亚马逊AWS官方博客

Shulex 已经将上亿数据量的核心业务从开源向量数据库 Milvus 迁移至全托管的向量数据库云服务 Zilliz Cloud。相比于 Milvus，Zilliz Cloud 实现了 Shulex VOC 评论分析洞察报告生成速度 30% 的提升，VOC 智能客服召回率 98%，且系统稳定，0 宕机，大大降低了企业在向量数据库的运维成本。

在当今的电子商务时代，一个高效、稳定的电商平台对于保持竞争力至关重要。数据库作为电商平台的核心支撑，其性能直接 […]

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。

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 […]

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。

  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 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 […]

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。

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。

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。