亚马逊AWS官方博客
TwelveLabs 视频理解模型现已在 Amazon Bedrock 中推出
今年年初,我们预先宣布即将在 Amazon Bedrock 中推出 TwelveLabs 视频理解模型。而现在 […]
推出 Amazon Bedrock AgentCore(预览版):安全部署并运行任何规模的 AI Agents
短短几年间,基础模型(FM)已从直接响应用户提示生成内容,发展到为 AI Agents 提供支持。AI Age […]
AWS Free Tier 更新:新客户可以使用多达 200 美元的抵扣金开始探索 AWS
如果您是 Amazon Web Services(AWS)的新手,可以开始使用 AWS Free Tier 来 […]
零代码生成 3D 游戏:基于 Amazon Q Developer CLI 和 Three.js 的实践
Amazon Q Developer 是一个由生成式人工智能(AI)驱动的对话助手,可帮助你理解、构建、扩展和 […]
使用 pgpool-II 与 Amazon Aurora for PostgreSQL 构建高可用读写分离架构
本文介绍了使用 Pgpool-II 中间件与 Amazon Aurora PostgreSQL 构建高可用读写分离架构的完整解决方案 。该架构利用 Aurora 的存储计算分离、共享存储和快速故障转移特性,结合 Pgpool-II 的智能 SQL 路由功能 ,实现写操作自动路由到主实例,读操作按权重分发到只读副本。该解决方案提供企业级数据库服务,具备自动扩展、容错能力,通过单一连接端点简化应用开发,将读写分离复杂性从应用代码中抽象出来。
基于 Amazon Q Developer CLI 进行智能混沌工程实验
在现代云原生架构中,系统的复杂性和分布式特性使得传统的测试方法难以全面验证系统的韧性。混沌工程作为一种主动发现系统弱点的方法论,已经成为构建可靠系统的重要实践。然而,传统的混沌工程实施过程往往需要大量的人工干预,从定义稳态假设到设计实验模板,再到分析实验结果,都需要依赖架构师具备深厚的专业知识和丰富的经验。为了解决这一挑战,AWS 提供了生成式 AI 解决方案,旨在通过自然语言交互和智能体的特性,自动化这些任务,提升混沌工程的整体效率,可以极大地提高混沌工程实验的效率和实验的准确性。
AWS 一周综述:AWS Builder Center、Amazon Q、Oracle Database@AWS 等(2025 年 7 月 14 日)
英国的夏天已悄然而至! 不过我对夏天有点“无感”,不像大多数人那样热衷于在户外活动时被“灿烂的阳光”炙烤。但好 […]
全新的 AWS WAF AntiDDoS 托管规则
这篇文章我将为您介绍,AWS 在侦测和缓解 HTTP DDoS 攻击的解决方案。客户使用 AWS 解决方案来应对不断变化的 DDoS 威胁情势时面临的挑战,另外为您介绍,全新推出的 AWS WAF AntiDDoS 托管规则 AWSManagedRule(AMR) 功能。
云端成本治理利器:亚马逊云科技智能仪表盘深度解析
1. 开篇导语 在当今云计算已成为企业数字化核心支撑的背景下,“成本不可控”正逐渐演变为上云过程中最棘手的隐患 […]
利用大语言模型与 RAG 架构构建智能化 Support Case 问答系统
1. 引言 在云计算环境中,快速响应和解决客户问题至关重要。亚马逊云科技技术支持案例是客户与亚马逊云科技支持团 […]