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
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
解锁视频数据的未来：March Networks 在 AWS 上的云存储 企业级视频监控正以前所未有的规模运行：零售、银行、快餐店（QSR）、便利店和交通网络等组织在数千个分布式地点产生 PB 级的视频数据。随着留存要求不断提高，且组织希望从视频中提取更多运营洞察，传统的本地存储模式正变得愈发困难，且…… Unlocking the future of video data: March Networks cloud storage on AWS 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。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管控、人工调查触发机制、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欺诈…… How MAPFRE USA modernized fraud claims with Amazon EMR Serverless aws.amazon.com +1
面向灵活数据工作流的规范驱动组合 Specification-driven composition 解决了数据管道中常见的可扩展性瓶颈。数据管道通常以简单脚本起步，但随着其发展，转换逻辑会被重复，微小的变更也会在不同工作流中产生连锁反应。在多个脚本中复制和修改数据转换逻辑，会导致工作流在大规模场景下难以管理。追踪每个管道的具体操作 […] Specification-driven composition for flexible data workflows aws.amazon.com +1
S&P Global 利用 Amazon FSx for NetApp ONTAP 快照实施的创新灾难恢复策略” 在本文中，我们介绍 S&P Global Market Intelligence 如何利用 Amazon FSx for NetApp ONTAP 为其 Capital IQ 平台实施了一项创新的灾难恢复解决方案。该解决方案能够在 15 分钟内将故障切换至次要区域的只读模式，并在需要时实现完整的读写恢复。这种方法在缩短故障切换时间的同时，确保了全球金融业务的数据一致性。 S&P Global’s innovative disaster recovery strategy using Amazon FSx for NetApp ONTAP snapshots aws.amazon.com +1
从扩展到 100 万个 Lambda 函数中汲取的经验教训 在本文中，我们分享了构建和运营一个全无服务器、多账户的规模化软件即服务（SaaS）平台的历程与经验教训。我们将探讨为何真正的“零空闲”（scale-to-zero）至关重要，如何管理配额，为何尽早与 AWS 服务团队合作使我们免于服务中断，以及在从数千次函数调用扩展到超过一百万次函数调用后，出现了哪些意想不到的实践。 Lessons learned from scaling to 1 million Lambda functions aws.amazon.com +1
使用 Amazon SageMaker AI 防止机器学习环境中的数据外泄 在本文中，我们展示了 iBusiness 如何利用 Amazon SageMaker AI、虚拟私有云（VPC）端点以及 Amazon WorkSpaces 安全浏览器，构建三层安全架构，在防止数据泄露的同时保障数据科学家的生产力。您可以借鉴此方法，构建既严格保护数据又兼顾团队可扩展性的安全机器学习环境。 Preventing data exfiltration in machine learning environments with Amazon SageMaker AI aws.amazon.com +1
使用 AWS 上 Amazon Cognito 为 Nakama 游戏服务器实现双令牌身份验证 在本篇博客中，您将学习如何配置 Amazon Cognito 用户池，以支持无客户端密钥的 SRP 游戏客户端身份验证。您将实现一个 Go 运行时钩子，用于验证 Cognito JWT，并将玩家身份桥接到 Nakama 会话中。 Dual-token authentication for Nakama game servers with Amazon Cognito on AWS aws.amazon.com +1
使用 Amazon Bedrock 和 Verified Permissions 实现安全的多租户 RAG 本文介绍了一种双层纵深防御授权模式，用于在检索增强生成（RAG）应用中实现细粒度的租户内访问控制。纵深防御是一种安全策略，通过多层独立的保护措施来保障系统安全。每一层均独立运行；若某一层配置不当，其他层仍可强制执行访问控制。该模式运行于 Amazon Bedrock，这是一项完全托管的服务，可通过单一 API 提供来自 Amazon 及 AI 公司的高性能基础模型（FMs）选择，并具备构建具备安全性、隐私性和负责任 AI 特性的生成式 AI 应用所需的一系列广泛能力。 Secure multi-tenant RAG with Amazon Bedrock and Verified Permissions aws.amazon.com +1
使用 Amazon SageMaker Unified Studio 实现金融分析现代化 Avanse Financial Services，印度领先的教育贷款提供商，采用 Amazon SageMaker Unified Studio 迁移至云原生数据湖仓架构，在 AWS 上实现了数据工程、分析和人工智能（AI）工作流的统一，并构建于单一受管环境中。在本篇博客中，我们将回顾其迁移历程，以便您将其方法适配至自身环境。 Modernizing financial analytics with Amazon SageMaker Unified Studio aws.amazon.com +1
在AWS上构建AI驱动的韧性框架 在本文中，您将学习如何架构并实施一个五层 AI 驱动的韧性框架，该框架能够自动发现依赖关系、生成针对性实验，并与您现有的持续集成/持续部署（CI/CD）流水线集成。首先，我们将探讨韧性测试中的关键挑战。接着，我们将逐步介绍解决这些挑战的五层架构。最后，我们将展示如何实施该框架，并提供分阶段部署指南，涵盖试点、扩展及全组织范围部署。 Architecting AI-powered resilience framework on AWS aws.amazon.com +1
利用 Vonage 网络赋能解决方案与 Amazon Cognito 降低短信 OTP 欺诈 在本文中，我们展示了 Vonage 网络赋能解决方案如何与 Amazon Cognito 协同工作，通过网络级身份验证增强众多以移动优先的应用场景。Vonage 网络赋能解决方案是由实时移动运营商情报、静默认证和集成欺诈防护组成的可组合架构，利用 CUSTOM_AUTH 流程在 5 秒内完成身份验证，且无需用户交互。 Reducing SMS OTP fraud with Vonage network-powered solutions and Amazon Cognito aws.amazon.com +1
三星如何利用 AWS Lambda 响应流实现实时定价 在本文中，我们将探讨遗留架构面临的挑战、无状态流式解决方案、关键实现模式以及性能测试结果——如果您正在构建聚合来自多个后端数据源的高流量 API，此模式可供参考应用。 How Samsung achieved real-time pricing with AWS Lambda Response Streaming aws.amazon.com +1
介绍 Snowflake 与 AWS 的 AWS Well-Architected Framework 自定义视角 Snowflake 与 AWS 自定义最佳架构框架视角将 AWS 最佳架构实践与 Snowflake 指导方针整合为单一的审查体验，并提供反映两者在生产环境中组合方式的集成建议。在本篇博客中，我们将逐一介绍各支柱、三个访问入口（AWS 管理控制台、Kiro 和 Snowflake Cortex Code），以及如何运行首次审查。 Introducing the Snowflake and AWS Custom Lens for the AWS Well-Architected Framework aws.amazon.com +1
使用 Amazon Bedrock Data Automation 和 AWS HealthLake 实现医疗记录数字化自动化 在本篇博客中，您将学习如何构建一个自动化、无服务器的管道，利用 Amazon Bedrock Data Automation 和 AWS HealthLake 将扫描的 PDF 医疗记录转换为符合 FHIR R4 标准的数据。我们将介绍整体架构，说明各个 AWS 服务如何依次连接，展示管道运行时的实际效果，并帮助您在 20 分钟内完成部署。 Automate medical record digitization with Amazon Bedrock Data Automation and AWS HealthLake aws.amazon.com +1
将架构待办事项与技术路线图优先级（TRP）对齐 在本文中，我们将展示如何与利益相关者开展为期一小时的优先级排序会议，通过成本与影响维度在共享矩阵上绘制相互竞争的举措，并将结果转化为可执行的架构待办事项列表——采用名为技术路线图优先级排序（Tech Roadmap Prioritization, TRP）的框架。 Align your architecture backlog with Tech Roadmap Prioritization (TRP) aws.amazon.com +1
使用 Amazon FSx for NetApp ONTAP 构建高可用 Oracle 数据库 本文展示了如何利用 FSxN 共享存储、支持动态 AMI 更新的自动伸缩组以及无服务器编排，构建高可用的 Oracle 数据库架构，从而在现有配置下缩短恢复时间。 Building highly available Oracle databases with Amazon FSx for NetApp ONTAP aws.amazon.com +1
使用 AWS 上的 Doczy.ai™ 自动化合同智能 在本文中，我们将展示 Doczy.ai™ 如何利用 AWS 上的生成式 AI 规模化实现合同智能自动化，将非结构化文档转化为结构化、可操作的洞察，从而使组织能够自动化关键业务流程，并充分释放其数据价值。 Automating contract intelligence with Doczy.ai™ on AWS aws.amazon.com +1
扩展肿瘤患者支持：纽约癌症与血液专科如何通过 AWS 和 Pronetx（现为 Caylent 旗下品牌）重塑客户体验 本文详细介绍了纽约市儿童保健服务局（NYCBS）如何与亚马逊网络服务（AWS）及其合作伙伴 Pronetx（现已并入 Caylent）合作，迁移至 Amazon Connect Customer，即 AWS 云联络中心服务。此次迁移使患者注册率提升了 54%，并彻底改变了 NYCBS 与最需要帮助的患者建立联系的方式。 Scaling oncology patient support: How New York Cancer and Blood Specialists transformed customer experience with AWS and Pronetx, now part of Caylent aws.amazon.com +1
在 Amazon Cognito 之上构建可扩展的用户搜索层 在本文中，我们将展示如何利用 AWS Lambda、Amazon DynamoDB 和 Amazon OpenSearch Service，在 Amazon Cognito 之上构建一个全面且可扩展的用户搜索层。 Building a scalable user search layer on top of Amazon Cognito aws.amazon.com +1
AWS 上的网络韧性：针对勒索软件和破坏性事件的恢复参考方案 “网络韧性是指在对手影响环境后，将工作负载恢复至已知良好状态的能力。预防旨在阻止威胁行为者入侵，检测旨在快速发现他们。网络韧性聚焦于恢复：当备份、凭证或基础设施部分无法再被假定可信时，恢复一个值得信赖的环境……" Cyber resilience on AWS: A reference approach for recovery from ransomware and destructive events aws.amazon.com +1
ALS GeoAnalytics 如何利用 Amazon EKS 通过机器学习革新岩芯编录：LITHOLENS ™ 本博客探讨了 ALS GeoAnalytics 如何成功将 LITHOLENS ™ 部署于 Amazon Elastic Kubernetes Service（Amazon EKS），以扩展模型训练与推理能力，同时最小化成本。 How ALS GeoAnalytics LITHOLENS ™ revolutionizes core logging through machine learning with Amazon EKS aws.amazon.com +1
Synthesia 如何在 Amazon EC2 G7e 实例上优化生成式 AI 视频推理 本文介绍了一种视频解码优化技术，该技术由我们与 Synthesia 研究工程团队共同构思，称为异步帧生成管道（Asynchronous Frame Generation Pipeline）。采用此技术可重叠 GPU 计算、设备到主机（D2H）数据传输以及主机端后处理。本文以 Wan 视频生成模型的 VAE 解码器为例应用该技术，在 G7e 上的基准测试显示，GPU 内核利用率从 82% 提升至 99.9%，进而使视频解码的延迟降低 8.2%（吞吐量相应提升）。我们预期，任何采用分块视频生成管道并将帧传输至主机内存的客户均可从中受益。 How Synthesia optimizes generative AI video inference on Amazon EC2 G7e instances aws.amazon.com +1
使用 Lambda 将 CloudWatch 指标流式传输至基于 VPC 的 OpenTelemetry 收集器 在本文中，我们展示了一种针对客户解决该挑战的方法：通过实现一个 AWS Lambda 转换函数，将 Amazon CloudWatch 指标直接流式传输到运行在 VPC 内部的内部 OpenTelemetry 收集器。 Streaming CloudWatch metrics to VPC-based OpenTelemetry collectors using Lambda aws.amazon.com +1
