Phần 6/6 · 4 phút

So sánh các tính năng RDS và Aurora dễ nhầm lẫn

0/1

Từ khóa của phần nàyChọn một từ để xem nghĩa trước khi đọc

Nhiều tính năng của RDS và Aurora có tên gần với nhu cầu thực tế; phân biệt được chúng giúp chọn đúng tính năng cho từng tình huống.

Một số tính năng có tên gần với nhu cầu thực tế nhưng giải quyết vấn đề khác. Chọn từng tính năng để xem trường hợp sử dụng, lý do không phù hợp trong tình huống MFTECH tương ứng, và phương án nên chọn:

Aurora machine learningDùng khi

Gọi dịch vụ ML từ câu lệnh SQL trong Aurora MySQL hoặc Aurora PostgreSQL: Amazon Bedrock, Amazon Comprehend, hoặc endpoint SageMaker AI đã được triển khai sẵn (ví dụ hàm aws_sagemaker.invoke_endpoint). Phù hợp để bổ sung dự đoán vào ứng dụng giao dịch.

Vì sao không chọn trong tình huống này

Đội phân tích cần data warehouse MPP, serverless, và tự xây dựng, huấn luyện model bằng SQL trên dữ liệu bán hàng nhiều năm. Aurora ML là tính năng của Aurora DB cluster và chỉ gọi model đã có; Aurora và RDS for PostgreSQL là database giao dịch, không phải data warehouse MPP.

Phương án phù hợp

Amazon Redshift Serverless + Amazon Redshift ML: lệnh CREATE MODEL dùng SageMaker AI để huấn luyện, sau đó đăng ký hàm dự đoán dạng SQL function trong Redshift.

Ghi nhớ:

Aurora ML gọi model có sẵn từ SQL trong Aurora; huấn luyện model bằng SQL trên data warehouse MPP là Redshift ML.
Provisioned IOPS là hiệu năng, không phải DR.
Cloning và cấu hình I/O-Optimized chỉ có ở Aurora; Aurora không có lựa chọn gp2, io1 hay Magnetic.

Part 6/6 · 4 phút

Comparing RDS and Aurora features that are easy to confuse

0/1

Từ khóa của phần nàyChọn một từ để xem nghĩa trước khi đọc

Many RDS and Aurora features have names close to real needs; telling them apart helps you pick the right one for each case.

Some features have names close to a real need but solve a different problem. Choose each feature to see when to use it, why it does not fit the matching MFTECH situation, and what to choose instead:

Aurora machine learningDùng khi

Calls ML services from SQL statements in Aurora MySQL or Aurora PostgreSQL: Amazon Bedrock, Amazon Comprehend, or an already deployed SageMaker AI endpoint (for example the aws_sagemaker.invoke_endpoint function). Suited to adding predictions to a transactional application.

Vì sao không chọn trong tình huống này

The analytics team needs a serverless MPP data warehouse and wants to build and train models in SQL on years of sales data. Aurora ML is a feature of Aurora DB clusters and only calls existing models; Aurora and RDS for PostgreSQL are transactional databases, not MPP data warehouses.

Phương án phù hợp

Amazon Redshift Serverless + Amazon Redshift ML: CREATE MODEL uses SageMaker AI for training, then registers the prediction function as a SQL function in Redshift.

Ghi nhớ:

Aurora ML calls existing models from SQL in Aurora; training models in SQL on an MPP data warehouse is Redshift ML.
Provisioned IOPS is about performance, not DR.
Cloning and the I/O-Optimized configuration exist only in Aurora; Aurora has no gp2, io1 or Magnetic choice.