AWS正在扩展其云数据库产品组合的能力，同时为企业降低成本。
在AWS re:invent 2024会议上，AWS这家云计算巨头宣布了一系列云数据库创新。这些创新包括新的Amazon Aurora DSQL分布式SQL数据库、Amazon DynamoDB NoSQL数据库的全局表以及Amazon MemoryDB的多区域新功能。AWS还详细阐述了其整体数据库战略，并说明了向量数据库功能如何帮助实现生成性AI应用。除了更新之外，AWS还宣布了一系列价格削减，包括将Amazon DynamoDB按需定价降低高达50%。
虽然数据库功能对数据库管理员来说很有趣，但云数据库提供的实用工具才是推动AWS创新的动力。这些新功能都是为了让分布在各地的日益庞大和复杂的工作负载成为可能的整体战略的一部分。AWS云数据库产品组合也非常专注于支持实时高需求的工作负载。在今天的主旨演讲中，包括美国联合航空、宝马和国家橄榄球联盟在内的多个AWS用户讨论了他们如何使用AWS云数据库。
AWS数据库服务副总裁Ganapathy (G2) Krishnamoorthy在会议上表示：“我们致力于创新，让数据库对你们这些构建者来说变得轻松，这样你们就可以专注于构建下一代应用程序。数据库是你们应用程序中的关键构建块，也是我们对数据分析和AI愿景的更大图景的一部分。”
AWS如何通过Amazon Aurora DSQL重新思考分布式SQL的概念
分布式SQL数据库的概念并不新鲜。通过分布式SQL，关系数据库可以跨多个服务器甚至地理位置复制，以实现更好的可用性和扩展性。包括谷歌、微软、CockroachDB、Yugabyte和ScyllaDB在内的多个供应商都有分布式SQL产品。
AWS现在正在重新思考分布式SQL架构的工作方式，以加速始终可用应用程序的读取和写入。Krishnamoorthy解释说，与传统分布式数据库通常依赖分片和分配领导者不同，Aurora DSQL实现了无单一领导者架构，实现了无限扩展。
这个新数据库建立在支持AWS Lambda无服务器技术的Firecracker微虚拟机技术之上。Amazon Aurora DSQL作为一个小型、短暂的微服务运行，允许每个系统组件独立扩展——查询处理器、事务系统和存储系统。
分布式SQL云数据库的乐观并发
对于任何分布式数据库技术，始终存在跨实例一致性的问题。最终一致性的概念在数据库领域很常见，这意味着在维护一致性时可能会有一些延迟。
AWS旨在通过Krishnamoorthy所称的“乐观并发”方法来解决这一挑战。在这种方法中，所有数据库操作都在本地运行，只有事务提交跨越区域。这确保了单个事务永远不会通过保留太多日志来破坏整个应用程序。
Krishnamoorthy说：“我们已经将乐观并发设计为Aurora DSQL的核心，一致性或隔离不需要锁。”
Amazon DynamoDB全球表如何提高一致性
AWS还在其DynamoDB NoSQL数据库中引入了强一致性和全球分布。
具有强一致性的DynamoDB全球表允许写入DynamoDB表中的数据跨多个区域同步持久化。写入全球表的数据至少同步写入两个区域，应用程序可以从任何区域读取最新数据。这使得关键任务应用程序可以在多个区域部署，无需更改应用程序代码。
对这一新功能特别热衷的AWS用户之一是美国联合航空。在AWS re:invent上的视频证词中，航空公司的董事总经理Sanjay Nayar解释了他的组织如何使用AWS，拥有超过2500个数据库集群，存储超过15PB的数据，每秒运行数百万次交易。这些数据库为航空公司的多个关键任务操作提供动力。
美国联合航空使用Amazon DynamoDB全球表作为公司座位系统的组成部分。
Nayar说：“我们选择DynamoDB全球表作为座位分配的主要系统，因为它具有出色的可扩展性和活动-活动、多区域、高可用性，提供了个位数毫秒的延迟。”“这使我们能够快速可靠地写入和读取座位分配，确保我们始终拥有最新的信息。”
Amazon MemoryDB走向多区域并帮助NFL构建生成性AI应用
Amazon MemoryDB内存数据库也通过新的多区域功能进行了分发更新。
AWS在其一系列云数据库中提供向量支持，但据AWS负责关系数据库、非关系数据库和迁移服务的副总裁Jeff Carter称，Amazon MemoryDB具有最高性能。这就是为什么NFL（国家橄榄球联盟）使用该数据库帮助构建生成性AI应用。
NFL媒体管理和后期制作的主管Eric Peters说：“我们使用MemoryDB作为查询执行期间的短期内存，以及保存成功查询到向量存储的长期内存，以便在未来的搜索中利用。”“我们可以使用这些保存的记忆指导新查询，从下一代统计API中更快、更准确地获取结果，随着时间的推移，这些成功的用户记忆积累，使系统变得更智能、更快，最终也更便宜。”
