aws | BizimKokpit Haber

Amazon EC2 X2idn örnekleri artık Asya Pasifik (Hong Kong) bölgesinde mevcut.

Bellek optimizasyonlu Amazon Elastic Compute Cloud (Amazon EC2) X2idn örnekleri artık Asya Pasifik (Hong Kong) Bölgesi'nde mevcut. 3. nesil Intel Xeon Scalable İşlemcileri ile güçlendirilmiş ve AWS Nitro Sistemi ile inşa edilmiş bu örnekler, bellek yoğun iş yükleri için tasarlanmıştır ve önceki nesil X1 örneklerine kıyasla performans iyileştirmeleri sunmaktadır. Bu örnekler, HANA üzerinde İş Suite, SAP S/4HANA, HANA üzerindeki Veri Martı Çözümleri, HANA üzerindeki İş Ambarı, SAP BW/4HANA ve herhangi bir veritabanında SAP NetWeaver iş yüklerini çalıştırmak için SAP onaylıdır.

Bilim & Teknoloji

Amazon SageMaker HyperPod artık daha hızlı çıkarım otomatik ölçeklendirmesi ve azaltılmış soğuk başlangıçlar için model önbellekleme desteği sunuyor.

Amazon SageMaker HyperPod artık model önbellekleme desteği sunuyor. Bu, model ağırlıklarını ve konteyner görüntülerini küme düğümlerine önceden yükleyerek, pod'ların dakikalar yerine saniyeler içinde başlamasını sağlayan bir çıkarım optimizasyonudur. Sohbet asistanları, ajans boru hatları, RAG ve belge analizi gibi büyük ölçekli LLM çıkarımları gerçekleştirirken, soğuk başlangıç gerçek bir darboğazdır. Dağıtımlar ve ölçekleme olayları, çoğunlukla konteyner görüntülerini ve model ağırlıklarını indirmekle zaman harcar. Model boyutu arttıkça bu durum daha da kötüleşir; büyük modellerin trafiği hizmet vermeye başlaması on dakikalar alabilir. Model önbellekleme, iki bağımsız yetenekle bu sorunu çözer. Ağırlık önbelleği, model ağırlıklarını yerel NVMe üzerinde depolar, böylece pod'lar hızlı yerel depolamadan okur ve S3 veya FSx üzerinden ağdan çekmek zorunda kalmaz. Görüntü önbelleği, konteyner görüntüsünü önceden çeker, böylece pod'lar ECR indirmesini tamamen atlar. Eğer bir pod, sıcak bir önbellek olmayan bir düğüme düşerse, otomatik olarak orijinal kaynaktan çekmeye geri döner, bu nedenle pod'ların takılma veya başarısız olma riski yoktur. 57 GB'dan 145 GB'a kadar modeller arasında yapılan kıyaslamalar, yaklaşık %60 daha hızlı ölçekleme sağlarken, görüntü önbelleği iki dakikadan fazla görüntü çekme süresini (yüzde 97 azalma) kısaltır. Faydalar, model boyutu ile artarken, orijinal kaynak yolunun güvenilirliğini korur. Müşteriler, InferenceEndpointConfig veya JumpStartModel kaynaklarına modelCacheConfig bölümünü ekleyerek HyperPod Inference Operator aracılığıyla model önbelleklemesini etkinleştirir. Operatör, manuel kurulum veya temizlik gerektirmeden tam yaşam döngüsünü yönetir. Model önbellekleme, artık SageMaker HyperPod'un mevcut olduğu tüm bölgelerde genel olarak kullanılabilir. Başlamak için SageMaker HyperPod belgelerine bakın.

Bilim & Teknoloji

AWS Lambda artık Amazon S3 Dosyaları için doğrudan okuma yapılandırmasını destekliyor

AWS Lambda artık Amazon S3 Dosyaları için doğrudan okuma yapılandırmasını destekliyor ve bu sayede fonksiyonlarınızın hangi depolama alanından okuma yapacağını yapılandırmanıza olanak tanıyor: S3 Dosyaları yüksek performanslı depolama veya S3 kovanız. Bu lansman ile, uygulama gereksinimlerinize göre Lambda fonksiyonlarınız için dosya okumalarının verimliliğini ve gecikmesini optimize edebilirsiniz. Müşteriler, S3 Dosyalarını Lambda fonksiyonlarıyla kullanarak ölçeklenebilir veri işleme hatları ve durum bilgisi olan ajans iş yükleri oluşturuyor; bu sayede dosya sisteminin performansından ve basitliğinden faydalanırken, S3'ün ölçeklenebilirliği, dayanıklılığı ve maliyet etkinliğinden de yararlanıyorlar. S3 Dosyaları, düşük gecikme için yüksek performanslı depolamadan veya büyük okumalar için yüksek verimlilik sağlamak amacıyla doğrudan S3 kovanızdan veri sunuyor ve her işlemi en uygun depolama alanına otomatik olarak yönlendiriyor. Varsayılan olarak, Lambda yalnızca 512 MB veya daha yüksek bellekle yapılandırılmış fonksiyonlar için S3 kovanızdan doğrudan okumaları destekliyor. Ancak, doğrudan okuma yapılandırması üzerinde kontrol olmadan, belirli uygulama gereksinimleriniz için okuma performansını optimize edemezsiniz. Bu lansman ile, Lambda fonksiyonlarınızda S3 Dosyaları için doğrudan okumayı açıkça etkinleştirebilir veya devre dışı bırakabilirsiniz; bu, fonksiyon bellek boyutundan bağımsızdır. Doğrudan okumayı etkinleştirdiğinizde, fonksiyonunuz 1 MB veya daha büyük dosyaları doğrudan S3 kovanızdan maksimum verimlilikle okur ve daha küçük dosyalar yüksek performanslı depolama üzerinden sunulur. Devre dışı bıraktığınızda, tüm okumalar en düşük gecikme için yüksek performanslı depolama üzerinden sunulur. Bu yetenek, tüm AWS ticari bölgelerinde, AWS GovCloud (ABD-Doğu) ve AWS GovCloud (ABD-Batı) bölgelerinde mevcuttur; ancak Asya Pasifik (Yeni Zelanda), Orta Doğu (Bahreyn) ve Orta Doğu (BAE) bölgelerinde mevcut değildir. S3 Dosyaları için doğrudan okumayı AWS Yönetim Konsolu, AWS CLI, AWS SDK'ları ve AWS CloudFormation kullanarak yapılandırabilirsiniz. Standart Lambda ve S3 Dosyaları fiyatlandırmasının ötesinde ek bir ücret yoktur. Lambda fonksiyonunuzla S3 Dosyalarını nasıl kullanacağınızı öğrenmek için AWS Lambda geliştirici kılavuzunu ziyaret edin.

Bilim & Teknoloji

Amazon Bedrock Yönetilen Bilgi Tabanı, TwelveLabs Marengo 3.0 ile video, ses ve görsel içerikler için çok modlu gömme desteği sunuyor.

AWS, Amazon Bedrock Yönetilen Bilgi Tabanı'nda TwelveLabs Marengo 3.0'ın bir gömme modeli olarak kullanılabilirliğini duyurdu. Bu, müşterilerin video, ses ve görsel içerikler için çok modlu gömmeler oluşturmasını sağlıyor. Amazon Bedrock Yönetilen Bilgi Tabanı, ses ve videoyu metne dönüştürerek ve metin tabanlı gömmeler üreterek medya aramasını zaten destekliyor; Marengo 3.0 ise görsel sahneleri, konuşmaları ve video ipuçlarını doğrudan çok modlu gömmelere kodlayarak, yalnızca transkripsiyonla elde edilemeyen anlamı yakalıyor. Medya varlıklarınızı Amazon S3 gibi veri kaynaklarından yükleyin, senkronize edin ve doğal dil kullanarak arama yapın—yönetilecek bir altyapı olmadan. Marengo 3.0, en son teknolojiye sahip geri alma doğruluğu sunarak kompakt 512 boyutlu vektörler üretiyor. Sonuçlar, segment başlangıç ve bitiş zamanlarını içeriyor, bu da uygulamaların bir videodaki ilgili anlara doğrudan atlamasını sağlıyor. Bu, spor analitiği, medya ve eğlence, güvenlik, eğitim ve perakende gibi alanlarda kullanım senaryolarını açıyor—oyun görüntülerinin sezonlarındaki belirli oyunları bulmaktan, kavramlara göre ders segmentlerini anahtar kelimeler yerine bulmaya kadar. Model, içerik yapınıza uyacak şekilde yapılandırılabilir segmentasyon seçenekleri sunuyor. Daha fazla bilgi için, Amazon Bedrock Bilgi Tabanı Kullanıcı Kılavuzu'nda TwelveLabs Marengo 3.0 gömme modeli entegrasyonuna bakın. Daha fazla bilgi için, Amazon Bedrock Bilgi Tabanları ürün sayfasını ziyaret edin.

Bilim & Teknoloji

AWS HealthOmics artık gerçek zamanlı çalışma metriklerini Amazon CloudWatch'a yayımlıyor.

AWS HealthOmics artık gerçek zamanlı çalışma metriklerini Amazon CloudWatch'a yayınlıyor ve bu sayede çalıştırmalar sırasında iş akışı kaynak kullanımını görmenizi sağlıyor. 14 yeni çalışma metriği, CPU ve GPU kullanımı, bellek kullanımı, dosya sistemi kullanımı ve I/O metrikleri, ağ verimliliği ve geçici depolama kullanımı gibi alanları kapsıyor. AWS HealthOmics, sağlık ve yaşam bilimleri müşterilerinin tam yönetilen biyoinformatik iş akışları ile ölçeklenebilir bilimsel atılımları hızlandırmalarına yardımcı olan HIPAA uyumlu bir hizmettir. Gerçek zamanlı çalışma metrikleri, CPU veya GPU darboğazlarını belirlemenize, bir görev başarısız olmadan önce bellek veya depolama tükenmesini tespit etmenize ve dosya sistemi verimliliğini takip etmenize yardımcı olabilir; tüm bunları bir destek talebi açmadan yapabilirsiniz. Gerçek kullanım ile tahsis edilen kaynakları karşılaştırarak, iş akışlarınız için hesaplama ve depolama yapılandırmalarını doğru bir şekilde ayarlayabilirsiniz. Bu metrikler, Amazon CloudWatch OpenTelemetry standardı kullanılarak yayınlanmaktadır, bu nedenle bunları yerel CloudWatch panoları ve alarmları dışında üçüncü taraf gözlemleme araçlarıyla entegre edebilirsiniz. Gerçek zamanlı çalışma metrikleri artık aşağıdaki AWS HealthOmics bölgelerinde mevcuttur: ABD Doğu (Kuzey Virginia, Ohio), ABD Batı (Oregon), Avrupa (Frankfurt, İrlanda, Londra) ve Asya Pasifik (Singapur, Seul, Tokyo). Daha fazla bilgi için, CloudWatch ile çalışma metriklerini izleme belgelerini ziyaret edin. Amazon CloudWatch, bu çalışma metrikleri için ölçüm verisi hacmine göre ücretlendirme yapmaktadır. Fiyatlandırma hakkında daha fazla bilgi için, Amazon CloudWatch fiyatlandırmasını ziyaret edin.

Bilim & Teknoloji

AWS DevOps Ajansı, araştırmalar için çift yönlü Slack iletişimi ekliyor

AWS DevOps Agent artık mühendislerin tam soruşturma döngüsünü doğrudan Slack içinde yönetmelerini sağlıyor. Daha önce, acil durumlarda çağrıda bulunan mühendisler ve DevOps ekipleri, iletişim ve soruşturma platformları arasında geçiş yapmak zorunda kalarak parçalı iş akışlarıyla karşılaşıyordu. Bu güncelleme, her iki yüzeyi de olay yanıtının zaten gerçekleştiği tek bir birleşik konumda bir araya getiriyor. Mühendislik ekipleri artık herhangi bir bağlı Slack kanalında AWS DevOps Agent'ı @bahsederek bir soruşturma başlatabiliyor. Tüm soruşturma faaliyetleri, ekip katkılı bağlam, ajan bulguları ve önerilen eylemler dahil olmak üzere, tek bir başlık altında toplanıyor. Bu, kritik anlarda bilişsel yükü ortadan kaldırıyor ve tetikleyiciden hafifletmeye kadar tam bir denetim izi koruyarak, olay sonrası retrospektifleri önemli ölçüde daha verimli hale getiriyor. Bu yetenek, şu anda AWS DevOps Agent'ın desteklendiği tüm ticari AWS bölgelerinde mevcuttur. Başlamak için kullanıcı kılavuzunu okuyun. En son AWS DevOps Agent özelliklerini sürüm geçmişi sayfasında görebilirsiniz.

Bilim & Teknoloji

AWS Transform for .NET artık modernleştirilmiş kod için birim testleri oluşturuyor

Bugün, AWS, AWS Transform for .NET'in modernize ettiği kod için otomatik birim testleri oluşturabileceğini duyurdu. Aktif hale getirildiğinde, AWS Transform, dönüştürülmüş .NET uygulamanızdaki test edilebilir sınıfları hedef alan birim testleri oluşturur; bu sınıflar arasında iş mantığı ve denetleyiciler bulunur. Bu, modernize edilmiş kod üzerinde otomatik bir test güvenlik ağı sağlar ve göç işlemiyle aynı işin bir parçası olarak gerçekleştirilir. .NET Framework uygulamasını modern .NET'e modernize etmek, dönüştürülmüş ve derlenebilir bir kod tabanı üretir, ancak ekipler daha önce bu modernize edilmiş kod için test kapsamını elle yazmak zorundaydı. Bu lansmanla birlikte, AWS Transform uygulamanızı test edilebilirlik açısından standart .NET değerlendirmesi ile paralel olarak değerlendirir, hangi sınıf ve yöntemlerin kapsanacağına dair bir plan yapar ve ilgili birim test kodunu oluşturur, böylece göçü testler zaten yerinde olacak şekilde tamamlayabilirsiniz. Birim test oluşturma isteğe bağlıdır: bunu bir işin başlangıcında veya dönüşüm tamamlandıktan sonra etkinleştirebilirsiniz. AWS Transform for .NET için birim test oluşturma, AWS Toolkit for Visual Studio eklentisinde desteklenmektedir. AWS Transform for .NET'in desteklendiği tüm AWS Bölgelerinde mevcuttur. Başlamak için, Visual Studio'da AWS Transform for .NET ile bir .NET dönüşümü gerçekleştirin ve birim testleri oluşturmayı seçin. Daha fazla bilgi için, AWS Transform Kullanıcı Kılavuzu'ndaki IDE'de .NET Modernizasyonu bölümüne bakın.

Bilim & Teknoloji

AWS Lambda döngü tespiti artık Avrupa Egemen Bulut'ta mevcut

AWS Lambda'da özyinelemeli döngü tespiti artık Avrupa Egemen Bulut'ta çalışan fonksiyonlar için destekleniyor. Özyinelemeli döngü tespiti, Lambda fonksiyonları ve diğer desteklenen hizmetler arasındaki özyinelemeli çağrıları otomatik olarak tespit eder ve durdurur, böylece istenmeyen özyinelemeli döngüler nedeniyle oluşabilecek beklenmedik faturalandırmayı önler. Müşteriler, Lambda fonksiyonlarını tetikleyen olay odaklı uygulamalar oluşturmak için Amazon S3, Amazon SQS ve Amazon SNS gibi olay kaynaklarını kullanır. Yanlış yapılandırma veya kod hatası, olayların Lambda fonksiyonunu tetikleyen aynı kaynağa geri gönderilmesine neden olarak özyinelemeli döngüler ve istenmeyen kullanım oluşturabilir. Böyle bir döngü tespit edildiğinde, özyinelemeli döngü tespiti otomatik olarak olayın işlenmesini durdurur ve size sorun giderme adımlarıyla birlikte bir AWS Health Dashboard bildirimi gönderir. Özyinelemeli döngü tespiti, desteklenen bir SDK sürümünü kullanan Lambda fonksiyonları için varsayılan olarak etkinleştirilmiştir. Fonksiyonunuzun kasıtlı olarak özyinelemeli döngüler kullanması durumunda, Lambda fonksiyonunuzda özyinelemeli döngü tespitini kapatmak için PutFunctionRecursionConfig API'sini kullanabilirsiniz. Özyinelemeli döngü tespiti hakkında daha fazla bilgi edinmek için Lambda belgelerine göz atın.

Bilim & Teknoloji

Amazon API Gateway artık yapılandırılabilir teslimat noktaları ile 1 MB yürütme günlüklerini destekliyor.

Amazon API Gateway artık yapılandırılabilir teslimat noktalarını ve REST API yürütme günlükleri için daha büyük günlük olaylarını destekliyor. Önceden, yürütme günlükleri tek bir API Gateway yönetimindeki CloudWatch Logs günlük grubuna teslim ediliyordu ve günlük olayları 1 KB ile sınırlıydı, bu da istek ve yanıt verilerine görünürlüğü kısıtlıyordu. Artık yürütme günlüklerini kendi Amazon CloudWatch Logs günlük gruplarınıza, Amazon S3 bucket'larınıza veya Amazon Data Firehose akışlarınıza kadar 1 MB'a kadar yönlendirebilir ve birden fazla varış noktasına aynı anda teslim edebilirsiniz. Örneğin, yürütme günlüklerini maliyet etkin uzun vadeli depolama ve Amazon Athena ile analiz için Apache Parquet formatında Amazon S3'e yönlendirebilirken, aynı anda CloudWatch Logs'a gerçek zamanlı uyarılar için yapılandırılmış JSON günlükleri de teslim edebilirsiniz. Bu özellik, API Gateway REST API'lerinin mevcut olduğu tüm AWS bölgelerinde, AWS GovCloud (ABD) bölgeleri dahil olmak üzere mevcuttur. Bu özellik aracılığıyla teslim edilen yürütme günlükleri, satılan günlük tarifeleri üzerinden ücretlendirilir. Fiyatlandırma detayları için Amazon CloudWatch Fiyatlandırması'na bakabilirsiniz. Teslimatı API Gateway konsolu, AWS CLI veya AWS CloudFormation aracılığıyla ayarlayabilirsiniz. Başlamak için Amazon API Gateway belgelerine ve AWS blog yazısına bakın.

Bilim & Teknoloji

AWS Lambda dayanıklı fonksiyonları Pydantic AI ile entegre oluyor

Bugün, AWS Lambda dayanıklı fonksiyonları, Python'da AI ajanları oluşturmak için açık kaynak bir çerçeve olan Pydantic AI ile bir entegrasyon duyurdu. AWS Lambda dayanıklı fonksiyonları, Pydantic AI ajanınızın ilerlemesini çalıştığı sürede kaydeder, böylece bir kesinti (örneğin zaman aşımı) sonrası, ajanın son tamamlanan adımdan devam etmesini sağlar; böylece baştan başlamak zorunda kalmazsınız. Ajanınız, kontrol noktası ve yeniden deneme mantığını kendiniz yazmadan hata toleransı kazanır. Bu entegrasyon ile ajanın yaptığı her model ve araç çağrısı, dayanıklı bir yürütme adımıdır, bu nedenle kesintiye uğramış bir çalışmada zaten tamamlanmış çağrılar tekrar edilmez. Bu, belgeleri gözden geçiren veya birçok kaynaktan bir konu araştıran bir model çağrısı zinciri gibi, tekrarı pahalı olan işler için önemlidir; çünkü baştan başlamak, aynı işi yapmak için token'lar için yeniden ödeme yapmak anlamına gelir. Ayrıca, yürütmeye devam ederken istenmeyen yan etkileri önlemeye de yardımcı olur; örneğin, bir müşteriyi iki kez faturalandırmak gibi. Ajanınız AWS Lambda üzerinde çalıştığı için, hiçbir sunucu yönetmezsiniz ve yalnızca kullandığı hesaplama için ödeme yaparsınız. Bu entegrasyonu herhangi bir Python AWS Lambda dayanıklı fonksiyonunda kullanabilirsiniz. AWS Lambda dayanıklı fonksiyonlarının mevcut olduğu tüm AWS bölgelerinde mevcuttur. Başlamak için Pydantic AI'yi kurun ve AWS Lambda dayanıklılık sayfasını takip edin. Entegrasyon detaylarını dayanıklı yürütme SDK referansında da bulabilirsiniz. AWS Lambda dayanıklı fonksiyonları hakkında daha fazla bilgi için geliştirici kılavuzuna ve AWS Lambda ürün sayfasına bakın.

Bilim & Teknoloji

Amazon MQ artık RabbitMQ 4.3'ü destekliyor

Amazon MQ artık RabbitMQ 4.3 sürümünü destekliyor. Bu sürüm, sıkıştırma, artırılmış öncelik seviyeleri, yerel gecikmeli yeniden denemeler ve nazik tüketici zaman aşımı gibi quorum kuyruk özellik geliştirmelerini içeriyor. RabbitMQ 4.3 ayrıca bellek yönetimi için çeşitli hata düzeltmeleri ve performans iyileştirmeleri de sunuyor. RabbitMQ 4.3'teki quorum kuyrukları, kuyruklar için disk kullanımını azaltmak amacıyla sıkıştırma gerçekleştirir ve önceki RabbitMQ sürümlerinde desteklenen göreceli 2 seviyeye kıyasla 32 katı sıkı öncelik seviyesini yerel olarak destekler. Quorum kuyrukları artık başarısız mesajları otomatik olarak bir kenara ayırabilir ve belirli bir soğuma süresinden sonra teslimatı yeniden deneyebilir. Tüketici zaman aşım süreleri, küresel protokol kanallarından quorum kuyruklarına taşındı ve artık protokole özgü olarak yapılandırılabilir. Hem tüketici zaman aşım süreleri hem de gecikmeli yeniden denemeler RabbitMQ Politikaları tarafından yapılandırılabilir ve yönetilebilir. Geçici, özel olmayan kuyruklar, Küresel QoS ve Klasik kuyruklar v1 depolama artık RabbitMQ 4.3'te desteklenmiyor. Tüketici zaman aşım süreleri de klasik kuyruklara uygulanmaz. Amazon MQ'da RabbitMQ 4.3 kullanmaya başlamak için, AWS Yönetim konsolu, AWS CLI veya AWS SDK'ları aracılığıyla yeni bir broker oluştururken RabbitMQ 4.3'ü seçmeniz yeterlidir. Amazon MQ, RabbitMQ 4.3 broker'larınız için yaman sürüm güncellemelerini otomatik olarak yönetir, bu nedenle yalnızca ana.ikincil sürümü belirtmeniz yeterlidir. RabbitMQ 4.3'teki değişiklikler hakkında daha fazla bilgi edinmek için Amazon MQ sürüm notlarına ve Amazon MQ geliştirici kılavuzuna bakabilirsiniz. Bu sürüm, bugün Amazon MQ m7g türü örneklerin mevcut olduğu tüm bölgelerde mevcuttur.

Bilim & Teknoloji

İkinci nesil tek raf AWS Outposts'un duyurusu

Bugün, AWS, ikinci nesil tek raflı AWS Outposts'un genel kullanılabilirliğini duyuruyor. Bu, düşük gecikme, yerel veri işleme ve veri ikameti gerektiren yükler için özel olarak tasarlanmış, hesaplama, depolama ve ağ bağlantısını tek bir kompakt birimde entegre eden, kendine yeterli 42U rafıdır. Tek raflı Outposts, 2,688 vCPU ve 100 TB Amazon Elastic Block Store (Amazon EBS) depolama kapasitesi sunar. Ayrıca, çok raflı Outposts gibi, tek raflı Outposts da genel amaçlı (M7i, M8i), hesaplama odaklı (C7i, C8i), bellek odaklı (R7i, R8i) ve Outposts hızlandırılmış ağ (Bmn-sf2e, Bmn-cx2, Bmn-cx3a) örnekleri de dahil olmak üzere en son x86 tabanlı EC2 örneklerini destekler. Sınırlı raf alanına sahip yerlerde, örneğin imalat, oyun ve diğer endüstrilerde faaliyet gösteren kuruluşlar için, tek raflı Outposts, en son AWS hesaplama, depolama ve ağ özelliklerini yerinde sunar ve müşterilere mevcut alan ve güçlerini kullanarak modernleşme için doğrudan bir yol sağlar. Tek raflı ve çok raflı Outposts, müşterilere AWS Bölgeleri ve yerinde konumlar arasında aynı AWS API'leri, yönetim konsolu, otomasyon, yönetim politikaları ve güvenlik kontrolleri ile tutarlı bir deneyim sunar. Outposts raflarının desteklendiği AWS Bölgeleri ve ülkeler/bölgelere dair güncel bir liste için Outposts rafı SSS sayfasını kontrol edin. Başlamak için AWS Outposts konsolunu açın.

Bilim & Teknoloji

Amazon OpenSearch Serverless artık Vercel tarafından v0'da mevcut.

Artık Amazon OpenSearch Serverless ile tam yığın arama ve AI uygulamalarını dakikalar içinde oluşturabilirsiniz. Vercel tarafından sunulan v0, fikirlerinizi üretime hazır web uygulamalarına dönüştüren AI destekli bir platformdur. OpenSearch Serverless, altyapı yönetimini ortadan kaldırır ve talebe göre kapasiteyi otomatik olarak yukarı veya aşağı ölçeklendirir, böylece kümeleri yönetmek yerine inşa etmeye odaklanabilirsiniz. Bu lansman ile, v0 arayüzünden ayrılmadan, OpenSearch Serverless ile güçlendirilmiş tam metin arama ve vektör arama uygulamaları oluşturmak için doğal dil istemlerini kullanabilirsiniz. Başlamak için, v0'da ne inşa etmek istediğinizi doğal dil istemi ile tanımlamanız yeterlidir veya Amazon OpenSearch Serverless önceden seçilmiş olarak başlamak için v0'da OpenSearch Serverless'ı ziyaret edebilirsiniz. v0, eksiksiz bir tam yığın uygulaması oluşturur, otomatik olarak bir Amazon OpenSearch Serverless koleksiyonu tahsis eder, verilerinizi bu koleksiyona indeksler ve arama sorgularını hizmet vermek için Amazon OpenSearch Serverless uç noktasını kullanır. v0, gerekli ortam değişkenlerini ve yapılandırmayı yönetir ve önerilen kalıplara uyan kod oluşturmak için sağlayıcıya özgü ajan becerilerini yükler. v0'ı, yeni bir AWS hesabı altında Amazon OpenSearch Serverless kaynaklarını tahsis etmesi için yönlendirebilir veya mevcut bir AWS hesabına bağlayabilirsiniz. v0'da Amazon OpenSearch Serverless ile Vercel uygulamaları oluşturabilirsiniz. Desteklenen AWS bölgeleri şunlardır: ABD Doğu (Kuzey Virginia), ABD Doğu (Ohio), ABD Batı (Oregon), ABD Batı (Kuzey Kaliforniya), Kanada (Merkez), Güney Amerika (São Paulo), Avrupa (İrlanda), Avrupa (Londra), Avrupa (Paris), Avrupa (Frankfurt), Avrupa (Stockholm), Asya Pasifik (Mumbai), Asya Pasifik (Singapur), Asya Pasifik (Sidney), Asya Pasifik (Tokyo), Asya Pasifik (Seul) ve Asya Pasifik (Osaka). Daha fazla bilgi için Vercel duyurusunu kontrol edebilir veya Amazon OpenSearch Serverless belgelerini ziyaret edebilirsiniz.

Bilim & Teknoloji

Amazon Redshift RG örnekleri artık Avrupa (Zürih) Bölgesinde mevcut

Amazon Redshift RG örnekleri, AWS Graviton işlemcileriyle desteklenerek artık AWS Avrupa (Zürih) Bölgesi'nde mevcut. RG örnekleri, veri ambarı ve veri gölü iş yüklerini önceki nesil RA3 örneklerine göre %2.4 daha hızlı çalıştırarak daha iyi performans sunar ve vCPU başına %30 daha düşük fiyatla gelir. RG örnekleri, Apache Iceberg ve Parquet verilerini küme düğümlerinizde işleyen Redshift'in özel olarak geliştirilmiş vektörleştirilmiş veri gölü sorgu motorunu içerir; bu sayede tek bir motor kullanarak veri ambarınız ve veri gölünüz üzerinde SQL analitiği gerçekleştirebilirsiniz. RG örnekleri, rg.large, rg.xlarge, rg.4xlarge ve rg.12xlarge olmak üzere dört farklı örnek boyutunda mevcuttur. Mevcut RA3 kümelerine sahip müşteriler, Snapshot & Restore, Elastic Resize veya Classic Resize kullanarak bunları RG'ye yükseltebilir. RG örnekleri, Talep Üzerine, 1 yıllık ve 3 yıllık Rezervli Örnekler ile birlikte esnek fiyatlandırma seçenekleriyle sunulmaktadır; bu seçenekler All Upfront, Partial Upfront ve No Upfront ödeme seçeneklerini içerir. Fiyat detayları için Amazon Redshift fiyatlandırma sayfasını ziyaret edin. Başlamak için aşağıdaki kaynaklara başvurun: Amazon Redshift RG Örneği Dokümantasyonu, RA3'ten RG'ye Yükseltme Kılavuzu, Amazon Redshift fiyatlandırma sayfası.

Bilim & Teknoloji

Amazon CloudWatch artık sentetik izleyiciler kullanarak TGW bölge içi eşleştirme için ağ sağlık göstergesini destekliyor.

Amazon CloudWatch Ağ İzleme'deki sentetik monitörlerle, artık bir AWS Transit Gateway inter-bölge eşleme bağlantısını aşan bir yoldaki ağ performans sorunlarının AWS ağından kaynaklanıp kaynaklanmadığını belirleyebilirsiniz. Bu, ağ operatörlerinin ve uygulama geliştiricilerin bu yollar üzerindeki bozulmanın kaynağını izole etmek için harcadıkları zamanı azaltmalarına yardımcı olur. Önceden, sentetik monitörler için ağ sağlık göstergesi (NHI) yalnızca AWS Direct Connect üzerinden bağlanan yolları kapsıyordu. Bu sürümle birlikte, sentetik monitörler, Transit Gateway inter-bölge eşlemesi üzerinden bir eşlenen bölgedeki bir hedefe ulaşan yollara da genişletildi. Bu yollar için gösterge, Transit Gateway eşleme bağlantısına kadar olan AWS ağ yolunun sağlığını yansıtır ve panolar oluşturup alarmlar ayarlayabilmeniz için Amazon CloudWatch hesabınıza yayınlanır. AWS iş yükleri için Ağ İzleme'nin mevcut olduğu AWS Bölgeleri'nin tam listesi için Bölge listesine göz atın. Daha fazla bilgi için Amazon CloudWatch Ağ İzleme belgelerini ziyaret edin.

Bilim & Teknoloji

CloudWatch Ağ İzleyici artık Transit Gateway eşleştirmesi için NHI sağlıyor

Bugün, AWS, Amazon CloudWatch Network Monitor'ın sentetik izleme özelliğinin artık AWS Transit Gateway inter-Region eşleme bağlantısı üzerinden bir hedefe ulaşan yollar için ağ sağlık göstergesini (NHI) sağladığını duyurdu. Amazon CloudWatch Network Monitor, AWS üzerinde barındırılan uygulamalarınızı hedeflerinize bağlayan hibrit ağ yolları için paket kaybı ve gecikmeyi ölçen tamamen yönetilen bir hizmettir. NHI, ağ operatörlerinin ve uygulama geliştiricilerinin gözlemlenen bir bozulmanın AWS ağında olup olmadığını hızlı bir şekilde belirlemelerine yardımcı olur. Daha önce, NHI yalnızca AWS Direct Connect üzerinden bağlanan yolları kapsıyordu. Bu lansman ile, Transit Gateway inter-Region eşleme üzerinden yönlendiren hibrit mimariler aynı hızlı tanıyı alarak, bir sorunun kaynağını izole etmek için harcadığınız süreyi azaltır. Bu yollar için NHI, Transit Gateway eşleme bağlantısına kadar olan AWS ağ yolunun sağlığını yansıtır ve Amazon CloudWatch, panolar oluşturup alarmlar ayarlamanız için metriği alır. Daha fazla bilgi için, Amazon CloudWatch Kullanıcı Kılavuzu'nda Ağ Sentetik İzleyici'nin nasıl çalıştığını görün.

Bilim & Teknoloji

AWS Elemental MediaTailor artık Düşük Gecikmeli HLS reklam eklemeyi destekliyor

AWS Elemental MediaTailor artık HLS Interstitials kullanarak Düşük Gecikmeli HTTP Canlı Yayın (LL-HLS) reklam eklemeyi destekliyor. MediaTailor, canlı yayınları, lineer kanalları ve isteğe bağlı video içeriklerini paraya çeviren bir kanal oluşturma ve kişiselleştirilmiş reklam ekleme hizmetidir. Bu lansmanla birlikte, video sağlayıcıları, izleyicilerin beklediği düşük gecikmeyi korurken, düşük gecikmeli canlı yayınlara reklam ekleyebilir. LL-HLS, kısmi segmentler sunarak ve oynatıcıların bir sonraki segment parçası hazır olana kadar bir çalma listesi isteğini açık tutmasına izin vererek canlı gecikmeyi azaltır; bu, medya çalma listelerinin içerik dağıtım ağı (CDN) kenarında önbelleğe alınabilir olmasını gerektirir. MediaTailor, her izleyiciye aynı önbelleğe alınabilir çalma listesini sunduğundan, düşük gecikmeli oynatmayı ölçeklendirebilir ve reklam karar sunucusu çağrısını manifest isteği yolundan çıkarır. Bu yetenek, milyonlarca izleyiciye sahip canlı spor etkinliklerinde üretimde kanıtlanmıştır ve düşük gecikmenin bir ürün gereksinimi olduğu canlı sporlar, haberler, bahis ve kumar, izleme partisi ve etkileşimli canlı formatlar için idealdir. Düşük Gecikmeli HLS reklam ekleme, AWS Elemental MediaTailor'ın mevcut olduğu tüm AWS bölgelerinde mevcuttur. Daha fazla bilgi için AWS Elemental MediaTailor ürün sayfasını ve MediaTailor sunucu destekli reklam ekleme belgelerini ziyaret edin. Başlamak için MediaTailor konsoluna giriş yapın.

Bilim & Teknoloji

AWS Elemental MediaTailor artık Amazon Reklamları talebiyle reklam boşluklarını otomatik olarak doldurmak için Verimlilik Optimizasyonu sunuyor.

AWS Elemental MediaTailor artık, canlı yayınlar için sunucu tarafı reklam yerleştirmesi (SSAI) sırasında kullanılmayan reklam envanterini otomatik olarak Amazon Ads talebi ile para kazandıran yeni bir yetenek olan Yield Optimization'ı sunuyor. Sadece Amazon Yayıncı Hizmetleri (APS) Streaming TV programındaki yayıncılar için özel olarak sunulan bu özellik, doldurulmamış reklam aralarını maliyetsiz bir şekilde para kazandıran izlenimlere dönüştürüyor ve ek bir altyapı gerektirmiyor. Reklamlar, izleyiciye ulaşmadan önce akışa doğrudan eklenerek her cihazda kesintisiz bir şekilde oynatılıyor. Ana özellikler: - Ölçek için tasarlandı: yield optimization, profesyonel lig şampiyonaları gibi büyük ölçekli canlı etkinlikler için düşük gecikme süresi ve hızlı yanıt süreleri ile reklam dolumunu maksimize etmek üzere tasarlanmıştır. - Marka güvenliği: talep, aynı reklam arası içinde rekabetçi çatışmaları önlemek için kategori bazında filtrelenir. Yayıncılar, akışlarında hangi reklamların gösterileceği üzerinde tam kontrol sağlamak için kendi fiyat tabanlarını ve kategori kurallarını belirler. - Etkinleştirmesi basit: yield optimization'ı MediaTailor API'si veya Konsolu aracılığıyla yapılandırın. Ek bir altyapı veya istemci tarafında değişiklik gerekmiyor. - Performans görünürlüğü: Amazon CloudWatch'ta MediaTailor metriklerini kullanarak reklam dolum oranı iyileştirmelerini izleyin. Gelir ve kazançları APS Yayıncı portalı aracılığıyla takip edin. AWS Elemental MediaTailor yield optimization, MediaTailor'ın mevcut olduğu tüm AWS Bölgelerinde ek bir maliyet olmaksızın mevcuttur; bunlar arasında ABD Doğu (Ohio), ABD Doğu (Kuzey Virginia), ABD Batı (Oregon); Afrika (Cape Town); Asya Pasifik (Hyderabad, Malezya, Melbourne, Mumbai, Osaka, Seul, Singapur, Sydney, Tokyo); Kanada (Merkez); Avrupa (Frankfurt, İrlanda, Londra, Paris, Stockholm); Orta Doğu (BAE); ve Güney Amerika (São Paulo) bulunmaktadır. Daha fazla bilgi için AWS Elemental MediaTailor belgelerini ziyaret edin.

Bilim & Teknoloji

AWS Elemental, canlı video için Dinamik Çoklu Görünüm'ü tanıttı.

AWS Elemental MediaPackage artık Dinamik Çoklu Görünüm sunuyor; bu, sunucu tarafında bir yetenek olup, birden fazla canlı video kaynağını izleyici tarafından seçilen döşeme düzenleri halinde talep üzerine bir araya getiriyor. İçerik sağlayıcıları, çok açılı, çok oyunlu ve kişiselleştirilmiş izleme deneyimlerini standart HLS (HTTP Canlı Akış) ve DASH (HTTP Üzerinden Dinamik Uyarlanabilir Akış) akışları olarak sunabilir; bu akışlar, özel bir oynatıcı geliştirmeye gerek kalmadan çoğu modern tüketici cihazında, televizyonlarda ve set üstü kutularda oynatılabilir. Dinamik Çoklu Görünüm, tamamen sıkıştırılmış alanda çalışır; bireysel olarak kodlanmış kaynakları yeniden kodlama veya birleştirme olmadan birleştirir. Müşteriler, her kaynağı bir kez AWS Elemental MediaLive üzerinden kodlar ve MediaPackage, yalnızca izleyicilerin talep etmesi durumunda kompozisyonları talep üzerine oluşturur; bu da kombinasyonları önceden kodlama gereksinimini ortadan kaldırır. Çıktı standart HLS ve DASH olduğundan, mevcut cihazlarda ve oynatıcılar üzerinde, uygulama değişiklikleri veya SDK entegrasyonu gerektirmeden yerel olarak oynatılır. Özellik, AVC ve HEVC kodeklerini, DRM şifrelemesini, SCTE-35 reklam işareti geçişini ve tam ekran reklam değiştirmeyi destekler. Daha fazla bilgi için Elemental Dinamik Çoklu Görünüm Referans Kılavuzu'nu ziyaret edin. Dinamik Çoklu Görünüm, AWS Elemental MediaPackage ve MediaLive'ın mevcut olduğu tüm AWS Bölgelerinde mevcuttur.

Bilim & Teknoloji

AWS Elemental Inference artık canlı videodan gerçek zamanlı olarak bağlamsal meta veriler üretiyor.

AWS Elemental Inference, artık özel makine öğrenimi altyapısına ihtiyaç duymadan, canlı video akışlarından gerçek zamanlı olarak bağlamsal meta veriler üretiyor. Bu yeni yetenek, canlı videoyu kodlama ile paralel olarak analiz ederek, Etkileşimli Reklam Bürosu (IAB) içerik taksonomi kategorilerini, Küresel Sorumlu Medya İttifakı (GARM) marka uygunluk sinyallerini, tespit edilen nesneleri ve eylemleri, ayrıca sahne ve çekim düzeyindeki tanımları çıkarıyor. Yayıncılar ve içerik platformları artık sunucusuz, tamamen yönetilen AI kullanarak bağlamsal reklam karar verme, medya varlık zenginleştirme ve içerik keşif iş akışlarını güçlendirebiliyor. Bağlamsal reklamcılık için, AWS Elemental MediaLive, Elemental Inference akış kimliğini (Kablo Telekomünikasyon Mühendisleri Derneği) SCTE-35 reklam işaretlerine yerleştiriyor. Her reklam arası için, AWS Elemental MediaTailor, o akış kimliği için sahne düzeyindeki sinyalleri almak ve bunları reklam sunucularının beklediği hedefleme parametrelerine dönüştürmek için bir Monetizasyon Fonksiyonu kullanıyor. Bu, özel entegrasyon çalışması olmadan bağlama duyarlı reklam karar verme sürecini mümkün kılıyor ve bağlamsal anlaşma kürasyonu ve marka uygunluk puanları gibi kullanım senaryolarını destekleyerek yayıncılar için iyileştirilmiş gelir elde etme sonuçları sağlıyor. Medya varlık yönetimi için, nesneleri ve eylemleri tespit etmek, ayrıca sahne ve çekim düzeyindeki tanımları sağlamak, her sahne ve çekim için otomatik yapılandırılmış meta veri üretimi sunarak, manuel kayıt veya post-prodüksiyon meta veri girişi olmadan bağlamsal içerik keşfi, yardımcı düzenleme iş akışları ve kişiselleştirilmiş içerik önerileri için daha zengin arşivler oluşturuyor. Bağlamsal meta veriler, AWS Elemental Inference'ın mevcut olduğu tüm AWS Bölgelerinde, AWS Elemental MediaLive konsolunda bugün mevcuttur.