无需额外操作，仅需一项功能轻松监控数据库

于 2025-04-07 11:01:26 发布
阅读量37 收藏
点赞数
文章标签： 数据库
原文链接：https://mp.weixin.qq.com/s?__biz=Mzg4NjU5NDUxNg==&mid=2247595280&idx=2&sn=ae895cabf30e120564ec4d946b95b9a7&chksm=ceea856ec14215cc9860c3ae01fb8754c9120de1d6ae822c50bc550607308ea0d5a936b15d6f&scene=126&sessionid=0
版权

监控Amazon Aurora数据库现已变得更加轻松，您无需花费时间设置遥测、构建仪表盘或配置警报，只需打开Amazon CloudWatch Database Insights即可查看。并且无需进行额外设置，您就能监控所选区域中所有Amazon Aurora MySQL和PostgreSQL实例的运行状况。

每个部分都包含大量详细信息，下文将进行详细介绍。

在该视图中，您可以打开左侧的过滤控件，并以几种不同方式过滤实例集。如本例所示，通过过滤运行Amazon Aurora MySQL的所有实例，可以看到有66个这样的实例，其中3个触发了警报。

您可以将过滤器保存为实例集，请注意实例集是根据数据库实例的特定属性和标签而定义的，因此其本质上是动态的。

然后，您只需点击一次就能查看整个实例集的整体运行状况。整个页面会更新以反映实例集的情况，本例仅重点关注摘要部分。

在后台，Amazon CloudWatch Database Insights会查找包含DBInstanceIdentifier维度的Amazon CloudWatch警报，并利用这些警报在数据库实例和警报之间建立关联。这与其他内置的启发式方法和关联步骤共同作用，使得Amazon CloudWatch Database Insights能够提供有用且条理清晰的信息，帮助您更好地了解实例集的整体运行状况，并深入研究发现瓶颈和其他问题。

点击一个实例（以六边形表示）可查看详细信息。本演示点击实例名称（demo-mysql-reader0）以了解更多信息。

在每个实例视图中，您还可以看到大量详细信息。

底部的每个选项卡都提供了有关数据库实例内部情况的更多见解。例如，选择“DB Load Analysis / Top SQL / SQL Metrics指标”后，界面将显示哪些SQL语句造成了最大负载，以及您可以看到另外29项指标（未显示）。

以往，查找和理解慢查询是一项既繁琐又重要的任务。通过Amazon CloudWatch Database Insights，可以看到慢查询的常见模式以及实际的查询语句。

借助Amazon X-Ray、Amazon CloudWatch Application Signals和Amazon Distro for OpenTelemetry SDK，可以看到向数据库实例发起查询的服务和操作。

Amazon X-Ray

https://aws.amazon.com/x-ray/

Amazon CloudWatch Application Signals

https://docs.aws.amazon.com/AmazonCloudWatch/latest/monitoring/CloudWatch-Application-Monitoring-Sections.html

Amazon Distro for OpenTelemetry SDK

https://aws.amazon.com/otel/

红色的“X”表示此操作未满足关联的Service Level Objective（SLO），这是Amazon CloudWatch Application Signals中用于应用程序性能监控的一个重要方面。SLO用于衡量服务相对于客户期望的可靠性，您可通过选择服务并点击“创建SLO”进行设置。设置过程包含几个步骤以及一些非常有用的选项，但其核心在于，SLO是通过计算在较长一段时间内成功请求的百分比来衡量的。

如果数据库实例已配置为将日志发送到Amazon CloudWatch Logs，您就可以查看和搜索日志，并按选定时间段和特定日志组进行过滤。

在集群层面，还有很多方面有待探索。例如，您可以看到导致数据库负载最高的十个调用服务，这一功能同样由Amazon X-Ray、Amazon CloudWatch Application Signals和Amazon Distro for OpenTelemetry SDK提供支持。

并且您可以查看八个不同指标中，任意一个指标下排名前十的实例。

该功能现已可用，立即开始体验！

须知事项

以下是关于Amazon CloudWatch Database Insights的一些须知事项。

  • 支持的数据库：您可以在Amazon Aurora MySQL和Amazon Aurora PostgreSQL数据库实例中，使用Amazon CloudWatch Database Insights。

  • 定价：根据所监控的预配置实例的平均vCPU使用数量（适用于预配置实例）或Amazon Aurora容量单元数量（适用于Serverless v2数据库），对每个数据库实例按小时收费，数据库日志的摄取和存储将另行收费。有关更多信息，请参阅Amazon CloudWatch定价页面。

  • 可用区域：该功能在所有亚马逊云科技商业区域均已可用。

Amazon CloudWatch定价页面

https://aws.amazon.com/cloudwatch/pricing/

本篇作者

Jeff Barr

亚马逊云科技首席布道师。

星标不迷路，开发更极速！

关注后记得星标「亚马逊云开发者」

听说，点完下面4个按钮

就不会碰到bug了！

点击阅读原文查看博客！获得更详细内容！

博客
企业DevOps探讨：“谁构建、谁运行”原则的理论基础
12-30 9443
“谁构建，谁运行” --沃纳·沃格尔这样的场景大家想必不会陌生：我们正与家人共度美好时光，突然刺耳的电话铃声嗡嗡响起，我们的注意力也为之吸引。听筒中的尖叫声告知，我们的应用程序——也就是那些定期受到内存泄漏侵扰、但重启之后又能恢复正常的小冤家们——现在终于彻底起义了，服务器资源在几分钟之内就被其彻底榨干。目前该应用已经无法正常起效，而运维团队除了尝试重启与回滚之外无法可想——而最新
博客
企业DevOps：实施过程中需要关注的各项要点
12-29 8068
作者：亚马逊云科技企业市场战略总监Stephen Orban“经验并非凭空创造，而是依靠点滴积累所实现” ---阿尔贝·加缪在此次的企业DevOps探索之旅系列文章当中，我将带大家一同探讨企业在具备一定DevOps经验之后又该如何处理下一步可能面临的状况。当然，这些只是我个人在接触自动化、面向客户服务之IT体系以及“谁构建、谁运行”方面事务的同时积累下的一些心得体
博客
将DevOps纳入企业环境引发的思考
10-13 6339
作者：亚马逊云科技企业市场战略总监Stephen Orban“发展是一种以渐进式改善为载体的持续性行为”——英德拉瓦蒂虽然DevOps可以算是相对新鲜的概念，不过在我看来、其本质思路很早之前就已经出现。从这个角度看，目前很多企业已经广泛接纳这一概念并将其作为文化性产物看待，具体而言就是将大量原本孤立的团队融合起来，从而实现速度更快、频率更高且更为可靠的工作成果。我个人非常幸运
博客
利用Amazon Machine Learning与Amazon Redshift建立二进制分类模型
09-07 8250
日常生活中的大部分决策都以二进制形式存在，具体来说就是这类问题能够以是或者否来回答。而在商业活动中，能够以二进制方式回答的问题也有很多。举例来说：“这种情况是否属于交易欺诈？”，“这位客户是否会购买该产品？”或者“这位用户是否存在流失风险？”等等。在机器学习机制中，我们将此称为二进制分类问题。很多商业决策都能够通过准确预测二进制问题的答案来得到强化。Amazon Michine Learning（
博客
利用Amazon Mobile Analytics与R深入探究移动应用的使用模式
08-31 6793
作者：Sandeep Atluri 亚马逊数据科学家要真正鼓励用户使用我们的移动应用程序，最重要的前提就是深入了解用户使用应用程序时的行为模式，而后据此作出体验优化。不过通过应用程序事件数据来找出有意义的模式往往极具挑战性，而标准KPI所提供的诸如月度活跃用户（简称MAU）以及每日活跃用户（简称DAU）并不足以勾勒出完整的图景。举例来说，所发布应用在过去三十天中的用户开启次数能够帮
博客
亚马逊云科技使用心得：当初我曾错过的那些宝贵经验
07-08 2万+
在今天的文章中，我整理出了大量当初曾经错过、而至今仍将我追悔莫及的亚马逊云科技（Amazon Web Services）使用心得。在几年来的实践当中，我通过在亚马逊云科技之上新手构建及部署各类应用程序而积累到了这些经验。虽然内容有些杂乱，但相信仍然能给各位带来一点启示。从物理服务器向“云环境”转移的过程不仅仅是一项技术任务，同时也意味着我们的思维方式需要作出针对性的转变。总体而言，在物理环境下我们
博客
提升研发运维效能：Pacvue 泊客电商的 GenAI 技术实践
05-09 550
Pacvue 是唯一一个为整个市场提供统一商务和零售媒体平台的解决方案——从小型到中型卖家，直至企业品牌都能受益。自 2018 年以来，Pacvue 的使命一直是在不断发展的商务和零售媒体格局中，提供领先的解决方案，以加速品牌的成功。Pacvue 泊客电商官网Amazon Bedrock 是一项完全托管的服务，通过单个 API 提供来自 AI21 Labs、Anthropic、Cohere、Meta、Mistral AI、Stability AI 和 Amazon 等领先人工智能公司的高性能基础模型（FM）
博客
Amazon Q 从入门到精通 – 快速实战篇
05-08 559
到此，开发者使用 Amazon Q 得到了基本的功能，并已经实际运行和测试通过之后，因为实际上这还只是一段“玩具”代码，通常距离达到生产级别的代码要求还有些距离，需要进行一定的重构，比如，这个 S3 上传功能，需要包装为一个 python 的类，便于进一步使用。以下是几个简单的例子帮助您来感受它的用法。其中，灰色的部分，是 Amazon Q 预测出来的代码，在前端应用中，这种控件的隐藏和显示，是很琐碎的例行编码工作，Amazon Q 会很“聪明“地感知并替你完成，大大节约开发人员的时间。
博客
构建基于LLM的智能翻译工作流，翻译效率快人一步！
05-07 21
最后，基于直译和问题反馈，翻译者进行意译，以确保翻译内容不仅准确无误，而且流畅自然，同时平衡直译的忠实原文和意译的适应目标语言文化，以达到高质量的翻译效果。，增强版翻译保证了内容完整，同时为了方便读者理解，尝试提供更多的法律和规定细节，但可能引入了原文中未提及的内容，例如“保证临床试验数据的真实性、可靠性和追溯性”这样的描述性语言。模型进行翻译，增强版在简单翻译后进一步优化，专家型则在初步翻译后，根据目标国家的条件可能加入专家意见，最后进行二次翻译以确保专业性，所有工作流最终都会输出翻译结果。
博客
MCP实战：使用Amazon Nova Act构建智能体天气预报应用
05-07 5
2025年将成为AI智能体的元年，最近流行的模型上下文协议（Model Context Protocol，简称MCP）代表了构建实用型AI智能体应用的重大突破。将演示如何实现由大语言模型（LLM）驱动的AI Agent，说明MCP如何架起AI模型与真实世界数据源之间的桥梁，创建更强大的上下文感知应用。MCP的优势在于它抽象化了工具实现的复杂性，使开发者能专注于调用适当的工具，而非关注工具内部实现细节。由此可见，这个版本的MCP客户端，使用的是基本字符串匹配，而非LLM进行查询理解，如下代码段所示。
博客
斯曼森携手亚马逊云科技，使用 Amazon Nova 打造中文法律大模型
05-07 969
随着近年来 AIGC 相关技术的发展和成熟，各行各业对智能化解决方案，尤其是 AI 相关的新一代智能方案需求的不断增加，斯曼森意识到生成式 AI 在整体智能化方案中的重要地位，构建从底层大语言模型到上层 AI 应用的全栈技术能力是提升其竞争力的重要一步。在过去的一年中，斯曼森自行研发了法律领域的“鳀鲸”法律模型以及与其配套的法律服务平台，并为多家工业、教育行业的客户开发、部署了定制化 AI Agent 应用方案。通过与亚马逊云科技的紧密合作，斯曼森成功构建了一个专门针对法律行业的大型语言模型。
博客
利用Amazon Bedrock，阅文集团实现智能文本处理质的飞跃
05-06 13
同时，随着潜在提示词变体数量的增加，最佳提示词的搜索空间呈指数级增长，即使对于中等复杂度的提示词，手动探索所有组合也变得不可行。通过使用Amazon Bedrock Prompt Optimization，阅文集团在智能文本分析的任务的结果上有了极大的提升，比如在“部分角色分析”的任务中，优化后的提示词可以达到90%的准确率，超过了传统NLP模型。经验，难以充分发挥LLM的潜力。例如，在“角色分析”的任务中，传统NLP模型可以达到约80%的准确率，而未经过精心设计提示词的LLM的准确率仅为70%左右。
博客
基于 Amazon Bedrock 的电商行业图片检索解决方案
05-06 819
电商细分品类图片精准检索能力1、用户可自定义提示词利用大模型生成对图片的描述信息，提升偏向性的检索召回效率；2、可自定义提示词对召回图片进行重新排序，更加精准地检索图片；3、亚马逊云科技架构师团队可提供提示词参考，帮助不同品类客户要求定制，进一步检索能力。使用业内先进低成本的大模型及存储服务1、 默认使用 Amazon Titan Multimodal Embeddings 模型，可将图片、文本在一个向量空间中向量化，提升联合文本和图片检索能力；
博客
马铃薯叶片“开口说话”？DeepSeek+微调视觉模型识别农业病害
05-05 14
例如，针对病害特定纹理设计小尺寸卷积核捕捉细节，根据病害区域分布调整池化步长和区域大小，更精准提取关键特征，有效提升对不同健康状况叶片的识别能力，满足多样化检测需求。另一方面，运用更高效的模型训练算法和优化策略，如自适应学习率调整、正则化技术等，在保证模型准确性的同时，降低训练与推理成本，推动马铃薯叶片健康检测模型向更高效、更智能的方向发展。目前训练数据量相对较少，尽管微调后的模型在测试集上取得了较好效果，但模型可能存在泛化能力不足的问题，在面对复杂多变的实际场景时，稳定性和准确性可能受到影响。
博客
微调Amazon Nova模型，优化工具使用体验
04-30 10
数据集中的每一项均以.json对象的形式呈现，其中包含键值对，用于定义问题（即用户以自然语言向模型提出的查询）、回答用户查询所需的真实工具、该工具的参数（包含执行工具所需参数的字典），以及一些附加约束条件，例如。，他们在生成式AI领域拥有全面的专业知识，覆盖从规划到落地的全流程，致力于帮助客户确定用例优先级、制定发展路线图，并将解决方投入生产环境，如需了解其最新的工作成果和客户成功案例，参阅生成式AI创新中心页面。如果预测的工具与真实工具匹配，则得分为1，若不匹配，则得分为0。具体需包含以下要素。
博客
浅谈如何使用 Amazon CUR 报告做更完善的成本分析
04-30 656
自动刷新」也需要打开，因为亚马逊云科技账单有两个状态，一个是未结算状态（Unfinalized），一个是已结算状态（Finalized），在正式结算之前，可能会发生退款等费用变化，所以我们需要打开自动刷新，在账单发生变化时，让账单服务帮我们自动更新 CUR 报告的文件。希望通过这篇博客，更多的客户可以更深入的了解自己的云用量，监控自己的云用量变化，知道自己的每分钱是否花在了正确的位置，也知道出现意外成本时如何来做梳理和优化。是的，CUR 仍然有一定程度的汇总，但是粒度已经足够小，足够我们做分析。
博客
Llama 4模型现已在Amazon Bedrock中可用
04-29 3
作为亚马逊云科技的首席布道师 （EMEA），他利用自己的经验帮助人们将想法变为现实，专注于Serverless架构、事件驱动编程以及机器学习和边缘计算的技术和商业影响。，包括英语、法语、德语、印地语、意大利语、葡萄牙语、西班牙语、泰语、阿拉伯语、印度尼西亚语、他加禄语和越南语，在处理图像时则仅支持英语。，在推理和图像理解任务方面提供增强的性能，同时实现成本和速度的优化。：构建智能Agent，能够在不同的工具和工作流程间进行推理，处理多模态输入，并为商业应用提供高质量响应。此外，该模型支持高达。
博客
使用 Amazon Nova Lite 实现多快好省的智能视频审核
04-29 638
由以上的测试和分析可以看到，Nova Lite 在多方面的优势使其成为构建智能视频审核系统的理想选择。首先，Nova Lite 在图片理解能力上表现出色，能够准确识别图片中的人物、服饰、场景等元素，并可以通过 Prompt 根据不同文化背景调整审核规则。这一能力在处理全球用户上传的视频内容时尤为重要。相比之下，Rekognition 则难以适应多元文化背景下的复杂审核需求，需要客户化的再次训练才能满足要求。其次，Nova Lite 在处理速度方面可以满足需求。
博客
Amazon Bedrock+DeepSeek，轻松搭建企业知识库
04-29 4
因此，如果确定短期内不再使用该知识库，建议按照以下顺序清理资源，以避免产生不必要的费用。在右侧对话框中，可以使用选择的大模型对刚刚上传的公司考勤制度进行测试。但需要注意的是，知识库底层依赖的。通常提交申请后，系统会在短时间内审核并授予权限，待权限获取成功，您就可以开始使用DeepSeek模型。点击“Create”（创建），根据准备的数据类型，选择开始创建流程。至此，通过以上7个步骤，您已经成功搭建了一个企业级的知识库问答系统，如果没有DeepSeek模型的使用权限，点击页面上的“申请”按钮。
博客
GitLab Duo with Amazon Q现已推出！
04-28 9
无论是将Java代码从版本8或11升级到17、获取AI驱动的代码审查建议、自动生成全面的测试用例，还是将创意转化为完整的合并请求，Amazon Q都能在每个环节提供支持。Amazon Q智能体具备适当的防护机制，既帮助客户满足合规要求，又不影响开发速度，同时依托亚马逊云科技的云基础设施，让您安心扩展AI增强的开发工作流。在本例中，资源是合并请求，但也可以是您想要解释的GitLab任务，或是代码库中某个代码文件的摘要。，将合并请求发送给Amazon Q，它会识别合并请求中代码变更相关的安全和质量风险。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值