AWS连甩3项Serverless创新，高效创建和操作缓存，用AI优化资源配置性价比
云创科技11月28日拉斯维加斯报道，在一年一度的AWS re:Invent首日，AWS实用计算高级副总裁Peter DeSantis延续Monday Night Live的传统，发表主题演讲并分享了AWS数据库和分析产品组合中的3项Serverless创新，以帮助客户在任何规模下分析和管理数据。3项创新分别是：
1、Amazon Aurora unlimited数据库：可以自动扩展到每秒数百万个写事务，并管理PB级的数据，同时保持操作单个数据库的易用性。
2、Amazon ElastiCache新Serverless选项：使创建高可用缓存更快、更容易，能够即刻扩展以满足应用程序需求。
3、Amazon Redshift Serverless功能：使用人工智能（AI）来预测工作负载，并自动扩展和优化以满足性价比目标。
这些创新基于AWS从成立之初就在做的工作，帮助客户分析和管理任何规模的数据，同时大大简化操作。
一、Aurora unlimited数据库：为PB级应用提供每秒数百万次写入支持
AWS Serverless计算创新能够帮助客户在任何规模下充分利用他们的数据。
Serverless计算是客户无需管理自己的物理服务器就能构建和运行应用程序的一种方法。AWS广泛的Serverless数据分析产品使客户可以轻松地利用自动配置等优势，按需扩展和按使用付费定价。
这样一来，开发人员就能专注于以更低的成本更快地构建和发布应用程序，不用处理硬件问题。
在Serverless创新领域，AWS已经有很多建树。
这次AWS发布的一项新功能是Amazon Aurora unlimited数据库，可自动扩展到超出单个Amazon Aurora数据库的写入限制，相比开发人员自行构建自定义解决方案能节省了几个月的时间。
数十万客户都在使用Amazon Aurora，这是一种完全托管的与MySQL和PostgreSQL兼容的关系数据库，提供商业数据库的性能和可用性，而成本仅为商业数据库的1/10。
Amazon Aurora Serverless v2能够帮助企业扩大规模，每秒可支持数十万笔交易、数百万个写入事务、管理PB级数据，同时保持像单个数据库里操作的易用性。
随着规模扩展，它会根据客户的数据模型，自动在多个Amazon Aurora Serverless实例之间分配数据和查询，不需要构建自定义软件来跨实例路由请求，根据计算或存储需求的增加自动在Serverless实例中垂直扩展和跨实例水平扩展资源，来满足工作负载的需求。
一些在线游戏、金融交易处理场景中的工作负载需要处理和管理数亿全球用户、处理数百万笔交易、存储PB级数据，动辄让开发人员花费几个月乃至几年的时间来构建自定义软件以扩展数据库。企业或机构还需要持续监控数据库活动并调整容量，可能会非常耗时并影响可用性。
而Amazon Aurora unlimited数据库提供了一种自动扩展应用程序以超出单个数据库限制的方法，让企业无需花时间构建起扩展解决方案，维护操作和更改都能在单个数据库里进行。
二、ElastiCache Serverless：1分钟内创建高度可用的缓存，即刻满足扩展需求
构建应用程序的企业将经常访问的数据存储在缓存中，以缩短应用程序响应时间，降低数据库成本。它们使用Redis和Memcached等具有高性能和可扩展性的开源内存数据存储进行缓存。
为了简化构建和运行缓存的过程，AWS提供了一项完全托管的Redis和Memcached兼容服务Amazon ElastiCache。目前有数十万客户使用该服务来获得实时、成本优化的性能。
Amazon ElastiCache提供细粒度配置选项，可扩展到数百TB数据和每秒数亿次操作，响应时间达微秒，许多机构用它跨多个可用区部署高度可用的任务关键型应用程序。
考虑到一些企业想更快构建新应用程序或迁移现有工作负载、控制管理底层基础设施的成本，AWS推出了新选项Amazon ElastiCache Serverless，能够减少快取工作，让客户能在1分钟内创建高度可用的缓存，即刻实现垂直和横向扩展，而无需预置、规划或管理容量。
Amazon ElastiCache Serverless通过持续监控缓存的计算、内存和网络利用率并即时垂直和水平扩展来满足需求，而无需停机或性能下降，能够消除复杂且耗时的容量规划过程。
该选项会自动跨多个可用区复制数据，并为客户的所有工作负载提供99.99%的可用性。客户不再需要调整或微调其缓存，只需为其存储的数据和应用程序使用的计算付费。
Amazon ElastiCache Serverless现已全面推出，可用于兼容Redis和Memcached的部署选项。
三、Redshift Serverless：下一代AI驱动的可扩展和优化，为可变工作负载提供更好性价比
每天有数以万计的客户使用Amazon Redshift处理EB级数据。在此基础上，AWS发布Amazon Redshift Serverless功能，用机器学习驱动的可预测AI模型来预测工作负载，并根据这些动态模式不断调整容量，自动扩展和优化资源，以帮助客户实现其性价比目标。
为了处理所有维度上的工作负载变化，同时确保一致的性能并且不破坏现有的工作负载，即便是经验丰富的数据库管理员，也往往要花费几个小时来将额外的工作负载分离到不同的数据仓库，或者进行多次复杂的手动调整。
这包括暂时增加用于数据摄取和新查询工作负载的资源、用于快速数据访问的预计算结果、组织数据以进行高效检索、为数据仓库管理任务计时等。所有这些优化都需要持续进行，同时管理每个组织的优先级以平衡性能和成本，不管数据量、查询复杂性或并发查询数量如何变化。
而通过AI驱动的扩展和优化，Amazon Redshift Serverless可跨多个工作负载自动调整资源，使用AI根据查询复杂性、数据大小和频率等维度学习客户工作负载模式，不断调整数据仓库容量，以满足基于并发查询数量的需求，并进行成本效益分析。
例如，该功能可以在白天自动降低处理工作负载的容量，在需要处理复杂查询时按需添加适量的所需容量，然后夜间再主动增加容量，以在无需人工干预的情况下支持大型数据处理任务。
Amazon Redshift Serverless现已推出预览版。客户可在AWS控制台中设置性价比目标，在Amazon Redshift Serverless上运行各种规模的分析工作负载，在优化成本的同时实现高性能，并且无需管理数据仓库基础设施。
结语：数据动态性天然适用Serverless，产品组合持续简化客户运营
越来越多企业或机构需要创建和存储PB级的数据，对分析管理可扩展规模数据的端到端方案产生了愈发迫切的需求。此次AWS在re:Invent大会首日宣布的3项Serverless创新，即分别针对用于关系数据库的Amazon Aurora、用于运行内存缓存的Amazon ElastiCache、用于数据仓库的Amazon Redshift服务进行升级，以帮助其客户更快、更轻松地扩展其数据基础设施。
自成立之初，AWS就专注于为客户消除无差异的繁重工作，Serverless产品则继承了这一理念。AWS负责数据和人工智能的副总裁Swami Sivasubramanian博士谈道，数据的动态性使其非常适合Serverless技术，提供广泛的Serverless数据库和分析产品有助于支持客户最苛刻的工作负载，简化大规模构建、运行和管理应用程序所需的流程。
AWS不断丰富的Serverless产品组合正持续简化其客户运营，使其客户无需花费时间和精力配置、管理和扩展数据基础设施，能轻松利用自动配置、按需扩展和按使用付费定价等优势，使用合适的工具，通过动态调整工作负载模式优化成本并最大化其数据价值。