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
Zillow 如何在 AWS Step Functions 上运行每日 1 亿次通知 Zillow 每天发送超过 1 亿条个性化通知，每条通知都是一个短暂的 AWS Step Functions Express 工作流。了解 Comms Experience 团队如何用一套由配置驱动的编排平台和可复用内容模块库，替代了超过 10 个活动生成器。 How Zillow runs 100 million daily notifications on AWS Step Functions aws.amazon.com +1
使用 Amazon Application Recovery Controller 区域切换实现自助式区域故障转移，并配合集中式入口控制 受监管企业的应用团队可利用 Amazon Application Recovery Controller (ARC) Region Switch 执行自助式区域故障转移，即使处于集中管理的入口代理舰队之后。了解如何通过 Transit Gateway 对等连接、Route 53 私有托管区域和 VPC Lattice 在消除灾难恢复期间的跨团队协调的同时保留安全控制措施。 Self-service regional failover with Amazon Application Recovery Controller Region Switch and centralized ingress controls aws.amazon.com +1
通过智能体 AI 变革 Novus Hi-Tech 的车队分析 了解 Novus Hi-Tech 如何与 AWS 原型设计与 AI 客户工程（PACE）团队携手，构建 FleetGPT——一款基于 Amazon Bedrock 的代理式 AI 解决方案。该方案通过自然语言查询、自动化调查以及 AI 驱动的司机语音通话，将车队物联网数据转化为实时安全干预措施，使道路行为违规减少 46%，困倦警报减少 55%。 Transforming fleet analytics for Novus Hi-Tech through agentic AI aws.amazon.com +1
DeepL 如何在维护期间保持最近的出口路由与 AWS Cloud WAN DeepL 在多个 AWS 区域和 AWS Direct Connect 位置之间运行跨区域的混合网络。了解 DeepL 如何利用 AWS Cloud WAN 和本地 AS_PATH 预pend，在计划维护期间将单个 Direct Connect 链路引流，实现零丢包且无需跨区域重路由，同时确保其他所有区域仍保持最近的出口路由。 How DeepL keeps closest-exit routing during maintenance with AWS Cloud WAN aws.amazon.com +1
OrderServ 如何通过多租户 ECS 实现高达 64% 的成本节约 看看 Cognizant 和 AWS 专业服务如何将 OrderServ 食品订购平台转型为基于共享 Amazon ECS 的多租户 SaaS 解决方案，将计算成本降低高达 64%，将扩展时间从分钟级缩短至秒级，并将认证成本降低 80%。 How OrderServ achieved up to 64% cost savings with multi-tenant ECS aws.amazon.com +1
TUI 如何利用 Amazon Bedrock 为 100 多个团队扩展威胁建模 了解全球领先的旅游集团 TUI 如何在 Amazon Bedrock 和 Amazon Bedrock AgentCore 上构建 AI 驱动的威胁建模系统，从而在超过 100 个产品团队中规模化安全评估，将威胁建模时间缩短高达 70%，同时一致地应用安全标准。 How TUI scales threat modeling for 100+ teams with Amazon Bedrock aws.amazon.com +1
如何开展灾难复原准备任务 本最终篇将 DR 框架转化为可重复的参与流程：从启动与差距评估，逐步推进至验证，直至更新后的恢复承诺，包含真实的“前后对比”示例，并介绍如何将时间线从数月压缩至数周。此为三篇系列文章的第三篇。 How to run a DR readiness engagement aws.amazon.com +1
验证您的灾难恢复承诺：从受控测试到实战就绪 在定义您的 DR 目标后，测试将验证这些目标是否成立。本文介绍了一个四级渐进式验证模型（桌面推演、计划切换、突袭演练和游戏日），并展示每一级如何揭示不同类别的恢复差距，从而反馈至您的承诺中。本文为三部分内容中的第二部分。 Validating your DR commitment: From controlled test to real-world readiness aws.amazon.com +1
定义你灾难复原成功的三个商业决策 灾难恢复策略的强度取决于其背后的业务决策。在选定架构模式之前，有三个关键决策决定了恢复是否成功：您实际要恢复什么、业务从该恢复中需要获得什么，以及您的依赖关系允许您承诺什么。这是三部分内容的第一部分。 Three business decisions that define your DR success aws.amazon.com +1
自动化完整的 AWS DRS 代理生命周期：安装、修复和卸载 使用 AWS Elastic Disaster Recovery 持续保持大型 Amazon EC2 实例群的可恢复性是一项生命周期挑战。本文展示了如何利用 AWS Systems Manager Automation 和 Amazon EventBridge，通过单个 EC2 标签驱动，自动化完整的 DRS 代理生命周期（安装、修复和卸载），且无需使用 Lambda 函数。 Automating the full AWS DRS agent lifecycle: Install, heal, and offboard aws.amazon.com +1
宝马集团如何在 AWS Graviton 上加速联网车辆工作负载 了解宝马集团如何将车联网平台从 x86 迁移至 AWS Graviton。借助 Karpenter、多架构容器构建以及基于 Graviton 的 CI/CD 运行器，该团队实现了无中断的工作负载迁移，将 NGINX Ingress 的 CPU 使用量降低了约 57%，并提升了约 40% 的价格性能比。 How BMW Group accelerated connected vehicle workloads on AWS Graviton aws.amazon.com +1
boAt 如何利用 Amazon Bedrock 提供个性化健身指导 了解 boAt 如何在 Amazon Bedrock 和 AWS Lambda 上构建其 AI Coach 功能，为印度数百万智能手表用户提供个性化、实时的健身指导，以及该解决方案在可扩展性和成本效益方面的设计决策。 How boAt delivers personalized fitness coaching with Amazon Bedrock aws.amazon.com +1
Revinate 如何通过 Amazon API Gateway 加速 API 采用 在加速 API 采用率的同时降低运营开销，是每一个成长型组织面临的挑战。对于 Revinate 而言，这是一家服务于全球 12,500 多家酒店的酒店服务提供商，并支撑着超过 12.5 亿个客户档案；Amazon API Gateway 成为了其解决方案的基础。Revinate 赋能酒店经营者直接与每一位客户在所有接触点建立连接，从而推动 2400 万美元…… How Revinate accelerated API adoption with Amazon API Gateway aws.amazon.com +1
使用 AWS Agentic AI Lens 自动化代理式 AI 最佳架构审查 Smarsh 利用 AWS 完善架构框架中的代理 AI 视角，对其首个代理工作负载进行了审查。由于该视角在控制台中尚不可选，团队将其编码为一种 Claude 技能，该技能针对工作负载的 GitHub 仓库评估了全部 150 项最佳实践，并在数小时内生成了基于证据的审查工作簿，而非数天。 Automating agentic AI Well-Architected reviews with the AWS Agentic AI Lens aws.amazon.com +1
使用 Kiro SCORM 流水线发布 LMS 课程 了解如何使用代理型人工智能 Kiro，将原始培训材料自动转换为符合规范的 SCORM 包，以便上传至学习管理系统（LMS）。 Publishing LMS courses with a Kiro SCORM pipeline aws.amazon.com +1
基于机器学习的船舶特定航次优化：Manta 在 AWS 上 Manta Marine Technologies 通过针对每艘船舶自身的运营历史训练机器学习模型，弥合了看似相同的船舶之间的差距。了解 Manta 如何在 AWS 上提供针对特定船舶的航次优化，以帮助船东降低燃油消耗并提升航次效率。 Vessel-specific voyage optimization with machine learning: Manta on AWS aws.amazon.com +1
How Anchorage Digital and Turnkey 使用 AWS Nitro Enclaves 验证代码 Anchorage Digital 和 Turnkey 在 AWS Nitro Enclaves 上构建了可验证的基础设施，使加密钱包能够以密码学方式验证解析交易的代码。本文涵盖其架构、基于证明的访问模式，以及该模式如何扩展至区块链之外的高信任工作流。 How Anchorage Digital and Turnkey verify code with AWS Nitro Enclaves aws.amazon.com +1
Amazon S3 中的带注释的数据治理 将治理上下文（如分类、保留期、驻留地和 PII 标记）直接附加到您的 Amazon S3 对象上，使用 S3 注解。本文介绍了端到端的模式以及决定您的治理设计是否正确的少量 S3 行为。 Data governance with annotations in Amazon S3 aws.amazon.com +1
下一代 AWS 韧性中心建议的韧性测试 下一代 AWS 韧性中心引入了推荐的韧性测试：四项预配置的、由 AWS FIS 驱动的测试，用于验证您的服务如何在可用区、依赖项和区域之间检测并恢复故障，将韧性策略转化为基于证据的通过或失败结果。 Recommended resilience testing in the next generation of AWS Resilience Hub aws.amazon.com +1
使用 Step Functions 和 Amazon Bedrock AgentCore 实现医疗编码自动化 学习如何使用 AWS Step Functions 和 Amazon Bedrock AgentCore 框架，将确定性编排与有界代理推理相结合。该医疗编码工作流采用“最便宜优先”的升级策略：首先通过安全黑名单进行过滤，其次进行精确匹配，最后仅对需要人工判断的术语调用 AI 代理，确保每一次路由决策均可审计。 Automate medical coding with Step Functions and Amazon Bedrock AgentCore aws.amazon.com +1
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
