da Agency

Ankündigung des Amazon Redshift-Data Lake-Exports: Teilen von Daten im Apache Parquet-Format

Das Ergebnis einer Amazon Redshift-Abfrage kann jetzt in Ihren Amazon S3-Data Lake als Apache Parquet exportiert werden, das ein effizientes offenes Spaltenspeicherformat für Analysen darstellt. Das Parquet-Format ist bis zu 2x schneller zu exportieren und verbraucht in Amazon S3 bis zu 6x weniger Speicherplatz als Textformate. Auf diese Weise können Datenkonvertierungen und Datenergänzungen die in Amazon Redshift durchgeführt wurden, in Ihrem Amazon S3 Data Lake in einem offenen Format gespeichert werden. Sie können Ihre Daten dann mit Redshift Spectrum und anderen AWS-Service wie Amazon Athena, Amazon EMR und Amazon SageMaker analysieren.
Quelle: aws.amazon.com

da Agency

Amazon S3 Access Points vereinfacht das Verwalten des skalierten Zugriffs für Anwendungen mithilfe freigegebener Datensätze auf S3

Amazon S3 Access Points ist eine neue S3-Funktion, die das Verwalten des skalierten Datenzugriffs für freigegebene Datensätze auf Amazon S3 vereinfacht. Mit S3-Zugriffspunkten können Sie problemlos Hunderte von Zugriffspunkten pro Bereich erstellen, jeder mit einem Namen und Berechtigungen, die für die Anwendung angepasst sind. Dies stellt eine neue Art der Bereitstellung des Zugriffs auf gemeinsame Datensätze dar. S3 Access Points vereinfachen das Erstellen und Verwalten des Zugriffs auf freigegebene S3-Buckets – ganz egal, ob Sie einen Zugriffspunkt für die Datenaufnahme, für die Transformation, mit Schreibschutz oder mit unbeschränktem Zugriff benötigen.
Quelle: aws.amazon.com

da Agency

Wir stellen vor: EC2 Image Builder

Amazon Web Services (AWS) kündigt die Verfügbarkeit von EC2 Image Builder an, ein Service, der das Erstellen und Warten sicherer Images vereinfacht und beschleunigt. Image Builder vereinfacht das Erstellen, Patchen, Testen, Verteilen und Freigeben von Linux- oder Windows Server-Images. 
Quelle: aws.amazon.com

da Agency

AWS kündigt Amazon Transcribe Medical an – Spracherkennung für medizinische Fachbegriffe

Amazon Web Services kündigt die Verfügbarkeit von Amazon Transcribe Medical an, eine neue Spracherkennungsfunktion von Amazon Transcribe, die entwickelt wurde, um gesprochene Worte von medizinischem Personal und Patienten in Text umzuwandeln. Amazon Transcribe Medical macht es Entwicklern leicht, die medizinische Transkription in Anwendungen zu integrieren, um Ärzten zu helfen, klinische Dokumentationen effizient durchzuführen. Es kann die Diktate von Ärzten sowie deren Gespräche mit Patienten automatisch und präzise in Text umsetzen. Darüber hinaus ermöglicht der Dienst eine automatische Zeichensetzung und Groß-/Kleinschreibung, so dass Ärzte bei der Transkription von Sprachnotizen natürlich sprechen können.
Quelle: aws.amazon.com

da Agency

AWS startet direkte EBS-APIs, die Lesezugriff auf EBS-Snapshotdaten bereitstellen, damit Sicherungsanbieter schnellere Sicherungen von EBS-Datenträgern bei geringeren Kosten durchführen können

Heute kündigen wir direkte EBS-APIs für Snapshots an, die Lesezugriff auf EBS-Snapshots bereitstellen. Backup-Anbieter können nun auf einfache Weise schrittweise Änderungen an EBS-Volumen über EBS-Snapshots nachverfolgen und ihre Arbeitsabläufe optimieren, um die Backup-Zeiten um bis zu 70% zu reduzieren. Dies ermöglicht es ihnen, AWS-Kunden detailliertere Recovery Point Objectives (RPOs) zu niedrigeren Kosten anzubieten.
Quelle: aws.amazon.com

da Agency

Wir stellen vor: AWS DeepComposer

Ton ab für Entwickler mit Machine Learning. Wir freuen uns, die Vorschau von AWS DeepComposer ankündigen zu dürfen, die weltweit erste Machine Learning-fähige Tastatur für Entwickler. Greifen Sie – buchstäblich – zu und komponieren Sie mit einem Keyboard und den neuesten Machine Learning-Techniken Ihre eigene Musik.  
Quelle: aws.amazon.com

da Agency

Vorstellung von Access Analyzer for Amazon S3 zur Überprüfung von Zugriffsrichtlinien

Access Analyzer for S3 ist eine neue Funktion, die Ihre Zugriffsrichtlinien überwacht und sicherstellt, dass die Richtlinien nur den beabsichtigten Zugriff auf Ihre S3-Ressourcen bereitstellen. Access Analyzer for S3 wertet Ihre Bucket-Zugriffsrichtlinien aus und ermöglicht es Ihnen, Buckets mit potenziell unbeabsichtigtem Zugriff zu erkennen und schnell zu beheben.
Quelle: aws.amazon.com

da Agency

AWS startet ein neues Programm zur Steuerung von Migrationen für Windows Server-Anwendungen, die nicht mehr unterstützt werden

AWS hilft Kunden bei der Migration ihrer alten Windows Server-Anwendungen auf die neuesten unterstützten Versionen von Windows Server auf AWS ohne Code-Änderungen. Viele Unternehmen haben Schwierigkeiten bei der Migration ihrer Legacy-Anwendungen aufgrund der engen Abhängigkeiten von älteren, nicht unterstützten Betriebssystemen, des begrenzten internen Fachwissens und/oder des fehlenden Zugriffs auf Installationsmedien oder Quellcode. Außerdem verhindert der Erwerb von verlängertem Support für diese Anwendungen nicht die unausweichliche Einstellung des Supports und zögert das Unvermeidliche nur hinaus. Zur Überwindung dieser Herausforderungen bietet AWS das End-odf-Support Migration Program (EMP) for Windows Server.
Quelle: aws.amazon.com

da Agency

Neue AWS Deep Learning AMIs mit aktualisierter Framework-Unterstützung: Tensorflow 1.15 & 2.0, PyTorch 1.3.1 und MXNet 1.6.0-rc0

Die AWS Deep Learning AMIs sind auf Ubuntu 18.04, Ubuntu 16.04, Amazon Linux 2 und Amazon Linux mit TensorFlow 1.15, Tensorflow 2.0, PyTorch 1.3.1, MXNet 1.6.0-rc0 verfügbar. Ebenfalls neu in dieser Version ist die Unterstützung für AWS Neuron, ein SDK zur Ausführung von Inferenz mit AWS Inferentia Chips. Die Chips bestehen aus Compiler, Laufzeit- und Profilerstellungstools, die es Entwicklern ermöglichen, hochleistungsfähige und latenzarme Inferenz-Workloads auf Inferentia-basierten EC2 Inf1-Instances auszuführen. Neuron ist in gängige Frameworks für Machine Learning wie TensorFlow, Pytorch und MXNet bereits integriert, um eine optimale Leistung der EC2 Inf1-Instances zu gewährleisten. Kunden, die Amazon EC2 Inf1 Instances nutzen, erhalten die höchste Leistung bei niedrigsten Kosten für Machine Learning Inferenzen in der Cloud und müssen nicht mehr den ungünstigen Kompromiss zwischen Latenzoptimierung oder Durchsatz eingehen, wenn sie große maschinelle Lernmodelle ausführen.  
Quelle: aws.amazon.com