作家：赵晓勤

“复杂性是不成幸免的，复杂性随时都会出现，你需要计议如何料理复杂性。”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 天下发出的感触与申饬。

Werner Vogels 无疑是一位听说东谈主物。他掌舵着亚马逊云科技人人最大散布式谋略机系统之一已有二十载，他对复杂性的络续无东谈主能出其右。在他看来，亚马逊云科技是一家提供“浅陋”功绩为意见的高技术公司。比如云对象存储发源于 S3 或称作“浅陋存储功绩”、Amazon SQS 是“浅陋队伍功绩”，Amazon SES 是一种“浅陋电子邮件功绩”，而 Amazon SWF 则为征战东谈主员提供“浅陋责任流功绩”。

在这些看似浅陋的功绩背后，是极其复杂的底层时刻。Vogels 强调，料理复杂性的重要在于别离专诚和不测的复杂性。他指出：“淌若不这么作念，系统很快就会从天真变得脆弱。”

数据库领域靠近着相通的挑战。跟着互联网的快速发展，应用法度的用户范畴和地舆散布日益扩大，企业对数据库性能和蔓延的要求也情随事迁。传统的数据库架构在面对这些新需求时显给力不从心，用户不得不在 Consistency（一致性）、Availability（可用性）和 Partition Tolerance（分区容错性）之间作念出贫穷的弃取。你很容易已矣任何两个条目，可是要同期具备这三个秉性就变得“不成能”，这等于数据库架构知名的 CAP “不成能三角”。

结巴“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：磋议型数据库 Amazon Aurora DSQL 和非磋议型数据库 Amazon DynamoDB Global Tables。一举结巴了这个“不成能三角”，成为兼顾高可用性、低蔓延和强一致性的数据库。

亚马逊云科技的磋议型数据库从 2009 年于今一经过了 15 年的迭代，Amazon Aurora DSQL 动作 Amazon Aurora 新一代产物，是一款速率极快的散布式 SQL 数据库。具备以下秉性：跨区域强一致性和低蔓延。Amazon Aurora DSQL 遴荐了一种全新的事务处理模样，将事务处理与存储层分离，并在统共区域同期并行进行写入操作，从而已矣了跨区域的强一致性和低蔓延。

Amazon Aurora DSQL 提供了五个 9 的高可用性（99.999%），确保应用法度遥远在线。

遴荐无功绩器想象，无需进行基础顺次料理，可自动彭胀和缩减，以致不错缩减到零范畴，何况能与 PostgreSQL 兼容，便于用户快速上手。

在性能方面也绝不失色，左证亚马逊云科技的基准测试，在多区域成立下，Amazon Aurora DSQL 的读写速率比 Google Spanner 快 4 倍。

Amazon Aurora DSQL 之是以大概取得如斯优异的秉性，主要成绩于两项中枢翻新：散布式的架构以及 Amazon Time Sync Service 时刻。Vogels 先容，Amazon Aurora DSQL 将数据库解析为多个安稳的构建模块，每个模块都具有高内聚性和低耦合性，不错安稳彭胀和定制安全性，从而已矣更高的性能和天真性。

但随之而来的是数据一致性和时钟同步等难题。如何保证散布在人人各地的数据库节点大概按照调处的时刻持法处理事务，成为横亘在时刻眼前的一皆鸿沟。Vogels 的团队为人人每个 Amazon EC2 实例中添加与原子钟同步的硬件参考时钟，已矣了微秒级的精确时刻同步，惩处了时钟漂移问题。

相通，这种多区域、强一致性和低蔓延的才略并不局限于磋议型数据库，Amazon DynamoDB global tables 也将获取相通的功能。同期，Amazon DynamoDB global tables 可应用于多样用例,包括书签、不雅看列表和个性化推选。

用 AI 化繁为简，赋能将来

裁减复杂性的蹙迫技能是从内容上将复杂性解析成浅陋的单位。将新系统的想象尽可能包含可瞻望性，以排斥不笃定性。Vogels 以为，“这需要就自动化以及如何欺骗自主时刻来裁减复杂性作念出决定。”

毫无疑问，唯有通过 AI、机器学习，将企业存储在磋议型数据库以及非磋议型数据库中的数据加以欺骗并叫醒，能力尽可能地排斥企业靠近的复杂竞争环境。

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 的重要功能，裁减 AI 征战门槛，加快 AI 应用落地。

Amazon SageMaker AI 的发布并非浅陋的功能堆砌，而是基于多年来功绩数百万客户积蓄的训导和对机器学习发展趋势的长远洞悉，旨在叫醒企业千里淀多年的历史数据、惩处机器学习领域的核肉痛点，鼓吹 AI 民主化的程度，让企业在 AI 考验上莫得难题。

Amazon SageMaker HyperPod flexible training plans 天真考验筹划：告别繁琐的资源料理，闪征战者专注于模子自己。通过界说谋略需乞降考验时刻框架，HyperPod 不错自动预留容量、建立集群、创建模子考验功课，并欺骗高效的检讨点和收复功能，在容量动态变化的情况下自动处理实例中断，无需手动干豫，将数据科学团队从贫寒的资源料理责任中摆脱出来。

Amazon SageMaker HyperPod task governance 任务治理功能：惩处谋略资源有限和奋斗的问题。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情景加快谋略欺骗率教训到 90% 以上，并通过动态资源分拨和及时洞悉，最大截止地裁减本钱，教训效果。

Amazon SageMaker 合营伙伴 AI 应用救助功能（Al apps from AWS partners now available in Amazon SageMaker）：结巴生态壁垒，构建盛开共赢的 AI 生态系统。通过与 Comet Deep、Jax、Fiddler 和 Lakhera 等跨越的 AI 合营伙伴集成，Amazon SageMaker 为客户提供了更丰富的用具和惩处决策，涵盖模子考验、评估、监控、安全等各个顺次，并通过无缝、十足托管的体验，简化了应用法度集成和部署历程，保险了数据安全和秘籍。

数据是起源，AI 是将来

正如亚马逊云科技 CEO Matt Garman 所言，“东谈主工智能是一场莫得畸形的竞赛。”而这场竞赛中，数据是中枢，企业需要围绕数据的存储、分析、洞悉不断纠正企业的 IT 架构。

从 Data Rady 到 AI Rady ，亚马逊云科技正饰演着“造梦者”的脚色，为咱们提供了巨大的平台与用具，让咱们不错愈加“浅陋地”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 启动的翻新应用流露，长远地蜕变着咱们的生涯和天下。

*前述特定亚马逊云科技生成式东谈主工智能关联的功绩仅在亚马逊云科技国外区域可用，亚马逊云科技中国仅为匡助您发展国外业务和/或了解行业前沿时刻弃取推选该功绩。