Author: AWS Team

互联网时代带来了数据量的海量增长，数据驱动业务决策成为大势所趋。分析人员迫切的希望能快速的交互式的从海量的数据中抓取有用的信息来辅助决策。在AWS上，Amazon S3对象存储服务由于其高可用性，高持久性，可扩展性和数据格式兼容性等特点成为建设存储海量数据的数据湖的首选。Amazon Athena可以轻松对Amazon S3中的数据进行交互式查询，是一款开箱即用、无需运维的全托管服务。

随着云计算的发展，云原生（CloudNative）的概念应运而生。云原生基金会（CNCF） 董事会成员，AWS的云架构战略副总裁，前Netflix云架构总监Adrian Cockcroft定义云原生架构为充分利用按需交付、全球部署、弹性、云原生服务的优势，以在开发者生产率、业务敏捷性、扩展性、可用性、利用率和节约成本等方面得到明显提高。而云原生基金会（CNCF）定义云原生技术为有利于各组织在公有云、私有云和混合云等新型动态环境中，构建和运行可弹性扩展的应用。云原生的代表技术包括容器、服务网格、微服务、不可变基础设施和声明式API。
因此，我们开辟此云原生专栏，旨在为读者带来云原生相关的系列文章，以帮助读者更好地理解和运用云原生，获得更大的业务价值。

Amazon Neptune是一个高性能图数据库，并对图的存储和查询进行了优化，可以存储数十亿个关系并将图形查询延迟降低到毫秒级。它也是一个托管的图数据库，能快速创建图数据库集群，减少了运维和管理图数据库的工作，让我们把工作重心放在业务开发和创新上。Amazon Neptune 支持常见的图形模型 Property Graph 和 W3C 的 RDF 及其关联的查询语言 Apache TinkerPop Gremlin 和 SPARQL，从而使您能够轻松构建查询以有效地分析高度互连数据集。它支持社交网络分析、建议引擎、欺诈检测、知识图谱、药物开发和网络安全等应用案例。

当客户在EKS上部署微服务时，他们发现AWS ALB Ingress Controller会为每个入口资源创建一个新的ALB。 当客户有数百个微服务时，也会生成数百个ALB，从管理和经济成本上分析，可能会让客户的使用成本变得非常高。 所以支持跨ingress资源重用ALB是客户的一个重要需求。 此外，每个帐户ALB的数量限制为50个,如果超过此限制需要不断的提升ALB的数量，这增加了客户运维的风险和负担。因此，针对这个现状，结合开源项目实现了一套合并ALB ingress controller的方法来解决客户的问题，其原理是：合并Ingress Controller并允许创建ingress资源，这些ingress资源将被组合在一起以创建将由同一控制器管理的新入口资源

本文将介绍Glue的DataCatalog，爬网程序，ETL，以及Demo展示。

本文介绍了企业通过AWS云构建IT基础环境的3种方法，并对基于隧道+NAT的方法给出了利用AWS Market Place上的VyOS镜像进行实验的配置方法。

AWS Firecracker是一款由 AWS开源的轻量级虚拟化运行环境，客户可以在 AWS 云上和本地环境中使用它。Firecracker MicroVM 同时具备传统虚拟机的安全性和工作负载隔离能力以及容器的速度和资源利用率。运行在为 Firecracker 优化过的 Amazon 裸金属 EC2 服务器上的 MicroVM是多租户容器服务的理想选择，可以为最新的微服务或无服务器架构的现代应用提供方便、敏捷的开发和部署环境。

上篇文章介绍了 AWS Firecracker 的原理，今天笔者将介绍两种在 Firecracker 上运行容器应用的方法，并演示 Ignite 与 Footloose 方式。Firecracker 单词中文翻译是『炮竹』，本文的动手实验环节就将教大家如何安全的『点燃』炮竹，而点燃这个动词对应的因为单词恰好是 Ignite，也就是今天将要用到的开源组件。

云上和云下的混合部署是目前大量用户进行实际业务部署的常见方式。为了实现高速、稳定、安全的数据交互，用户都会有专线接入的需求，即通过 Direct Connect 专有连接将自建机房的网络和 AWS 区域中的 VPC 进行网络连通，实现业务混合部署或者数据传输。在2019.11.25日发布了 Direct Connect 网关后，我们可以利用国内的任何一个 Direct Connect站点接入到宁夏、北京区域中的多个 VPC 中，并且用户网关只需要通过 Virtual Interface 和 Direct Connect 网关建立 BGP 邻居，而无需和每个 VGW 建立 BGP 邻居。这大大简化了用户的接入和组网方案，降低了同时使用 AWS 中国宁夏和北京区域的成本，带来更高的业务可用性和灵活性。

本文主要介绍来自AWS APN合作伙伴KNIME的数据科学和机器学习平台，这是一个平民化的机器学习平台，可以帮助企业低门槛的快速落地机器学习的能力。KINME的平台和AWS的数据服务有很好的结合，无论是数据源还是数据处理。同时KNIME在Gartner 2019数据科学和机器学习平台的魔力象限中处于领导者地位，技术领先行业。
本文作为系列文章的第一篇，用Kaggle上的泰坦尼克号幸存预测案例向读者介绍KNIME平台的使用。