亚马逊AWS官方博客
妙语连珠,文采飞扬——使用 AWS 自研芯片,快速构建 LLama 3 等大语言模型应用
在本文中,我们将介绍如何采用 AWS Inf2 实例,在 AWS 自研芯片上一键部署多个业界领先的大语言模型,方便企业业务人员进行测试,同时开放出 API 接口,方便进行性能基准测试以及下游的应用程序的调用。
探索 Amazon EMR HBase 托管 WAL workspaces 新功能
背景 Amazon EMR 是行业领先的云大数据解决方案,适用于使用开源框架(如 Apache Spark、A […]
分库分表数据同步方案与实践
本文介绍在亚马逊云科技云平台中,将以分库/分表形式存储在 Amazon Aurora MySQL 中数据抽取到 Amazon Redshift 数仓的方案以及 实际操作。
新的计算优化型(C7i-flex)Amazon EC2 Flex 实例
绝大多数应用程序不会以 100% 的利用率持续运行 CPU。以 Web 应用程序为例。它通常在高需求和低需 […]
AWS 一周综述:Amazon Bedrock、AWS AmplifyGen 2、Amazon RDS 等服务中的新功能(2024 年 5 月 13 日)
AWS 峰会在全球如火如荼地进行,最近的峰会是新加坡 AWS 峰会! 以下是 AWS 工作人员和东盟社区成 […]
互联网性能观测 – 容易被忽视的几个指标
本文会分享另外几个容易被忽视但是比较有意义的互联网感受评价指标,同时介绍在数据采集/指标计算/指标展现阶段使用到的相关服务包括 Amazon Athena 和 Amazon SageMaker 服务。
37Games 游戏平台在 AWS 上的高可用容灾实践
本文介绍了 37Games 在 AWS 上采用了 Multi-Region 双活架构,利用 AWS 托管服务 Route53、CloudFront、Aurora Global Database 和 DynamoDB Global Tables 等实现了流量分配、数据同步和容灾切换,大幅提高了游戏平台的可用性、容错能力和灾备能力。这种架构设计充分利用了云上服务的优势,是游戏平台服追求高可用和业务连续性的一个很好的实践案例。
Bedrock 大语言模型智能解题
关于学生使用大语言模型和其他人工智能聊天机器人的好处和风险的讨论一直在进行。虽然大语言模型如何融入教育以提高学习成果,但正确使用 LLM 提升解题效率的重要性毋庸置疑。在这篇博客中,我们将以数学与语言学习的三个问题为例探讨大语言模型的准确性。
Amazon SageMaker 为短剧换脸服务保驾护航
引言 在当今多元化的数字时代,基于人工智能的换脸技术为影视制作带来了全新的可能性。Amazon SageMak […]
进退自如 – ElastiCache Serverless for Redis 应用场景和性能成本分析
ElastiCache Serverless for Redis 的应用场景、性能测试和成本分析,适用流量变化的业务,帮助客户更灵活扩展或者缩减 Redis 容量,达到降低成本的目的,同时减少众多运维管理工作,让工作重心更关注业务。