da Agency

Ankündigung der Unterstützung der JOIN-Produktion in AWS-IoT-Analytics-Datenspeicher

AWS IoT Analytics unterstützt nun die JOIN-Produktion auf AWS-IoT-Analytics-Datenspeichern. Dadurch können Kunden Daten aus zwei oder mehr AWS-IoT-Analytics-Datenspeicher auf Grundlage eines Attributs kombinieren, das sie gemeinsam haben. Kunden können nun einen AWS-IoT-Analytics-Datenspeicher erstellen, der von AWS-IoT-SiteWise-Daten unterstützt wird und ihn mit anderen AWS-IoT-Analytics-Datenspeichern kombinieren, die von S3 unterstützt werden. Damit sollen Erkenntnisse über ihre industriellen Assets wie Ansicht-Eigenschaften und Beziehungen zwischen verschiedenen AWS IoT SiteWise-Assets erlangt, statistische Abfragen auf AWS-IoT-SiteWise- und S3-Daten und erweiterte Analytik durchgeführt werden. Sie können diese Funktion verwenden, um einen SQL-Abfrage-Datensatz für AWS IoT Analytics zu erstellen, der eine Join-Operation verwendet (inneres Join, linkes, rechtes und volles äußeres Join, Selbst-Join und Cross-Join), um zwei oder mehr von Kunden verwaltete AWS-IoT-Analytics-Datenspeicher und von AWS Iot SiteWise verwaltete Datenspeicher auf einer Join-Bedingung mit Attribut-Namen zu kombinieren, die in beiden Datenspeichern existieren.
Quelle: aws.amazon.com

da Agency

Amazon-Connect-CTI-Adapter für Salesforce fügt der Salesforce Experience Cloud eine gebrauchsfertige Chat-Benutzerschnittstelle hinzu

Mit dem Amazon-Connect-Computer-Telefonie-Integration-(CTI)-Adapter für Salesforcekönnen Sie nun das gebrauchsfertige Amazon-Widget in die Salesforce Experience Cloud (ehemals Community Cloud) einbetten. Mit diesem Chat-Widget können Kunden, die Salesforce Experience Cloud verwenden, mit Amazon-Connect-Agenten interagieren. Wenn ein/e Kunde/Kundin beispielsweise die IT Support-Website um Hilfe bittet, die auf dem Hilfecenter in der Experience Cloud gehostet wird, und einen Chat beginnt, wird dadurch ein durchgängiges Chat-Erlebnis geboten, ohne von technischen Fähigkeiten Gebrauch machen zu müssen.
Quelle: aws.amazon.com

da Agency

Amazon Route 53 kündigt den Route 53-Anwendungswiederherstellungscontroller an

Heute kündigt AWS die allgemeine Verfügbarkeit des Amazon-Route-53-Anwendungswiederherstellungscontrollers von Amazon an – einer neuen Fähigkeit in Route 53, mit denen Entwickler leichter weiterhin die Fähigkeit Ihrer Anwendung überwachen können, das System nach Abstürzen wiederherzustellen, und die Wiederherstellung in mehreren AWS-Regionen Availability Zones und On-Premises-Infrastruktur zu kontrollieren. Amazon Route 53 ist ein hochverfügbarer und skalierbarer Cloud-Domänennamen-Service, der die Endnutzer und die Anwendungsanfrage an Internet-Anwendungen weiterleitet. Der Anwendungswiederherstellungscontroller löst Online-Verkehr-Failover zwischen redundaten Anwendungskopien, oder Repliken aus. Er wird in separaten AWS- oder On-Premise-Standorten ausgeführt. Der Anwendungswiederherstellungscontroller überwacht ebenfalls die AWS-Ressourcenkonfigurationen und Routing-Richtlinien, die Ihren Anwendungen zugeordnet wurden und warnt Sie, wenn Änderungen vorgenommen werden, die sich auf die Fähigkeit Ihrer Anwendungen auswirken, Wiederherstellungen mit Repliken durchzuführen. 
Quelle: aws.amazon.com

da Agency

Amazon Redshift vereinfacht Verwendung von JDBC/ODBC durch ein Authentifizierungsprofil

Amazon Redshift unterstützt jetzt ein Authentifizierungsprofil. Dieses ermöglicht es Administratoren, clientseitige Eigenschaften, die zum Verbinden eines Redshift-Data-Warehouse mithilfe von JDBC-/ODBC-/Python-Treibern erforderlich sind, zentral zu speichern. Sie können ein Authentifizierungsprofil erstellen, indem Sie eine JSON-Datei mit dem Namen und dem Wert für den benötigten Client sowie erweiterten Eigenschaften angeben. Endanwender wie Analysten, Entwickler und Datentechniker können diese Profile mit Client-Tools wie SQL-Editoren, BI-Tools und ETL-Tools verwenden.
Quelle: aws.amazon.com

da Agency

Amazon Aurora PostgreSQL unterstützt die pg_partman-Erweiterung für die Verwaltung der Tabellenpartitionierung auf Basis von Zeitreihen- oder Serien-IDs in AWS-GovCloud-Regionen (USA)

Die Amazon-Aurora-PostgreSQL-kompatible Edition unterstützt die Partitionsmanager-Erweiterung (pg_partman) in AWS-GovCloud-Regionen (USA). pg_partman ist eine PostgreSQL-Erweiterung, mit der Sie sowohl zeitreihen- als auch serienbasierte Tabellenpartitionssätze verwalten können, einschließlich der automatischen Verwaltung der Partitionserstellung und der Laufzeitwartung. pg_partman arbeitet mit nativer PostgreSQL-Partitionierung, sodass Benutzer von erheblichen Leistungsverbesserungen profitieren können.
Quelle: aws.amazon.com

da Agency

Amazon Neptune kündigt Unterstützung für SPARQL 1.1 Graph Store HTTP Protocol an

Amazon Neptune kündigt Unterstützung für SPARQL 1.1 Graph Store HTTP Protocol (GSP) für Graphen an, die das Resource Description Framework (RDF) des W3C verwenden. Durch die Verwendung von GSP auf SPARQL 1.1-Endpunkten haben Kunden jetzt eine effiziente Methode, um mit vollständigen benannten Graphen innerhalb eines Graphspeichers zu interagieren. Dies kann die Erstellung von Graphenanwendungen mit Amazon Neptune und Tools, die das GSP der W3C-Empfehlung unterstützen, wie Apache Jena, rationalisieren.
Quelle: aws.amazon.com

da Agency

Amazon SageMaker JumpStart führt neue Bildverarbeitungsmodelle für die Extraktion von Bildmerkmalsvektoren und Objekterkennung ein

Amazon SageMaker JumpStart hilft Ihnen, Ihre Machine-Learning-Probleme schnell und einfach zu lösen, indem Sie mit einem Klick auf beliebte Modellsammlungen von TensorFlow Hub, PyTorch Hub und Hugging Face (auch bekannt als „Modellzoos“) und auf 16 End-to-End-Lösungen zugreifen, die gängige Geschäftsprobleme wie Nachfrageprognosen, Betrugserkennung und Dokumentenverständnis lösen.
Quelle: aws.amazon.com

da Agency

Amazon SageMaker Autopilot und Automatic Model Tuning unterstützen jetzt eine verfeinerte Zugriffskontrolle mit Condition Key Policies

Amazon SageMaker Autopilot erstellt, trainiert und optimiert automatisch die besten Modelle für Machine Learning auf der Grundlage Ihrer Daten und gibt Ihnen dabei die volle Kontrolle und Transparenz. Amazon SageMaker Automatic Model Tuning (AMT) findet automatisch die beste Version eines Modells für Machine Learning für jeden Algorithmus und Datensatz. Autopilot und AMT unterstützen jetzt eine erweiterte Zugriffskontrolle mit Amazon SageMaker-spezifischen Bedingungsschlüsseln. Sie können diese Schlüssel im Bedingungselement einer IAM-Richtlinie (Identity and Access Management) verwenden, um die Bedingungen, unter denen die Richtlinienanweisung gilt, weiter zu verfeinern.
Quelle: aws.amazon.com

da Agency

AWS Glue DataBrew unterstützt jetzt das Schreiben vorbereiteter Daten direkt in JDBC-unterstützte Ziele

AWS Glue DataBrew unterstützt jetzt das Schreiben bereinigter und normalisierter Daten direkt in JDBC-unterstützte Datenbanken und Data Warehouses, ohne dass Kunden große Datenmengen in zwischengeschaltete Datenspeicher verschieben müssen. Mit nur wenigen Klicks können Kunden ihre Rezeptaufträge so konfigurieren, dass sie die folgenden Ausgabeziele angeben – Amazon Redshift, Snowflake, Microsoft SQL Server, MySQL, Oracle Database und PostgreSQL.
Quelle: aws.amazon.com