亚马逊AWS官方博客
使用 Amazon EBS 优化实例突发功能提高应用程序性能并降低成本
EC2 C5/C5d 和 M5/M5d 实例均以 Nitro 系统为基础构建。AWS 构建的这一软件和硬件集合可实现高性能、高可用性、高安全性以及裸机功能,以降低虚拟化开销。
在 Nitro 系统的设计过程中,我们对真实世界的工作负载进行了分析,意识到需要利用更小的实例大小来通过 Amazon EBS 卷提升性能。为改善这些工作负载的体验,我们研发了适用于小型实例大小的突发功能。这种突发功能最终可以通过调整实例大小并提高总体资源利用率来降低成本。
使用 Amazon EC2 M5 和 R5 实例提升 Amazon ElastiCache 性能
早些时候,Amazon EC2 推出了令人兴奋的实例系列,M5 和 R5。这些实例基于 AWS Nitro 系统,该系统结合了专用硬件和轻量级管理程序,旨在提供与裸机性能相同的性能。Amazon ElastiCache 在云中提供与 Redis 或 Memcached 兼容、完全托管的内存中数据存储和缓存服务。在 ElastiCache 中增加对 M5 和 R5 实例的支持时,我们花时间利用基于 AWS Nitro 的系统,并针对 ElastiCache for Redis 优化这些实例。
Western Digital HDD 云级模拟 – 250 万个 HPC 任务,4 万个 EC2 Spot 实例
博文介绍了如何进行Western Digital HDD 云级模拟。
如何针对整合工作负载规划和优化兼容 MySQL 的 Amazon Aurora
对于希望整合数据库工作负载的客户而言,兼容 MySQL 的 Amazon Aurora 是热门选择。Aurora MySQL 是关系数据库引擎,它兼具高端商业数据库的速度和可靠性与开源数据库的简便性和高成本效益。它的吞吐量还可达到标准 MySQL 社区版本的五倍。这篇博文提供了一些意见,希望能够帮助您针对大型整合数据库工作负载优化 Amazon Aurora。
使用 EC2 C5 实例和 BigDL 来利用低精度和量化进行深度学习
在本博客中,我们将演示 BigDL,适用于 Apache Spark 的开源分布式深度学习框架,它可以利用 AWS C5 实例中提供的新功能,这些功能可以显着改善大型深度学习工作负载。具体来说,我们将展示 BigDL 如何使用 C5 实例来利用低精度和量化,以便最多将模型大小缩小 4 倍,使推理速度提升近 2 倍。
借助 Lambda,结合使用 DynamoDB 和 Amazon Elasticsearch | AWS 初创公司博客
本文提出了一种方法,该方法同时使用 DynamoDB 和 Elasticsearch,通过使用由 DynamoDB Stream 事件在表上调用的 Lambda 函数使集群保持最新状态。通过这种方式,我们可以根据流事件中的数据确定何时需要在集群中添加、删除或更新项目。
借助 Multi-Factor Authentication 保护实例安全 | AWS 初创公司博客
在 AWS,确保安全是我们的首要任务,因此我们建议客户在其应用程序的各层中实施安全控制。本文将通过要求管理员进行双重身份认证才能使用 SSH 连接,来为 EC2 实例增添一层身份验证安全保护。
如何使用 Amazon CloudFront 加速您的 WordPress 站点 | AWS 初创公司博客
这篇博文将明确解释如何让采用合理标准配置的 WordPress 网站或博客实现性能提升。本解决方案还将包括 AWS Shield 标准的优势,例如针对最常见的 DDoS 攻击的保护措施,而且不影响启动速度,也无需额外费用。
在 AWS 上轻松升级您即将到达支持终止日期的 Microsoft 2008 R2 工作负载 | AWS 数据库博客
本博文提供了有关使用 AWS Systems Manager 自动在 AWS 上升级即将达到支持终止日期的 Windows Server 2008 R2 和 SQL Server 2008 R2 实例的指南。该指南可帮助您使用低风险方法将这些版本升级至较新的受支持版本。此外,Microsoft 会在 SQL Server 2008 R2 的扩展支持期间提供技术支持,包括安全更新。
Amazon EC2 R5实例更新 – 更快的处理器,更多内存
最近,AWS 发布了基于最新一代 Intel Xeon Scalable Platinum 处理器的全新计算密集型 Amazon EC2 C5 实例。这些实例专为计算量大的应用程序设计,并且与 C4 实例相比,性能明显改进。它们还为每个 vCPU 提供更多内存,是矢量和浮点工作负载的两倍。
在本博客中,我们将演示 BigDL,适用于 Apache Spark 的开源分布式深度学习框架,它可以利用 AWS C5 实例中提供的新功能,这些功能可以显着改善大型深度学习工作负载。具体来说,我们将展示 BigDL 如何使用 C5 实例来利用低精度和量化,以便最多将模型大小缩小 4 倍,使推理速度提升近 2 倍。