Neue Features für cdk8s umfassen die Synthese und den Import von Helm-Charts und die Auflösung von Cloud-Tokens

AWS stellt neue Funktionen für cdk8s vor, die einerseits die nahtlose Synthese von Anwendungen in Helm-Charts und andererseits den nativen Import von bestehenden Helm-Charts in cdk8s-Anwendungen ermöglichen. Darüber hinaus kann cdk8s jetzt während der cdk8s-Synthesephase Bereitstellungszeit-Token des AWS CDK und CDK für Terraform interpretieren. Helm zeichnet sich als weit verbreitete Lösung für die Bereitstellung und Verwaltung von Kubernetes-Anwendungen aus. Durch die Konvergenz von cdk8s und Helm können Benutzer einen einheitlichen Workflow für die Erstellung und Bereitstellung von Kubernetes-Manifesten verwenden. Mit dem kürzlich hinzugefügten Befehl „cdk8s synth“ können Sie eine cdk8s-App direkt in ein Helm-Chart umwandeln, das in Helm-Bereitstellungen integriert werden kann. 
Quelle: aws.amazon.com

M6in- und M6idn-Instances von Amazon EC2 sind jetzt in USA West (Oregon) verfügbar

Ab heute sind die M6in- und M6idn-Instances von Amazon Elastic Compute Cloud (Amazon EC2) in den AWS-Regionen Europa (Stockholm) und Asien-Pazifik (Sydney) verfügbar. Diese netzwerkoptimierten Instances der sechsten Generation auf der Basis von skalierbaren Intel Xeon-Prozessoren der dritten Generation, die im AWS Nitro System entwickelt wurden, bieten bis zu 200 Gbit/s Netzwerkbandbreite, zweimal mehr Netzwerkbandbreite und bis zu zweimal mehr Paketverarbeitungsleistung als vergleichbare Instances der fünften Generation. Kunden können M6in- und M6idn-Instances verwenden, um die Leistung und den Durchsatz netzwerkintensiver Workloads, wie Hochleistungsdateisysteme, verteilte In-Memory-Caches auf Web-Ebene, Caching-Flotten, Big-Data-Analytik in Echtzeit und Telekommunikationsanwendungen wie 5G User Plane Function (UPF), zu skalieren.
Quelle: aws.amazon.com

AWS Entity Resolution erweitert die Datenschutzfunktionen

Heute kündigen wir eine neue Funktion für AWS Entity Resolution an, mit der Kunden ihre Datensätze schützen können. Sie können jetzt AWS PrivateLink mit AWS Entity Resolution verwenden, um eine private Verbindung zwischen Ihren Datentabellen und Ihrer Amazon Virtual Private Cloud (VPC) herzustellen, ohne den Datenverkehr Ihres Unternehmens ins Internet zu übertragen, sodass Ihre Daten während der Übertragung und im Ruhezustand verschlüsselt bleiben. Diese Verbesserung ist besonders für Kunden hilfreich, die diese Fähigkeit benötigen, um die Sicherheits- und Datenschutzanforderungen ihrer Organisation zu erfüllen.
Quelle: aws.amazon.com

AWS re:Post führt Selections ein

Heute führt AWS re:Post Selections ein, ein Feature, das ie AWS-Wissen für ein bestimmtes Thema, ein technisches Problem oder einen Anwendungsfall organisiert. Mit Selections können Sie beispielsweise Inhalte auf der Grundlage eines Themas wie „CORS in Amazon S3 konfigurieren“, einem technischen Problem wie „Fehler „Amazon S3 403 Access Denied“ beispielsweise“ oder einem Anwendungsfall wie „Migration von Windows-Workloads zu AWS“ zusammenfassen. Bisher hat re:Post 10 Selections veröffentlicht. Mitglieder der re:Post-Community mit mehr als 5.000 Punkten können neue Selections veröffentlichen. 
Quelle: aws.amazon.com

AWS Marketplace kündigt eine verbesserte Benutzererfahrung für private Angebote für Verkäufer an

Heute kündigt AWS Marketplace die allgemeine Verfügbarkeit eines verbesserten Benutzererlebnisses für private Angebote an, um die Benutzerfreundlichkeit für verschiedene Produkttypen und Preismodelle zu verbessern. AWS Marketplace-Verkäufer können aktive Vereinbarungen jetzt direkt im AWS Marketplace Management Portal (AMMP) auf dem Tab „Vereinbarungen“ für AMI-, Container-, SaaS- und Professional-Services-Produkte mit allen Preistypen anzeigen und verwalten.
Quelle: aws.amazon.com

Erstellen Sie ML-Feature-Pipelines aus benutzerdefinierten Datenquellen mit Amazon SageMaker Feature Store

Amazon SageMaker Feature Store unterstützt die Möglichkeit, benutzerdefinierte Datenquellen in Pipelines zur Feature-Verarbeitung zu integrieren. Sie können umfangreichere und vielfältigere ML-Features erstellen, indem Sie verschiedene Datenquellen einbinden und die auszuführenden Transformationsfunktionen definieren. Der SageMaker Feature Store kümmert sich dann um die Verarbeitung der Daten zu ML-Features. 
Quelle: aws.amazon.com