作家：赵晓勤

“复杂性是不成幸免的，复杂性随时王人会出现，你需要推敲怎样料理复杂性。”这是亚马逊副总裁兼 CTO Werner Vogels 在 re:Invent 2024 大会上对现在越发复杂的 IT 宇宙发出的感触与劝诫。

Werner Vogels 无疑是一位据说东谈主物。他掌舵着亚马逊云科技巨匠最大分散式缱绻机系统之一已有二十载，他对复杂性的交融无东谈主能出其右。在他看来，亚马逊云科技是一家提供“浮浅”工动作方针的高技术公司。比如云对象存储发祥于 S3 或称作“浮浅存储职业”、Amazon SQS 是“浮浅队伍职业”，Amazon SES 是一种“浮浅电子邮件职业”，而 Amazon SWF 则为开导东谈主员提供“浮浅责任流职业”。

在这些看似浮浅的职业背后，是极其复杂的底层时期。Vogels 强调，料理复杂性的要道在于辩认特意和不测的复杂性。他指出：“如若不这么作念，系统很快就会从纯真变得脆弱。”

数据库领域濒临着相同的挑战。跟着互联网的快速发展，应用设施的用户规模和地舆分散日益扩大，企业对数据库性能和延伸的要求也情随事迁。传统的数据库架构在面对这些新需求时显牛逼不从心，用户不得不在 Consistency（一致性）、Availability（可用性）和 Partition Tolerance（分区容错性）之间作念出贫苦的遴荐。你很容易已毕任何两个条目，然则要同期具备这三个性格就变得“不成能”，这即是数据库架构知名的 CAP “不成能三角”。

冲破“不成能”，Amazon 数据库的兼得之谈

re:Invent 2024 大会上败露了两款数据库：关系型数据库 Amazon Aurora DSQL 和非关系型数据库 Amazon DynamoDB Global Tables。一举冲破了这个“不成能三角”，成为兼顾高可用性、低延伸和强一致性的数据库。

亚马逊云科技的关系型数据库从 2009 年于今也曾过了 15 年的迭代，Amazon Aurora DSQL 动作 Amazon Aurora 新一代家具，是一款速率极快的分散式 SQL 数据库。具备以下特色：跨区域强一致性和低延伸。Amazon Aurora DSQL 选择了一种全新的事务处理方式，将事务处理与存储层分离，并在通盘区域同期并行进行写入操作，从长途毕了跨区域的强一致性和低延伸。

Amazon Aurora DSQL 提供了五个 9 的高可用性（99.999%），确保应用设施长期在线。

选择无职业器联想，无需进行基础设施料理，可自动膨大和缩减，甚而不错缩减到零规模，而且能与 PostgreSQL 兼容，便于用户快速上手。

在性能方面也绝不逊色，凭据亚马逊云科技的基准测试，在多区域竖立下，Amazon Aurora DSQL 的读写速率比 Google Spanner 快 4 倍。

Amazon Aurora DSQL 之是以简略取得如斯优异的性格，主要收获于两项中枢翻新：分散式的架构以及 Amazon Time Sync Service 时期。Vogels 先容，Amazon Aurora DSQL 将数据库判辨为多个沉寂的构建模块，每个模块王人具有高内聚性和低耦合性，不错沉寂膨大和定制安全性，从长途毕更高的性能和纯真性。

但随之而来的是数据一致性和时钟同步等难题。怎样保证分散在巨匠各地的数据库节点简略按照谐和的时辰王法处理事务，成为横亘在时期眼前的一齐规模。Vogels 的团队为巨匠每个 Amazon EC2 实例中添加与原子钟同步的硬件参考时钟，已毕了微秒级的精确时辰同步，处罚了时钟漂移问题。

相同，这种多区域、强一致性和低延伸的能力并不局限于关系型数据库，Amazon DynamoDB global tables 也将得回相同的功能。同期，Amazon DynamoDB global tables 可应用于各式用例,包括书签、不雅看列表和个性化推选。

用 AI 化繁为简，赋能明天

裁汰复杂性的进攻技能是从骨子上将复杂性判辨成浮浅的单位。将新系统的联想尽可能包含可展望性，以放手不细目性。Vogels 觉得，“这需要就自动化以及怎样诈欺自主时期来裁汰复杂性作念出决定。”

毫无疑问，只须通过 AI、机器学习，将企业存储在关系型数据库以及非关系型数据库中的数据加以诈欺并叫醒，才能尽可能地放手企业濒临的复杂竞争环境。

为此亚马逊云科技推出了新一代 Amazon SageMaker AI，试图打造一个 “All in One” 的机器学习平台，整合大数据分析、机器学习和生成式 AI 的要道功能，裁汰 AI 开导门槛，加快 AI 应用落地。

Amazon SageMaker AI 的发布并非浮浅的功能堆砌，而是基于多年来职业数百万客户积蓄的训导和对机器学习发展趋势的长远细察，旨在叫醒企业千里淀多年的历史数据、处罚机器学习领域的核肉痛点，推进 AI 民主化的程度，让企业在 AI 训练上莫得难题。

Amazon SageMaker HyperPod flexible training plans 纯真训练谋略：告别繁琐的资源料理，闪开导者专注于模子自身。通过界说缱绻需乞降训练时辰框架，HyperPod 不错自动预留容量、缔造集群、创建模子训练功课，并诈欺高效的检查点和收复功能，在容量动态变化的情况下自动处理实例中断，无需手动遏止，将数据科学团队从贫苦的资源料理责任中自如出来。

Amazon SageMaker HyperPod task governance 任务治理功能：处罚缱绻资源有限和高尚的问题。通过自动化优先级排序和资源料理，HyperPod 任务治理功能不错将跨形式加快缱绻诈欺率进步到 90% 以上，并通过动态资源分派和及时细察，最大扫尾地裁汰老本，进步驱散。

Amazon SageMaker 协调伙伴 AI 应用营救功能（Al apps from AWS partners now available in Amazon SageMaker）：冲破生态壁垒，构建绽放共赢的 AI 生态系统。通过与 Comet Deep、Jax、Fiddler 和 Lakhera 等朝上的 AI 协调伙伴集成，Amazon SageMaker 为客户提供了更丰富的器具和处罚决策，涵盖模子训练、评估、监控、安全等各个设施，并通过无缝、满盈托管的体验，简化了应用设施集成和部署进程，保险了数据安全和隐秘。

数据是起源，AI 是明天

正如亚马逊云科技 CEO Matt Garman 所言，“东谈主工智能是一场莫得止境的竞赛。”而这场竞赛中，数据是中枢，企业需要围绕数据的存储、分析、细察遏抑矫正企业的 IT 架构。

从 Data Rady 到 AI Rady ，亚马逊云科技正饰演着“造梦者”的扮装，为咱们提供了雄壮的平台与器具，让咱们不错愈加“浮浅地”构建和部署 AI 应用，将梦思变为试验。笃信在不久的将来，咱们将看到更多由 AI 启动的翻新应用败露，长远地转换着咱们的生存和宇宙。

*前述特定亚马逊云科技生成式东谈主工智能关连的职业仅在亚马逊云科技外洋区域可用2024欧洲杯官网- 欢迎您&，亚马逊云科技中国仅为匡助您发展外洋业务和/或了解行业前沿时期遴荐推选该职业。