All Node List by Editor

（1）AQUA (Advanced Query Accelerator) for Amazon Redshift，Amazon Redshift 高级查询加速器，提供创新性的硬件加速缓存，能提供比其它任何云数据仓库高达10倍的查询性能；（2）AWS Glue Elastic Views让开发人员可以轻松地构建跨数据存储的物化视图，实现在多个数据存储中自动合并和复制数据；（3）Amazon QuickSight Q 是Amazon QuickSight 的一项基于机器学习的功能，用户可以用自然语言键入有关其业务数据的问题，并在几秒钟内就可以收到高度准确的答案；（4）Capital One、Best Western Hotels & Resorts、NTT DOCOMO、Audible和Panasonic Avionics等客户已经在使用新的数据分析功能。

在亚马逊云服务（AWS）举办的年度盛会 -- AWS re:Invent上，AWS宣布了三项全新的数据分析功能，这些功能可以大幅提升Amazon Redshift数据仓库的性能，使客户在数据存储间的移动和合并数据变得更加容易，并且使终端用户更便捷地利用机器学习从业务数据中获得更多价值。

• AQUA for Amazon Redshift 通过创新的硬件加速缓存，将计算能力带到存储层中，加速数据查询，提供比其它任何云数据仓库高达10倍的查询性能，该服务将于2021年1月全面上市。
• AWS Glue Elastic Views 可帮助开发人员构建使用来自多个数据存储的应用。利用物化视图，自动在存储、数据仓库和数据库之间合并和复制数据。
• Amazon QuickSight Q为Amazon QuickSight提供机器学习驱动的能力，使用户能够使用自然语言表达，在Amazon QuickSight Q搜索栏中提出业务问题，并在几秒钟内收到高度准确的答案。

当前，每小时创造的数据比20年前一整年所创造的数据还要多。事实上，未来三年创造的数据量将超出过去30年创造的数据量。以往的旧工具在当今这个新的数据世界中根本无法发挥作用。AWS客户针对不同的应用场景，推出了多种分析工具，包括用于无服务器式查询的Amazon Athena，用于搜索和可视化日志数据的Amazon Elasticsearch Service，用于处理实时数据流的Amazon Kinesis，用作数据仓库的Amazon Redshift，以及用于运行Apache Spark、Hive、Presto和其它大数据框架的Amazon EMR。这些服务为AWS客户提供了适合他们需求的工具。今天宣布的全新数据分析功能建立在这一基础之上，并为客户的所有数据存储提供更快、更具性价比、更易于访问的数据分析。要了解更多信息，请访问https://aws.amazon.com/big-data/datalakes-and-analytics/ 。

AWS分析业务副总裁Rahul Pathak说：“通过我们今天发布的功能，我们将为Amazon Redshift带来10倍以上的性能提升，提供新的灵活方式、轻松地在数据存储之间移动数据，客户可以在业务仪表盘中用自然语言提出问题，并在几秒钟内收到答案。这些功能将极大地提高客户在任何规模下获取数据价值的速度和易用性。”

Amazon Redshift AQUA（高级查询加速器）将计算能力引入存储层，提供比任何其它云数据仓库快10倍的查询性能。

Amazon Redshift自2012年推出以来，作为首个为云端构建的数据仓库，其成本仅为传统数据仓库的1/10，目前已经成为最受欢迎的云数据仓库之一。今年早些时候，AWS宣布推出Amazon Redshift RA3实例，允许客户分别扩展计算和存储，并提供比其它云数据仓库高3倍的性能。然而，即使有RA3实例提供的优势，快速增长的客户在数据仓库中需要处理的数据依然令客户在性能和成本效益扩展之间难以平衡。数据仓库的主流架构是大量的集中式存储数据需要被转移到等着处理数据的计算节点来进行处理。这种方法面临的挑战是，共享数据和计算节点之间有大量的数据移动。随着数据量持续快速增长，这种数据移动会使可用的网络带宽饱和、性能降低。除了网络瓶颈之外，CPU的发展也无法跟上存储能力的快速增长（SSD存储吞吐量的增长速度6倍于CPU从内存处理数据的能力的增长），这要么造成了其新的CPU瓶颈，要么迫使更多的客户过度配置算力、以便更快地完成工作。

AQUA for Amazon Redshift是Amazon Redshift的分布式、硬件加速缓存，这一创新可以提高新时代数据规模下的分析性能。AQUA将计算能力带到存储层，数据不必在两者之间来回移动。这使得Amazon Redshift的运行速度是其它云数据仓库的十倍。AQUA缓存可在众多节点上并行扩展和处理数据。每个节点都拥有一个由AWS设计的分析处理器组成的硬件模块，可大幅加快数据压缩、加密，以及扫描、聚合和过滤等数据处理任务。AQUA还为客户带来了额外的好处，即能够在原始存储上进行计算，节省了原本需要花费在移动数据上的时间。有了这一新的架构，以及它所带来的10倍以上的性能提高，Redshift的客户可以拥有更新的数据仪表盘，节省开发时间，他们的系统也更容易维护。AQUA的预览版现已向所有客户开放，AQUA将于2021年1月全面上市。AQUA可在Redshift RA3实例上使用，无需额外的费用，客户可以利用AQUA的性能改进，无需更改代码。要开始使用AQUA，请访问https://pages.awscloud.com/AQUA_Preview.html 。

AWS Glue Elastic Views让开发人员可以轻松构建物化视图，在多个数据存储中自动组合和复制数据

大多数公司都在建立或者已经建立了数据湖，他们可以通过正确的安全和访问控制，将来自各种孤岛的所有数据汇总起来，以便更容易进行数据分析和机器学习。但出于延时和运营的原因，大多数公司也可能在数据湖之外的专用数据存储中拥有越来越多的数据。随着这些数据湖和专用数据存储中的数据不断增加，公司需要更简单的方法来移动数据。

AWS Glue Elastic Views为开发人员提供了一种新的能力，可以轻松构建物化视图（也称为虚拟表），在多个数据存储中自动组合和复制数据。AWS Glue是一种无服务器的数据准备服务，可以轻松运行用于数据分析和机器学习的提取、转换和加载（ETL）作业。通过AWS Glue Elastic Views，客户可以使用SQL创建从不同数据存储中组合数据的物化视图，AWS Glue Elastic Views负责从不同数据源来复制数据以创建物化视图。例如，客户可能会创建一个物化视图，从Amazon Aurora中提取餐厅位置信息，并将其与存储在Amazon DynamoDB中的客户评论相结合，然后在Amazon Elasticsearch Service上按位置建立一个餐厅评论搜索引擎。AWS Glue Elastic Views 将数据从每个源数据库复制到目标数据库，自动保障目标数据库中的数据更新。Elastic Views会持续监控源数据库的变化，并在几秒钟内更新目标数据库。如果其中一个源数据库中的数据模型发生了变化，Elastic Views会主动提醒开发人员，这样他们就可以更新他们的物化视图以适应变化。客户还可以使用Elastic Views将运营数据从运营数据库复制到数据湖中，近乎实时地运行数据分析。AWS Glue Elastic Views可以自动扩缩以适应工作负载的增减，确保目标数据库中的物化视图保持最新。AWS Glue Elastic Views 现在可以预览。要了解更多信息，请访问http://aws.amazon.com/glue/features/elastic-views 。

Amazon QuickSight Q是Amazon QuickSight的机器学习功能，用户可以用自然语言键入有关其业务数据的问题，并在几秒钟内获得高度准确的答案

Amazon QuickSight 是专为云计算而构建的可扩展、无服务器、可嵌入机器学习的商业智能 (BI) 服务。Amazon QuickSight 提供了现代的、交互式、自助服务式 BI 解决方案的所有优势，其功能可以轻松地将仪表盘嵌入到应用程序中，以高性价比的方式扩展，支持成千上万的客户。Amazon QuickSight的“自动叙述”功能为客户提供自动生成的简述，用通俗的语言解释和描述BI仪表盘中数据的含义，使所有用户对数据有共同的理解。客户喜欢这些通俗易懂的叙述，因为这使他们能够快速解读共享仪表板中的数据，并专注于最重要的见解。客户也喜欢用通俗的语言向他们的数据提出业务问题，并得到近乎实时的答案。虽然一些BI工具和供应商已经尝试用自然语言查询（NLQ）来解决这一挑战，但现有的方法要求客户首先要提前花几个月的时间来准备和建立一个模型，即使这样，他们仍然没有办法提出那些原有模型没有预先定义，需要新计算的问题。例如，“我们的同比增长率是多少？”这个问题需要在模型中预先定义“增长率”作为计算。通过今天的BI工具，用户需要与BI团队合作，更新模型并考虑任何新的计算或数据，这可能需要几天或几周的功夫。

Amazon QuickSight Q让用户可以用自然语言对其所有数据提出任何问题，并在几秒钟内收到答复。要提出问题，用户只需在Amazon QuickSight Q搜索栏中输入问题。当用户开始输入问题时，Amazon QuickSight Q会提供带有关键短语和业务术语的自动补全建议，自动执行拼写检查、缩写词与同义词匹配，因此用户不必担心错别字或记不住数据的准确业务术语。Amazon QuickSight Q使用深度学习和机器学习（自然语言处理、模式理解和SQL代码生成的语义解析）来生成数据模型，自动理解业务数据的含义和它们之间的关系，因此用户的业务问题可以得到高度准确的答案，而无需等待几天或几周来建立数据模型。由于Amazon QuickSight Q无需BI团队建立数据模型，因此用户也不限于只提出一组特定的问题。此外，因为查询会应用于所有数据，而不仅仅是预设模型中的数据集，用户可以得到更完整、更准确的答案。Amazon QuickSight Q预先根据来自不同领域和行业的数据进行了训练，如销售、营销、运营、零售、人力资源、医药、保险、能源等，因此它已被优化来理解复杂的商业语言。例如，销售用户可以问“我的销售任务完成得如何？”，或者零售用户可以问“按地区划分的周销量增长最快的产品是什么？”Amazon QuickSight Q 通过从用户互动中学习，随着时间的推移不断提高其准确性。如果Amazon QuickSight Q不理解问题中的某个短语，会提示用户从搜索栏中的建议选项下拉菜单中选择，Amazon QuickSight Q会记住该短语，以便下次交互。要了解有关 Amazon QuickSight Q 的更多信息，请访问 https://aws.amazon.com/quicksight/q 。

总部位于东京的NTT DOCOMO是日本最大的移动服务提供商之一，为8000多万客户提供服务。NTT DOCOMO服务创新部总经理Ken Ohta表示：“自2014年迁移到Amazon Redshift以来，Amazon Redshift一直是我们数据分析环境的核心，使我们能够存储到超过10PB的未压缩数据，性能比之前的线下系统提高了10倍。随着客户对数据和数据量的需求增长，Amazon Redshift的持续创新帮助我们带来了扩展系统所需的灵活性和易用性。我们对AQUA for Amazon Redshift的推出感到兴奋，因为我们将进一步提高和扩大Amazon Redshift数据仓库的性能和规模。”

Intercom是一家快速发展的创业公司，估值13亿美元，融资超过2.4亿美元。“强大的客户关系比以往任何时候都重要，但在线业务的规模和性质，可能会给建立个人联系带来困难。因此我们创建了世界上第一个对话关系平台，帮助企业通过个性化的、基于即时通讯的体验建立更好的客户关系。为了使这一工作顺利进行，并在业务爆发的过程中了解我们的业务，我们依赖于大量的数据 -- 目前有70TB，而且还在不断增加。”Intercom数据工程经理Paul Vickers说，“我们的Amazon Redshift云数据仓库易于扩展并不会超支。我们对Amazon Redshift中新的AQUA功能感到非常兴奋，这将加快我们的查询速度，缩短数据分析师获得洞察力的时间。我们知道，有了AWS，我们就可以专注于我们的业务增长而不用关心背后的技术支持。”

埃森哲是一家全球性的专业服务公司，在数字化、云计算和安全领域具有领先的实力。埃森哲北美数据与AI 部门AWS合作负责人A.K. Radhakrishnan表示：“在埃森哲，我们致力于提供服务和解决方案，帮助全球客户利用数据进行实时决策。然而，数据和对数据洞察力的需求以令人难以置信的速度增长，定义数据、确定优先级和处理数据都面临挑战。AQUA for Amazon Redshift提供了创新的方法处理数据仓库，查询性能最高可提升10倍。这让我们更容易支持数据驱动型企业的目标。”

ZS Associates是一家专业服务公司，与企业并肩作战、帮助开发和交付产品，推动客户价值和公司业绩。“AWS一直走在创新的最前沿，以为客户提供一流的解决方案而享有盛誉。利用AWS的新一代技术和ZS深厚的技术及领域专长，我们已经为客户在Amazon Redshift上部署了多个大型数据和分析平台。”ZS Associates企业架构负责人Nishesh Aggarwal表示，“通过引入Amazon Redshift的RA3实例，我们能够显著提高数据分析工作负载的性能，同时解决数据存储问题。我们非常高兴能尝试AQUA for Amazon Redshift，因为它有望在不付出额外努力的情况下，将我们最复杂的工作负载的性能进一步提高10倍左右。”

Sisense是一个独立的数据分析平台，它使全球2000多家客户能够简化复杂的数据，构建和嵌入数据分析应用。“Sisense和Amazon Redshift之间的强有力协作，为我们众多的联合客户带来了更好的云分析体验。”Sisense首席战略官Guy Levy-Yurista表示，“通过AQUA，我们预计性能将提升10倍，让客户能够优化他们的Redshift数据集群。这些将使我们的客户能够快速将数据转化为洞察力，并在整个业务中注入智能。”

Audible是原创口语娱乐和有声读物的领先制作商和供应商，每天丰富着数百万听众的生活。“在Audible，客户可以搜索和发现多个类别的原创口语娱乐内容和有声读物。为了给这种体验提供动力，我们需要快速分析来自多个数据库的数据，以提供个性化的结果。”Audible首席软件开发工程师Shailesh Vyas说，“我们期待着尝试AWS Glue Elastic Views作为无服务器解决方案，为我们环境中多个不同数据库的数据创建物化视图。有了AWS Glue Elastic Views，我们的开发人员应该能够更快地移动数据，更专注于为客户进行创新，而不是管理复杂的数据集成管道。”

Best Western Hotels & Resorts总部位于亚利桑那州凤凰城，是一家私营酒店品牌，在全球100多个国家和地区拥有约4700家酒店。Best Western提供18个酒店品牌，满足各个市场的开发商和客人的需求。“Amazon QuickSight的按使用付费定价和无服务器架构，使得Best Western的精简分析团队足够敏捷，为业务提供更高的价值，速度更快，而且成本不到我们之前分析架构的一半。”Best Western Hotels & Resorts数据库和企业分析高级经理Joseph Landucci说，“有了Amazon QuickSight Q，我们期待业务合作伙伴能够自助解决问题，减少我们团队应对临时请求的运营开销。它将使我们的合作伙伴只需用简单的语言输入他们的问题，就能快速获得关键业务问题的答案。”

Capital One成立于1994年，是一家领先的信息化技术公司，其使命是让银行业更具独创性、简单性和人性化，帮助银行客户取得成功。“借助Amazon QuickSight，我们已经能够大规模地、快速推出机器学习驱动的BI仪表板，无需任何服务器设置或繁琐的容量规划。” Capital One高级数据工程师Peter Tyson表示，“现在，随着Amazon QuickSight Q的推出，我们期待着让用户能够轻松、快速地获得他们临时业务问题的答案。”

松下航空电子公司是世界领先的机上娱乐和通信系统供应商。“我们基于云计算的解决方案收集了大量的匿名数据，这些数据有助于我们优化航空公司合作伙伴及其乘客的体验。”松下航空电子公司云计算运营总监Anand Desikan说，“我们开始使用Amazon QuickSight来报告机上Wi-Fi性能，凭借其丰富的API、按会话付费的定价以及可扩展的能力，我们迅速将Amazon QuickSight仪表盘推广到数百个用户。该平台的不断进化令人印象深刻：机器学习驱动的异常检测，Amazon SageMaker集成，报表嵌入，提取主题，跨可视化过滤，现在有了Amazon QuickSight Q，我们的用户只需在搜索栏中输入业务问题，Amazon QuickSight Q就能提供消费洞察力，并对业务上下文进行理解，提供同义词，并向他们展示答案，无需复杂的解释。”

Vyaire Medical是一家致力于呼吸护理的全球性公司，它以改善患者的治疗效果和为客户增加价值为目标，坚定不移地实现、改善和延长生命。“在不到两个月的时间里，我们就能将旧的 BI 报告工具转入 Amazon QuickSight。” Vyaire Medical 公司分析与企业数据管理高级总监 Gopal Ramamurthi 说，“我们在管理的便利性方面获得了很多好处，特别是在扩展规模以支持BI用户数量增加时。现在，随着Amazon QuickSight Q的推出，我们期待让我们的高管团队、现场销售用户和制造工厂的主管在仪表盘中无法获得答案时，可以更轻松地用纯英文提出他们的数据问题，提供更快的洞察力，帮助我们提高销售和制造流程的效率。”

包括五种新的Amazon EC2实例类型、两个全新的AWS Outposts单元和三个新的在美国的AWS本地区域

(1) 全新AWS Graviton2驱动的C6gn实例提供了100 Gbps的网络性能，与当前基于x86的同类实例相比其性价比提高了40%；(2) 新的搭载AMD芯片的G4ad图形处理单元（GPU）实例为图形密集型应用提供了业界最佳的性价比；(3) 全新M5zn实例提供了云端最快的Intel Xeon可扩展处理器，其全核睿频频率高达4.5 GHz，每核的计算性能比当前M5实例高出45%；(4) 下一代基于Intel的D3 / D3en实例可提供云端最高存储容量的本地HDD存储；(5) 新的内存优化型R5b实例与Amazon Elastic Block Store（EBS）相同大小的R5实例相比，性能提高了3倍，为Amazon EC2提供了最快的块存储；(6) 两个较小的AWS Outposts单元 -- 1U和2U服务器，让客户可以在空间受限的本地机房访问AWS；(7) AWS 本地区域扩展到波士顿，休斯顿和迈阿密，并计划于2021年在美国其他12个城市推出。

今天，在亚马逊云服务（AWS）举办的年度盛会 -- AWS re:Invent上，AWS发布了五个全新的Amazon Elastic Compute Cloud（Amazon EC2）实例，两个全新尺寸的AWS Outposts，以及三个新的AWS本地区域，以扩大AWS为客户提供最广泛和最深入的云端计算产品组合的行业领先优势。AWS拥有比其它任何云厂商都要多的云计算实例类型，其中包括基于最快英特尔处理器的实例，基于AMD处理器的成本优化类实例，基于NVIDIA最强大GPU的计算实例，高达400 Gbps网络性能的实例，以及云服务厂商中独一无二的基于ARM -- AWS自研的AWS Graviton2处理器的实例  -- 能为客户提供高达40%的性价比提升。行业中独一无二的的AWS Outposts，使客户可以使用和在AWS区域中相同的API、工具以及硬件在本地运行AWS服务。AWS 本地区域为那些需要在大都市中部署低延时工作负载但又不想维护数据中心的客户提供使用AWS的能力。今天的全新发布，为希望根据自己的独特需求去选择最佳计算服务的客户提供了更多选择。要了解有关AWS计算的更多信息，请访问：https://aws.amazon.com/products/compute/

• AWS Graviton2处理器支持的实例C6gn：搭载AWS Graviton2处理器，基于Arm的C6gn实例可提供100 Gbps的网络性能（比C6g高出4倍）和38 Gbps的EBS带宽（比C6g高出2倍），用于计算密集型工作负载。与当前基于网络最优化x86的实例相比，有40%的性价比优势。如今客户使用AWS网络优化实例（例如C5n，M5n，R5n）处理各种网络密集型工作负载，例如防火墙，路由器和负载平衡设备，视频转码以及可利用高吞吐量和数据包的分析功能评价性能。但是，由于这些实例在最大数据包速率方面有限制，因此某些客户需要超额提供计算资源以驱动更高的数据包处理能力，以实现所需的网络吞吐量。C6gn实例在EC2上提供了最佳的数据包处理性能，使客户能够迁移到C6gn并将其工作负载整合到更少的实例或较小的实例上，降低基础架构成本。借助新的Amazon EC2 C6gn实例，AWS正在扩展其Graviton2产品组合，以帮助客户满足网络密集型工作负载的需求，同时降低成本。C6gn支持EFA，一种EC2的网络接口，让流行的HPC技术（例如消息传递接口（MPI））的应用程序扩展到数千个CPU内核。C6gn将在本月稍晚时候发布8种型号，最大能够支持到64vCPUs, 100Gbps网络带宽以及38Gbps EBS带宽。要了解更多关于C6gn实例，请访问：https://aws.amazon.com/ec2/instance-types/c6
• 搭载AMD图形处理器（GPU ）的图形优化实例G4ad：全新的AMD驱动的GPU实例为云端的图形密集型应用提供了最佳的性价比。如今，客户使用由NVIDIA GPU和Intel CPU驱动的G4dn实例来处理图形密集型应用，例如远程图形工作站，VDI虚拟云桌面，视频转码，图形渲染和云游戏。新的采用了AMD GPU和AMD CPU的G4ad实例提供了最低的成本在云端运行图形密集型的应用程序，相对于基于NVIDIA GPU的G4dn 实例将节省多达45%的性价比。G4ad实例配备了最新的AMD Radeon Pro V520 GPU和第二代AMD EPYC处理器，提供高达2.4 TB的本地NVMe存储，用于快速访问数据。这使客户能够有效地为电影，游戏和AR / VR体验创建逼真的3D内容。G4ad实例无需额外付费即可使用企业版AMD Radeon Pro软件，从而为虚拟工作站提供专业级的图形渲染。希望在云端使用远程工作站来运行图形应用程序（例如ESRI ArcGIS Pro，Autodesk Revit，Autodesk Maya或3D Studio Max）的客户可使用G4ad实例，使他们能灵活地按项目分配资源，而不必受本地硬件限制。G4ad实例将在本月稍晚时候发布3种实例类型，分别配备1个，2个或4个GPU 。要了解有关G4ad实例的更多信息，请访问：https://aws.amazon.com/ec2/instance-types/g4
• 搭载Intel Xeon最快的可扩展中央处理器（CPU）的通用型实例M5zn：全新M5zn实例搭载了英特尔至强最高单线程性能的可扩展处理器(Cascade Lake)（针对顺序执行一系列单独的任务的应用类型）。今天，客户会在他们需要高主频CPU （可以更快的执行单线程任务并且在单个CPU核上可以运行更多的任务）和保证本地低延迟的存储的工作负载中采用z1d实例类型，例如电子设计自动化（EDA）和关系型数据库，这些应用同时需要高主频和大容量内存。尽管许多客户受益于z1d实例的高计算性能，但他们并不总是能充分利用可用内存和本地存储，这导致了计算资源的超额配置和更高的基础架构成本。对于金融，实时分析，以及游戏等有复杂计算和实时性分析要求的客户，一直在寻求一种可以既提供更高的计算性能，同时可以降低内存，提供更高的网络吞吐的EC2实例。M5zn实例可提供高达4.5 GHz的全核超频频率，每个vCPU 配置4GiB内存，具有100 Gbps网络带宽，并且有7种不同尺寸可选择（最多48个vCPU和192 GiB内存）。与M5实例相比，M5zn实例的每核性能提高了45%，从而使它们能够以适当的实例尺寸去节省基础架构成本并减少每核上需要的软件许可数量。M5zn实例支持Elastic Fabric Adapter (EFA), EFA提供低延时，高吞吐的网络，并且能扩展到数万处理器核心。有了每CPU核的高性能和高的网络带宽的结合，M5zn实例成为游戏，分析和仿真应用负载的理想选择，适合诸如金融，汽车，航空航天，能源使用，以及电信等行业，因为在这些行业中，每CPU核的性能都是一个瓶颈。M5zn实例在美国东部（N.弗吉尼亚州），美国东部（俄亥俄州），美国西部（N.加利福尼亚州），美国西部（俄勒冈），欧洲（爱尔兰），欧洲（法兰克福）以及亚太地区（东京）可用，并计划在其他区域很快推出。要开始使用M5zn实例，请访问：https://aws.amazon.com/ec2/instance-types/m5/
• 最大容量的存储优化实例D3 / D3en：搭载Intel CPU的下一代存储优化实例，在云端提供最大容量的HDD实例存储。今天，客户依靠Amazon EC2运行密集型存储工作负载，这些工作负载需要对大量数据进行高吞吐量访问，例如大规模并行处理数据仓库（例如亚马逊Redshift和HP Vertica），大数据和分布式文件系统（例如Hadoop和MapReduce），网络文件系统（例如Lustre和Windows文件系统），以及日志或数据处理应用程序（例如Kafka和Elasticsearch）。现在，在D2实例上运行这些工作负载的客户可以享受每个vCPU可用的存储空间和低成本的同时，他们也希望更高的CPU性能和网络速度来满足这些密集型存储工作负载不断增长的性能要求。同时，在本地运行计算和存储集群的客户表示，需要以更低的成本在每个vCPU上使用更多密集型存储，以便在AWS上迁移和扩展其网络和分布式文件系统。与上一代D2实例相比，下一代D3实例的处理性能提高了30%，网络性能提高了2.5倍。 D3实例搭载了第二代Intel Xeon（Cascade Lake）3.1 GHz全核心主频处理器，并提供高达48 TB的实例存储，32 vCPU，256 GiB内存和25 Gbps网络带宽。与D2实例相比，新的扩展存储和高速网络使D3en实例可以提供更多的HDD存储容量，最高可提供336TB存储容量（比D2实例高7倍），75 Gbps的网络带宽（比D2实例高7.5倍） ，以及高达6.2 GiBps的磁盘吞吐（比D2实例高2倍）。D3en实例在云中提供了最大容量的本地HDD存储，与D2实例相比，每TB成本最高可以降低80%，并使客户能够构建PB级文件存储集群，从而可以整合其海量大数据分析工作负载。 D3 / D3en实例在美国东部（弗吉尼亚北部），美国东部（俄亥俄州），美国西部（加利福尼亚北部），美国西部（俄勒冈），加拿大（中部），欧洲（爱尔兰），欧洲（法兰克福），欧洲（巴黎），欧洲（瑞典），欧洲（伦敦），亚太地区（新加坡），亚太地区（东京），亚太地区（悉尼），亚太地区（首尔），亚太地区（孟买），中国（北京），中国（宁夏） ，GovCloud（美国东部）和GovCloud（美国西部）。要开始使用D3 / D3en实例，请访问：https://aws.amazon.com/ec2/instance-types/d3
• 内存优化型实例R5b：新的内存优化型实例R5b增强了Amazon Elastic Block Store（EBS）的性能，可提供高达60 Gbps的带宽和260,000 IOPS，为需求最高的数据库工作负载服务。如今，许多客户将R5实例用于大型关系数据库工作负载，例如电商平台，ERP系统和健康档案管理系统，并依靠EBS来提供可扩展，持久和高可用性的块存储。尽管R5实例可为许多用例提供足够的存储性能，但某些客户的本地工作负载可从更高的EBS性能中受益，例如大型商业数据库的工作负载，包括了具有高性能存储要求的SAP，Oracle和Microsoft SQL Server。当前使用R5实例运行数据库应用程序的其他客户必须根据EBS性能扩展其实例。这增加了其基础架构和数据库许可成本，并降低了其EC2实例的计算和内存利用率。与相同大小的R5实例相比，EC2 R5b实例将EBS性能提高了3倍，从而为处理内存中大数据集的大型数据库工作负载显著提高了性能。R5b实例提高的EBS性能使客户能够将其存储密集型工作负载（如关系数据库和数据分析）从本地数据中心迁移到AWS，以降低成本并获得更高的安全性，可扩展性和可靠性。现有对存储性能敏感的EC2客户可以通过从R5迁移到较少的R5b实例或较小的R5b实例规格合并其工作负载，从而减少基础架构和许可成本。Amazon RDS for Oracle和Amazon RDS for SQL Server现已支持R5b实例，这简化了RDS客户在AWS运行商业数据库应用程序的迁移路径，并将存储性能提高了3倍。R5b实例在美国西部（俄勒冈州），亚太地区（东京），美国东部（N弗吉尼亚州），美国东部（俄亥俄州），亚太地区（新加坡）和欧洲（法兰克福）可用，并计划在其他区域推出。要开始使用R5b实例，请访问：https://aws.amazon.com/ec2/instance-types/r5/

较小尺寸的AWS Outposts使客户可以在空间受限的本地位置使用AWS

在今天之前，AWS Outposts让客户能在本地运行他们的工作负载，同时无缝的连接到AWS在云端的广泛服务，AWS Outposts的一个机架（冰箱差不多大小）至数十个机架，容量相当于数百或数千个服务器。一些客户还希望将AWS Outposts的优势扩展到可能会有空间、电源、或网络限制的地方, 或应对不太需要一整个机架的情况。例如，零售商店客户可能需要在本地运行其销售或安全系统以实现低延迟和本地网络访问，但客户仍想使用在AWS区域中运行的数据湖和机器学习模型来汇总库存数据，并分析客户行为。其他客户可能不需要全部容量的工作负载，例如医院门诊网站，工厂生产线监测中的工作负载或电信运营商的5G网络管理应用程序。此外，对于许多用例，客户可能需要跨数百或数千个远程位置来设置服务器，这可能需要数周或数月的时间。在这些情况下，客户则需要管理跨服务器，监控应用程式的状态和基础设施的性能，并确保应用程序具有最新的安全补丁，这既费时又可能会影响应用程序的可用性。

小型号的AWS Outposts将为客户带来相同的AWS服务，基础设施和在本地运营模式，比如在空间受限的公司分部，工厂，医院，信号发射塔，或零售店。AWS Outposts现推出两个新的较小的型号：1U（1 ¾英寸高）机架服务器和2U（3½英寸高）机架服务器，所需的电力和网络连通性比42U 机架AWS Outposts显著减少。1U 配备AWS Graviton2处理器，有64个vCPU，128 GiB内存和4 TB本地NVMe存储，适用于19英寸宽，24英寸深的空间受限地点（比如信号发射台或零售店）。2U 配备Intel处理器，适合标准19英寸宽，36英寸深的机柜，提供多达128个vCPU，512 GiB内存和8 TB的本地 NVMe 存储，其配置支持AWS Inferentia或GPU。这些较小的尺寸让客户能在本地使用如Amazon Elastic Compute Cloud (EC2), Amazon Elastic Container Service (ECS), Amazon Elastic Kubernetes Services (EKS), and Amazon Virtual Private Cloud (VPC)。一旦AWS Outposts被连接到客户的网络，AWS就可以像管理AWS区域里的硬件一样来管理Outposts的基础架构，包括自动安全补丁和监控硬件运行状况等，从而节省了客户的时间和成本。和以前一样，AWS Outposts提供相同的 AWS 基础设施、AWS 服务、API 和工具到几乎任何数据中心、主机托管空间或本地设施，以实现真正一致的混合体验。小型号的AWS Outposts将在2021年推出，要了解更多信息，请访问https://aws.amazon.com/outposts/

AWS 本地区域扩展到波士顿、休斯顿和迈阿密，并计划在2021年在全美范围内推出其它12个本地区域

AWS 拥有全球最大的基础架构覆盖范围，在24个地理区域内设有77个可用区，并已公布计划在印度，印尼，日本，西班牙和瑞士建立5个新的AWS区域，15个可用区。绝大多数客户在AWS区域为其应用程序获得必要的性能。但是，对于一些对延迟和吞吐量更为敏感的工作负载（例如，远程实时游戏，机器学习推理和实时视频流），客户希望AWS基础设施离他们的终端用户更近。传统上，这些对延迟敏感的工作负载要求客户在自己的数据中心或主机托管的设施中采购、运营和维护IT基础架构，从而增加了成本和运营复杂性。客户还必须使用与在AWS中运行的应用程序不同的应用程序编程接口（API）和工具来构建和运行这些低延迟应用程序组件。以前，客户可以使用位于洛杉矶的AWS本地区域为南加州地区的终端用户提供对应用程序的个位数延迟访问。但是，南加州以外的客户也希望美国其他城市的终端用户能使用此功能。

通过今天的发布，客户现在可以在美国休斯敦、波士顿和迈阿密的新AWS本地区域来运行AWS的计算、存储、数据库、分析和机器学习服务，例如Amazon Elastic Compute Cloud（EC2），Amazon Virtual Private Cloud和Amazon Elastic Block Store（EBS）。随着2021年在亚特兰大，芝加哥，达拉斯，丹佛，堪萨斯城，拉斯维加斯，明尼阿波利斯，纽约，费城，菲尼克斯，波特兰和西雅图推出的另外12个本地区域，客户将能够向美国各城市的终端用户交付个位毫秒级延迟的应用程序。AWS本地区域由AWS管理和支持，这意味着客户不再需要在各个城市中购买，运营和维护数据中心或主机托管设施，不需花费费用或精力来支持超低延迟的应用程序。AWS本地区域为客户提供本地工作负载并与最近的AWS区域中运行的工作负载之间提供高带宽安全连接。这使客户能够使用相同的AWS API和工具，就近为终端用户提供对延迟敏感的工作负载，同时无缝连接AWS区域中的所有服务。要了解有关AWS 本地区域的更多信息，请访问：https://aws.amazon.com/about-aws/global-infrastructure/localzones。

AWS 负责EC2的副总裁Dave Brown表示：“无论您的企业从第一天开始就已全部运行在云端，或刚刚开始将工作负载转移到云端，所有的客户都希望优化以得到最佳性价比。随着客户将越来越多的工作负载迁移到云端，AWS会继续扩展行业领先的计算产品组合，以满足他们日益多样化的需求。通过我们今天推出的新的EC2实例类型、AWS Outposts单元和AWS本地区域，我们为客户提供了无与伦比的功能，以帮助他们以合适的云计算服务来完成正确的工作，从而更经济高效地进行创新。”

Datadog公司是云应用程序的监控和安全平台。Datadog 负责Runtime平台的总监Rob Boll表示：“我们很高兴看到M5zn实例的发布，它将影响我们高吞吐量计算和网络密集型应用程序。我们许多密集计算型工作负载将受益于提升过的单核性能，100 Gbps的网络吞吐将能够让我们更有效地将工作负载打包到更少的节点上。当我们将更大的工作负载移至M5zn实例时，我们预计会节省大量基础架构成本。”

优必达（Ubitus）是云游戏技术的领导者。通过他们的平台，用户只要连接到宽带网络就可以在任何设备上享受AAA级游戏体验，包括智能手机，平板电脑，游戏机，智能电视和计算机。“我们的505 Games与AWS合作，将Control Ultimate Edition变为了广受欢迎的便携式游戏设备，”优必达首席执行官郭荣昌表示。“借助新的EC2 G4ad实例，我们的成本结构变得更低，这将使我们能够向全球移动用户带来更多类似Control Ultimate Edition的游戏。”

Netflix是全球领先的流媒体娱乐服务平台，在190多个国家和地区拥有1.9亿付费会员，可收看各种类型和语言的电视连续剧，纪录片和故事片。“我们有很多艺术家和内容创作者，他们可以将日常使用的本地基础架构迁到云端，并从中受益。但是，每一秒都很重要，尤其是编译、渲染3D模型和动画所需的时间。一段时间以来，我们一直想将这些艺术家的工作站迁移到AWS，以获得云端的性能，弹性和成本优势。但是，由于这些应用程序的交互性，我们的美术人员需要以非常低的延迟访问工作站获得良好的工作体验，”Netflix云基础架构工程总监Nils Pommerien说，“AWS本地区域会让云端资源更接近我们的艺术家，这些应用程序将改变游戏规则。通过利用对AWS高性能和经济高效的计算资源的访问，我们能够将部分内容创建流程迁移到AWS本地区域，同时确保艺术家有更好的使用体验。”

Mindbody是健身，养生和美容行业的领先技术平台。“我们在现有的本地数据中心中运行着一系列相互关联的应用程序。我们一直在考虑将这些工作负载移至云端。然而，在确保我们最终用户的无缝体验的同时，将如此复杂的相互关联的应用程序同时迁移到云中却是个艰巨的任务，”Mindbody生产工程高级总监John Strong说。“AWS本地区域已经为我们解决了这个重要的问题。我们正在使用本地区域将复杂的旧式本地应用程序迁移到AWS，而无需对架构进行昂贵的修改。通过直接连接到本地区域，我们能够建立一个混合环境，从而为在本地区域中运行的应用程序与本地组件之间提供超低延迟的通信。同时，这使我们能够逐步迁移应用程序，大幅简化迁移，同时通过正在进行的混合部署降低业务风险。”

虽然数字相控阵在商业以及航空航天和防务应用中不断增长，但许多设计工程师对相控阵天线并不算了解。相控阵天线设计并非新生事物，经过数十年的发展，这一理论已经相当成熟，但是，大多数文献仅适合精通电磁数学的天线工程师。随着相控阵开始包含更多混合信号和数字内容，许多工程师可以从更直观的相控阵天线方向图说明中获益。事实证明，相控阵天线行为与混合信号和数字工程师每天处理的离散时间采样系统之间有许多相似之处。

本系列文章的目的并非培养天线设计工程师，而是向使用相控阵子系统或器件的工程师展现他们的工作对相控阵天线方向图的影响。

QNX OS for Safety 2.2现已涵盖C++运行库安全性认证，助力开发人员加快认证工作

2020年12月2日 - BlackBerry（纽约证券交易所代码：BB；多伦多证券交易所代码：BB）近日宣布推出QNX® OS for Safety 2.2版本。原始设备制造商（OEM）和其他嵌入式软件供应商可借助该款最新版安全可靠的操作系统，打造安全关键型系统，加快开发时间，降低项目从研究到生产的成本。

基于QNX® Neutrino®实时操作系统（RTOS）开发的QNX OS for Safety 2.2已由知名检测认证机构德国莱茵TÜV （TÜV Rheinland）的独立审核师认定为符合IEC 61508 SIL3（工业）、ISO 26262 ASIL D（汽车）和IEC 62304 Class C（医疗器械）的功能安全标准。该产品还包括符合ISO 26262、IEC 61508 TCL3和T3标准的C和C++工具链。BlackBerry QNX功能安全产品组合现已涵盖经安全认证的C++运行库，从而进一步完善了操作系统的产品交付。

目前，部分一级汽车供应商正将QNX OS for Safety 2.2应用于下一代汽车的技术开发中。

BlackBerry QNX产品及战略副总裁Grant Courville表示：“在无人驾驶汽车、航空航天、医疗器械以及军事应用等领域，确保功能与网络的安全可靠都是嵌入式软件开发人员面临的共同挑战。借助预先认证的工具链和运行库，QNX OS for Safety 2.2简化了安全关键型系统的开发和认证流程，免去了开发人员的后顾之忧。从工业、汽车到现在的医疗器械领域，获得最高级别的功能安全标准认证进一步彰显了我们作为安全关键型系统软件提供商的业界领导地位，相信新版本将获得创新型嵌入式开发人员的一致好评。”

德国莱茵TÜV工业服务有限责任公司自动化、功能安全与网络安全部区域业务经理Thomas Steffens表示：“大多数公司都在面临使用不合格工具链和软件组件等相关问题。工具链的认证工作经常被低估，软件组件的情况甚至更糟，而这些弊端终将体现在目标设计的安全性能中。在大多数情况下都不只是对其他认证活动产生影响。经常通过软件变通的方式来减少软件组件的潜在缺陷，会对微控制器资源（内存、CPU负载等）造成影响。安全认证的工具链和软件组件可以克服这些问题。德国莱茵TÜV提供一流的认证与评估工作，因此，证书的含金量毋庸置疑。”

BlackBerry QNX拥有广泛且经过功能安全认证的嵌入式软件组合，包括QNX OS for Safety、QNX Hypervisor for Safety以及QNX Black Channel Communications。得益于功能安全、网络安全和持续创新方面的专业经验与诚信，BlackBerry QNX技术已应用于超过1.75亿辆行驶中的汽车以及医疗器械、工业控制、铁路、机器人、航空航天和国防等领域的安全关键型系统中。

欲了解有关BlackBerry QNX产品和专业服务的更多信息，包括安全服务和功能安全培训，请访问blackberry.qnx.com。

关于BlackBerry

BlackBerry（纽约证券交易所代码：BB；多伦多证券交易所代码：BB）致力于为全球企业和政府提供智能安全软件和服务，目前为超过5亿终端提供安全防护，其中包括1.75亿辆行驶中的汽车。BlackBerry总部位于安大略省滑铁卢，专注于利用人工智能和机器学习技术，在网络安全、功能安全和数据隐私领域提供创新的解决方案。BlackBerry在终端安全管理、加密和嵌入式系统领域处于全球领先地位。BlackBerry拥有清晰明确的愿景：为值得信赖的互联未来保驾护航。

BlackBerry智能安全，无处不在。

关于德国莱茵TÜV

德国莱茵TÜV（TÜV Rheinland）是国际领先的技术服务提供商，提供检测、认证、咨询和培训等服务。我们在科技与商务领域为企业提供创新和技术支持，并为企业提供安全与质量服务。如需了解更多信息，请访问www.tuv.com。