AWS近日推出了云图形数据库服务Amazon Neptune的无服务器版本——Amazon Neptune Serverless。
Amazon Neptune Serverless旨在简化管理员的日常工作,将有助于降低云基础设施的成本。
图形数据库是一种专门的数据库,不仅可以存储业务记录,还可以存储有关这些记录如何相互连接的信息。例如,图形数据库可以突出显示两个销售记录是否由同一业务部门生成。此外,企业还可以存储有关其他类型数据集之间连接的信息,例如服务器和网络日志。
图形数据库并不是唯一能够存储此类连接的数据库类型,但是,图形数据库保存信息的方式,使其比使用其他不太专业的系统更快地执行分析,因此图形数据库被广泛用于支持那些需要能够识别不同数据点之间链接的应用。
Neptune是Amazon的一种托管型图形数据库服务,可以自动执行多项日常维护任务,包括备份、恢复和修补。Neptune Serverless是此次新推出的无服务器版本,可以自动执行更多维护任务,以进一步简化公司的技术运营。
应用发送到图形数据库环境的查询数量会随时间而变化,随着使用情况的变化,也就必须相应地增加或者减少为数据库环境提供的基础设施数量以满足需求。Neptune客户通常是以手动的方式执行此类任务。
Neptune Serverless可以自动执行该任务,据AWS称,该产品可以检测应用需求何时发生变化,并根据用户的需求添加或者删减数据库容量。AWS表示,Neptune Serverless只需不到一秒钟的时间就可以为数十万个查询预置容量。
自动化基础设施配置过程减少了管理员的手动工作,据AWS称,Neptune Serverless还可以帮助企业在某些情况下降低高达90%的成本,例如当应用以峰值容量运行的时候。当应用开始以峰值容量运行时快速扩展数据库环境并在使用水平下降后对其进行缩减,通常是很难用手动的方式执行的。
“现在,客户借助Amazon Neptune Serverless就拥有了这样一个图形数据库,它可以自动预置和无缝扩展集群,以提供恰到好处的容量来满足需求,从而使他们能够构建和运行应用,即使是那些最可变的、不可预测的工作负载,”AWS数据库、分析和机器学习副总裁Swami Sivasubramanian这样表示。
Neptune Serverless是AWS推出的一系列无服务器产品中的最新一款产品。此前AWS推出了基于云的Amazon Redshift数据仓库和Amazon Aurora关系型数据库服务的无服务器版本。今年早些时候,Amazon Aurora产品增加了新的功能,旨在为客户优化云基础设施成本的同时提高性能水平。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。