作为全球占据最大市场份额的云计算厂商,AWS 近期发布和更新了系列技术。其中,EventBridge 被认为是继 AWS Lambda 之后最重要的服务之一;AWS Corretto 现已可用于 ARM64 平台。本文盘点了 AWS 最近的系列技术更新,以期对感兴趣的开发者有所帮助。
近日,AWS 发布 EventBridge,这被高级云架构师 Jared Short 认为 是继 AWS Lambda 之后对 AWS 无服务器生态系统最重要的服务之一。 除了为服务定义可以利用的绝佳标准外,它还重新建立了 AWS 无服务器生态系统与业务逻辑融合的方式。
EventBridge 的核心是传统的 Event Bus,服务或应用程序可以向其发布事件和订阅事件流。这种模式本身并不新颖,CloudWatch Events 自 2016 年推出起,就有多个功能以稳定的速度被添加到这项服务。这项新服务建立在构成 Amazon CloudWatch Events 基础的事件处理模型基础上,可将 AWS 应用程序与 Zendesk、Datadog、SugarCRM 和 Onelogin 等 SaaS 应用程序集成。
EventBridge 也可被视为一个由规则驱动的事件路由器。通过 EventBridge, 用户可以根据事件的实际内容来定义事件模式,以确定哪些目标(即订阅者)可以接收到通过总线的每个事件。事件目标可以是 Lambda 函数、Kinesis Streams、SQS 队列,甚至是不同 AWS 账户中的其它 Event Bus。这为多服务,甚至多部门解耦通信开辟了强大模式。
Amazon Corretto 是 OpenJDK 的免费,多平台,生产就绪的分发版本。现在,Amazon Corretto 8 可以用于 ARM64 平台,开发者可下载开发预览版并安装在基于 Debian 和 RPM 的系统(包括 Amazon Linux 2)。
2018 年 11 月份,AWS Java 技术专家 Arun Gupta 宣布,AWS 正式推出 OpenJDK 长期支持版本 Amazon Corretto ,这是一个免费的,支持 Java SE 标准的 OpenJDK 发行版,已在亚马逊内部数千个项目中使用。在此之前,Java 之父 James Gosling 也在推特上宣布了这一消息。
今年 3 月份,亚马逊正式 发布 Corretto 8 GA 版本。
Amazon Aurora 现可用于 Aurora PostgreSQL 兼容版。Aurora Serverless 是一种新的部署选项,可自动启动、扩展或关闭 Amazon Aurora 数据库,能在无需配置、扩展和管理任何数据库服务器的情况下提供数据库容量。
使用 Amazon Aurora Serverless,用户无需配置或管理数据库容量。数据库会根据工作量的需要,在几秒钟内自动快速启动、扩展、关闭或重新启动。用户只需在 Amazon RDS 管理控制台创建数据库终端节点(其余由 Amazon Aurora Serverless 处理),按秒为使用的数据库资源付费。
AWS CDK 是一个软件开发框架,用于在代码中定义云基础架构并通过 AWS CloudFormation 进行配置。AWS CDK 可让开发者以熟悉的编程语言定义云资源,现支持 TypeScript,JavaScript 和 Python。AWS CDK 还为 C#,Java 和.NET 提供开发人员预览支持。
开发人员可以使用其中一种受支持的编程语言来定义可重用的云组件,称为 Constructs ,并可以将这些组合成 堆栈 和 应用程序 。
Fluent Bit 是一个开源、多平台日志处理程序和转发器,用于从不同的来源收集数据和日志,统一发送到多个目标,完全兼容 Docker 和 Kubernetes 环境。开发者可以使用最新推出的 AWS Fluent Bit 映像,将容器日志发送到 AWS 广泛的日志存储和分析服务,并且 AWS Fluent Bit 映像支持与 Cloudwatch、S3、 Amazon Athena 、Elasticsearch Service 和 Redshift 集成。
AWS Toolkit for Visual Studio Code 是 Visual Studio Code 的开源插件,可以更轻松地在 Amazon Web Services 上创建,调试和部署应用程序。使用 AWS Toolkit for Visual Studio Code,开发者可以在 AWS 上使用 Visual Studio Code 构建应用程序时更快地开始并提高工作效率。该工具包为开发无服务器应用程序提供了集成体验,包括协助入门,逐步调试和从 IDE 部署。此工具包允许在类似 Lambda 的环境中进行本地开发和测试(包括逐步调试),然后部署到所选择的 AWS 区域。
可以创建 CloudWatch Dashboards,用于监控 Amazon ECS 和 AWS Fargate 集群、任务、容器和服务的性能和运行状况。
CloudWatch 使用机器学习来持续分析系统和应用程序指标,确定名义基线和表面异常,所有这些都无需用户干预。该项目可适应趋势,并有助于识别性能或行为的意外变化。
该项目可以使用 Amazon EC2 Spot 来降低培训机器学习模型的成本。即将推出的 SageMaker 增强功能可将训练成本降低多达 70%,并可与 with Automatic Model Training 结合使用。