMR）基因的通俗易懂的答案。该架构将 AWS HealthOmics（用于托管基因组处理）与基于事实的 Amazon Bedrock AgentCore 智能体相结合，使研究人员无需编写生物信息学代码或 SQL 即可提出问题。 Agentic antimicrobial resistance surveillance with AWS HealthOmics and Amazon Bedrock AgentCore aws.amazon.com +1
在 Amazon EVS 上分步部署 Oracle 数据库，并配合 FSx for ONTAP 本文提供在 Amazon Elastic VMware Service (Amazon EVS) 上部署 Oracle Database 的分步操作指南，并使用 Amazon FSx for NetApp ONTAP 作为 NFS 数据存储。您将配置存储卷、挂载 NFS 数据存储、安装 Oracle，并配置跨区域的 SnapMirror 复制以实现灾难恢复。 Deploy Oracle Database step by step on Amazon EVS with FSx for ONTAP aws.amazon.com +1
在 Amazon EVS 和 FSx for ONTAP 上构建高可用 Oracle 数据库架构 学习如何在 Amazon Elastic VMware Service (Amazon EVS) 上构建高可用 Oracle 数据库环境，并集成 Amazon FSx for NetApp ONTAP。本文涵盖 EC2 裸金属实例选型、vSAN 与 FSx 存储分层、NSX 网络配置，以及面向保留 VMware 运维工具的企业级 SnapMirror 跨区域灾难恢复方案。 Architect highly available Oracle Database on Amazon EVS and FSx for ONTAP aws.amazon.com +1
在您的 VPC 中部署开源区域可用性工具 将 AWS 区域可用性数据作为自有基础设施进行部署。Capability Insights for AWS 会在您的 VPC 中运行一个每日自动刷新的托管仪表板，而 Workload Analysis 会将服务目录缩小至您账户实际运行的服务，从而使您的区域扩展差距分析仅聚焦于您部署的内容。 Deploy open source Regional availability tools in your VPC aws.amazon.com +1
加速航空零售创新：Datalex 如何利用 AWS 体验式加速与智能体 AI 实现现代化转型 Datalex，作为航空电子商务领域的领导者，与 AWS 合作开展为期三天的基于体验的加速（EBA）研讨会，以验证现代化改造的可行性。了解他们如何将核心预订组件从 EJB/Java 8 迁移至 Spring Boot/Java 21，构建安全的 CI/CD 流水线，增强可观测性，并集成代理式人工智能。 Accelerating airline retailing innovation: how Datalex modernized with AWS Experience-Based Acceleration and agentic AI aws.amazon.com +1
与 ARC 区域轮换配合开展多日 Azure 疏散演练 证明您的多可用区架构能够承受真实的故障。本文展示了如何使用 ARC 区域切换，在 Amazon ECS、Amazon EKS、Amazon RDS for PostgreSQL 和 Amazon Aurora PostgreSQL 上执行为期多日（48-72 小时）的可用区疏散演练，内容包括逐步 CLI 命令、先决条件、可观测性指标以及恢复程序。 Running multi-day AZ evacuation drills with ARC Zonal Shift aws.amazon.com +1
MHK 如何在 Amazon Bedrock 上构建符合 HIPAA 要求的智能体 AI 解决方案 MHK 构建了 SmartProminence AI Orchestrator，这是一个基于 AWS 的 HIPAA 合规智能体工作流框架，采用 Amazon Bedrock、Amazon ECS 以及事件驱动模式。该框架将人工医疗审查工作量减少了 90%，并将新 AI 功能的部署周期从数月缩短至数周。了解 MHK 如何为医疗 AI 设计这一可复用、多租户的智能体编排器。 How MHK built a HIPAA-eligible agentic AI solution on Amazon Bedrock aws.amazon.com +1
使用 AWS 上的 AG-UI 协议、智能体群和 Nova Act 构建自适应 AI 界面 学习如何构建能够自动适应代理可变输出的 AI 界面：利用 AG-UI 协议进行动态 UI 生成，采用 Strands Agents SDK 的蜂群模式实现可解释的多代理协作，并借助 Amazon Nova Act 集成缺乏 API 的遗留系统。 Build adaptive AI interfaces with the AG-UI protocol, agent swarms, and Nova Act on AWS aws.amazon.com +1
ReadyOn 的 Amazon EKS 租户隔离四重防线 ReadyOn 在 Amazon EKS 上运行一个多租户平台，用于处理高度敏感的企业管理数据。本文介绍了其“四重防线”模型：四层独立的租户隔离机制，结合 Kubernetes 命名空间、Karpenter 节点池、Amazon VPC 安全组以及按租户划分的 Amazon Aurora 数据库，以实现零信任纵深防御。 ReadyOn’s Four Walls of tenant isolation on Amazon EKS aws.amazon.com +1
CSIRO 如何在 AWS 上构建可扩展且成本优化的基因组变异查询系统 了解澳大利亚国家科学机构 CSIRO 的研究人员如何构建 Serverless Beacon（sBeacon），这是一种可扩展的无服务器解决方案，可在 AWS 上安全地查询基因组变异数据。sBeacon 采用 GA4GH Beacon 标准，利用 Amazon S3、AWS Lambda、Amazon DynamoDB 和 Amazon Athena 支持生产规模的临床与研究应用。 How CSIRO built scalable, cost-optimized genomic variant querying on AWS aws.amazon.com +1
Equinix 如何利用基于 Amazon EKS 的共享服务架构降低运营开销 Equinix，全球领先的数字基础设施公司，在 Amazon EKS 上构建了共享服务架构，以消除其自托管 Kubernetes 环境的运营分散问题。了解多账户北极星架构如何集中治理与共享服务，从而实现部署速度提升 4 倍，运营开销降低 40%。 How Equinix cut operational overhead with a shared services architecture on Amazon EKS aws.amazon.com +1
在 AWS 上构建云原生 PACS 一种用于在 AWS 上现代化医疗影像的混合云架构模式。了解多医院网络如何集中 PACS 归档、实现跨机构互操作性，并利用 Amazon S3 存储层级在大规模场景下管理成本与保留策略。 Building cloud-native PACS on AWS aws.amazon.com +1
DHI Group 如何利用黑客马拉松加速生成式 AI 工作负载从概念到生产的进程 了解 DHI Group 如何与 AWS 合作，通过结构化的黑客马拉松将生成式 AI 工作负载从概念推进到生产环境。本文介绍了黑客马拉松加速包、获胜项目 ClearanceJobs 和 AgileATS 在 Amazon Bedrock AgentCore 上的代理架构，以及使黑客马拉松成为可重复通往生产路径的核心原则。 How DHI Group accelerates generative AI workloads from idea to production using hackathons aws.amazon.com +1
从零样本预测到采购订单：利用 Amazon Bedrock AgentCore 将零样本预测与 Amazon Chronos2 及 Amazon Bedrock AgentCore 上的多智能体编排相结合，将需求预测转化为经验证的采购订单。无需针对每个产品训练模型，同时具备业务规则支持、可审计性以及可扩展至零的成本。 From zero-shot forecast to purchase order with Amazon Bedrock AgentCore aws.amazon.com +1
使用 Amazon DynamoDB 租约构建具有弹性的实时流处理工作器 实时流处理工作负载在持有数百个持久 WebSocket 连接时，一旦工作节点发生故障会导致数据丢失。了解如何在 Amazon ECS 和 AWS Fargate 上构建 WebSocket 舰队管理系统，利用 Amazon DynamoDB 条件写入作为分布式租约来追踪所有权、实现自动故障转移，并以低停机时间进行部署。 Building resilient real-time streaming workers with Amazon DynamoDB leases aws.amazon.com +1
使用 Amazon SQS 和 AWS 故障注入服务测试应用程序的弹性 学习如何使用 AWS 故障注入服务（AWS Fault Injection Service）和 AWS Systems Manager Automation 对 Amazon SQS 队列执行渐进式混沌实验。在生产环境发生真实故障之前，验证您的重试逻辑、熔断器和死信队列在故障场景下是否真正有效。 Testing application resilience with Amazon SQS and AWS Fault Injection Service aws.amazon.com +1
使用 AWS FIS 验证 Terraform Enterprise 的多区域容灾 了解 AWS、HashiCorp 和 Athenahealth 如何设计并针对 AWS 上 Terraform Enterprise 的多区域灾难恢复策略进行混沌测试。本文介绍了三个阶段的 AWS 故障注入服务实验，涵盖 Amazon EC2、Aurora 和 Amazon S3，实现了 12 至 14 分钟的恢复时间，并指出了应避免的状态文件依赖陷阱。 Validating multi-Region DR for Terraform Enterprise with AWS FIS aws.amazon.com +1
混合云编排：利用 AWS 现代化本地基础设施管理 学习如何使用 AWS 无服务器技术和 Amazon EKS Anywhere 构建混合云编排解决方案，以大规模管理分布式本地基础设施。第一部分涵盖用于自动化数百个站点服务器生命周期和集群管理的核心事件驱动架构模式。 Hybrid cloud orchestration: Modernizing on-premises infrastructure management with AWS aws.amazon.com +1
MCP 已实现无状态：您的 AWS MCP 服务器部署是否符合最佳架构？” 2026 年 7 月 28 日，MCP 将其协议核心改为无状态设计，移除了初始化握手与会话头信息。本文逐支柱将 MCP 2026-07-28 规范映射至 AWS 最佳架构代理 AI 透镜（AWS Well-Architected Agentic AI Lens），并阐明无状态设计如何使您能够删除 MCP 服务器在 AWS 上所需的粘性会话与会话存储。 MCP went stateless: Is your AWS MCP server deployment well-architected? aws.amazon.com +1
Gallup 利用 Amazon Bedrock 为成千上万人提供实时辅导 盖洛普将 90 年的职场科学转化为盖洛普 AI，这是一款由 Amazon Bedrock 驱动的生成式人工智能助手，可在盖洛普 Access 应用程序内直接向领导者提供实时、个性化的辅导。 Gallup scales real-time coaching for thousands with Amazon Bedrock aws.amazon.com +1
通过渐进式自主性弥合 AI 代理信任差距 大多数团队要么赋予 AI 代理完全访问权限，要么仅授予只读权限，导致价值未被充分利用或风险无法管控。本文介绍了一种名为“渐进式自主权”的架构模式：代理通过持续可靠的运行获得扩大的权限，并在性能下降时失去这些权限。该模式基于 Amazon Bedrock AgentCore、Amazon DynamoDB 和 AWS CodePipeline 构建。 Closing the AI agent trust gap with graduated autonomy aws.amazon.com +1
全球支付处理商如何在 AWS Organizations 迁移期间保留 AWS RAM 共享和 Lake Formation 权限 当 AWS 账户在组织间迁移时，组织绑定的 AWS RAM 资源共享会中断，控制平面访问也会丢失。了解一家全球支付处理商如何利用临时桥接共享，在涉及 382 个账户的 AWS Organizations 迁移过程中保留 AWS Lake Formation 权限，随后将原始共享恢复为持久化的单一事实来源。 How a global payment processor preserved AWS RAM shares and Lake Formation permissions during an AWS Organizations migration aws.amazon.com +1
使用 DynamoDB 和 Bedrock 构建统一的 AI 代理架构 借助 Amazon DynamoDB 的原生向量搜索功能，您可以在单个表中将向量嵌入与业务数据一同存储。本文展示了如何构建统一的 AI 代理架构，其中 Amazon Bedrock 代理使用同一个 DynamoDB 表进行结构化查询和语义搜索，并通过 DynamoDB Streams 管道保持嵌入数据的同步。 Build a unified AI agent architecture with DynamoDB and Bedrock aws.amazon.com +1
How AgentFlo 利用 Amazon Bedrock AgentCore 构建 AI 销售代理——第二部分 第二部分：AgentFlo 如何在 Amazon Bedrock AgentCore 和 AWS 无服务器架构上构建可信、可靠的 AI 销售代理。了解支撑超过 12% 净收入增长的三层护栏、基于事实的数据基础以及端到端可观测性，并展望实时语音和服务器端工具执行的下一步发展。 How AgentFlo built AI sales agents with Amazon Bedrock AgentCore – Part 2 aws.amazon.com +1
How AgentFlo 利用 Amazon Bedrock AgentCore 构建 AI 销售代理——第一部分 了解 AgentFlo 如何在 Amazon Bedrock AgentCore 和 Strands Agents SDK 上构建全天候 AI 销售代理。第一部分涵盖生产级代理的三大支柱——速度、标准化和可扩展性，包括基于食谱的部署、通过 AgentCore Gateway 的工具路由，以及弹性且具备状态管理的商业对话。 How AgentFlo built AI sales agents with Amazon Bedrock AgentCore – Part 1 aws.amazon.com +1
Clario 技术如何利用 Amazon Bedrock 在 DICOM 图像中检测 PHI/PII Clario（赛默飞世尔科技旗下公司）利用 Amazon Bedrock 和 Amazon Textract，在临床试验中自动检测数千张 DICOM 图像切片中的受保护健康信息（PHI）和个人身份信息（PII），涵盖元数据标签及嵌入图像像素中的文本。 How Clario technology detects PHI/PII in DICOM images using Amazon Bedrock aws.amazon.com +1
基于 Amazon Bedrock AgentCore 的 AI 赋能临床试验入组与安全性评估 基于 Amazon Bedrock AgentCore 构建的 AI 代理可帮助临床试验团队快速、准确地做出入组决策，同时确保临床医生掌握控制权。本文介绍如何利用 AWS HealthLake、AgentCore 和 AgentCore Evaluations 架构化一个资格与安全筛查代理。 AI-powered clinical trial eligibility and safety using Amazon Bedrock AgentCore aws.amazon.com +1
一致性即新延迟：数据层的人工智能 随着 AI 代理从聊天机器人演进为执行操作，其可靠性取决于其底层数据层的一致性。本文探讨复制延迟如何污染代理的上下文，并展示如何根据每项任务的一致性需求，匹配 Amazon Aurora、Amazon DynamoDB 和 Amazon Keyspaces 的复制模型。 Consistency is the new latency: AI at the data layer aws.amazon.com +1
大规模无服务器车辆追踪：Bosch L.OS 在 AWS 上的应用 了解博世移动平台解决方案如何在 AWS 上构建 L.OS，这是一个无服务器车辆追踪平台，它利用 Amazon ECS、AWS Lambda 和 Amazon MSK，将印度分散的零担物流市场统一为单一的实时可视性层。 Serverless vehicle tracking at scale: Bosch L.OS on AWS aws.amazon.com +1
使用 Amazon Bedrock 推理配置文件跟踪生成式 AI 成本 学习如何使用 Amazon Bedrock 应用推理配置文件和 AWS 成本分配标签按部门追踪生成式 AI 成本。为每个团队创建带标签的配置文件，并在 AWS Cost Explorer 中查看各部门的成本明细。 Track generative AI costs with Amazon Bedrock inference profiles aws.amazon.com +1
满足数据驻留要求的恢复策略 学习三种在满足数据驻留要求的同时实现灾难恢复的策略。从基于加密的多区域复制控制到完全在国境内的架构，这些模式帮助您平衡恢复目标与监管约束。 Recovery strategies to meet data residency requirements aws.amazon.com +1
使用参数化查询模板降低 Text2SQL 延迟 学习参数化查询模板如何将 Text2SQL 延迟降低 80%，并将 token 消耗减少超过 50%。本文介绍了一种智能缓存层的架构，该层利用语义相似性将用户问题匹配到 SQL 模板，从而绕过昂贵的 LLM 调用。 Reducing Text2SQL latency with parameterized query templates aws.amazon.com +1
Adobe Firefly：借助 Amazon Managed Prometheus 实现简化的可观测性 了解 Adobe Firefly 如何通过从自托管 Prometheus 迁移至 Amazon Managed Service for Prometheus，实现 GPU 指标查询速度提升 28 倍，并在查询性能、基础设施可靠性和运营效率方面取得显著改进。 Adobe Firefly: Simplified observability with Amazon Managed Prometheus aws.amazon.com +1
使用 Kiro 实现自组织多智能体集群的扩展模式 学习如何在 Amazon S3 中通过共享状态协调 AI 代理，而非依赖中央编排器。在 Amazon EC2 上部署并观察基于开源 kiro-flock 参考实现的自组织代理集群。 Scaling patterns for self-organizing multi-agent clusters with Kiro aws.amazon.com +1
在 Pelago 构建无服务器 AI 助手：从概念到关怀，两周完成 医疗机构面临一个关键的扩展挑战：如何在会员规模扩大的同时，保持对患者深度个性化的互动，既不压垮护理团队，又不降低服务质量。在 Pelago 这家专注于物质使用障碍支持的数字健康公司，工程团队找到了一种方法，利用 AWS 构建了一个 AI 驱动解决方案以应对这一挑战…… Building a serverless AI assistant at Pelago: concept to care in two weeks aws.amazon.com +1
为 AWS CloudFormation 自定义资源部署构建多区域弹性 AWS CloudFormation 是成千上万在 AWS 上运行工作负载的组织所采用的基础设施即代码（IaC）的基础工具。但随着团队不断拓展 CloudFormation 原生能力的边界，自定义资源作为一种强大的扩展机制应运而生，从而解锁了广泛的可能性。然而，当涉及构建具有弹性的多区域部署时，自定义资源…… Building multi-Region resiliency for AWS CloudFormation custom resource deployment aws.amazon.com +1
使用 AWS 服务构建面向边缘部署的离线优先生成式 AI 应用架构 根据西门子 2024 年报告《停机真实成本》，财富 500 强企业因非计划停机每年损失约 1.4 万亿美元。此类停机常因缺乏快速检测与解决故障的技能而加剧。生成式人工智能为解决这一问题提供了有前景的路径，但将这些能力部署到工业环境中…… Architecting offline-first generative AI applications for edge deployments using AWS services aws.amazon.com +1
使用 Amazon Macie 和 Step Functions 大规模自动化自定义 PII 检测 在金融服务、保险、医疗和政府等受监管行业中，组织会摄入大量包含个人身份信息（PII）的数据。您的应用程序、理赔处理系统、合作伙伴数据馈送以及内部工作流会产生可能包含姓名、地址、社会安全号码以及特定领域标识符（如保单号码、成员 ID 和医疗记录号）的文件。[……] Automate custom PII detection at scale with Amazon Macie and Step Functions aws.amazon.com +1
Eclipse Dataspace Components on AWS：成本优化策略” 在 AWS 上部署 Eclipse Dataspace Components (EDC) 连接器时，您面临的首要挑战之一是预测并控制所需基础设施的成本。缺乏明确的基准，将难以就工作负载规模、环境配置和长期投资做出明智决策。本三篇博客系列的第一部分介绍了基础内容…… Eclipse Dataspace Components on AWS: Cost optimization strategies aws.amazon.com +1
Eclipse Dataspace Components on AWS：生产环境中的架构模式 在生产环境中运行 AWS 上的 Eclipse Dataspace Components (EDC) 连接器，需要围绕隔离、托管服务和安全分层做出审慎的架构决策。本系列文章第一部分介绍了基于国际数据空间协会（IDSA）标准的数据空间架构基础及 EDC 相关内容。如果您初次接触 EDC，建议从该部分开始学习。[……] Eclipse Dataspace Components on AWS: Architecture patterns in production aws.amazon.com +1
Eclipse 数据空间组件在 AWS 上：数据共享基础 本三篇博客系列将指导您在 AWS 上实施 Eclipse Dataspace Components（EDC），从基础概念到生产部署。第一部分建立理论基础，涵盖 IDSA 标准、Dataspace Protocol（DSP）以及核心 EDC 架构。第二部分提供使用 Amazon Elastic Container Service（Amazon ECS）、Amazon Aurora 等服务构建的生产就绪型 AWS 部署模式…… Eclipse Dataspace Components on AWS: Data sharing fundamentals aws.amazon.com +1
使用 AWS 用户通知优先处理 AWS Health 警报 如果您在 AWS 上运行关键工作负载，例如 Amazon Connect Customer 上的联络中心、Amazon Relational Database Service (Amazon RDS) 上的数据库工作负载，或通过 AWS Direct Connect 实现的混合连接，服务健康事件需要您的关注。但并非所有事件都同等重要。运营问题、计划维护窗口以及弃用通知…… Prioritize your AWS Health alerts using AWS User Notifications aws.amazon.com +1
bitdrift 如何在 Amazon CloudFront 上扩展至支持 1.21 亿个并发 gRPC 连接，以应对实时电竞赛事遥测数据 当 1.21 亿台移动设备在直播开始后数秒内建立持久 gRPC 连接至您的源基础设施时，您 DNS 记录背后的路由策略的重要性远超正常流量水平。错误的策略可能导致所有连接集中到单个源端点，将扩展成功转变为…… How bitdrift scaled to 121 million concurrent gRPC connections on Amazon CloudFront for live telemetry sporting events aws.amazon.com +1
Mapfre USA 如何利用 Amazon EMR Serverless 实现欺诈理赔的现代化 保险欺诈仍是保险业面临的重大挑战，因为欺诈性索赔会增加损失成本、削弱信任，并消耗本可用于服务客户的调查资源。传统的欺诈检测方法通常依赖基于规则的控制、人工调查触发、历史索赔模式以及仅基于结构化数据的分析。这些方法对于已知的…… How Mapfre USA modernized fraud claims with Amazon EMR Serverless aws.amazon.com +1
