惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Blog — PlanetScale
Blog — PlanetScale
Jina AI
Jina AI
C
Check Point Blog
V
V2EX
H
Help Net Security
Microsoft Azure Blog
Microsoft Azure Blog
P
Proofpoint News Feed
A
About on SuperTechFans
D
DataBreaches.Net
腾讯CDC
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
IT之家
IT之家
WordPress大学
WordPress大学
人人都是产品经理
人人都是产品经理
T
The Blog of Author Tim Ferriss
Recent Announcements
Recent Announcements
Google DeepMind News
Google DeepMind News
云风的 BLOG
云风的 BLOG
MongoDB | Blog
MongoDB | Blog
J
Java Code Geeks
博客园_首页
T
Tailwind CSS Blog
M
MIT News - Artificial intelligence
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻

InfoQ - 促进软件开发领域知识与创新的传播

Meta 收购 Manus 这事儿泡汤了 5.5万 Star 开源项目 Ghostty 被迫出走,GitHub 正在终结一代技术人的乌托邦 Slack 长时运行多智能体系统的上下文管理方案 从 T+1 到分钟级:金城银行基于 Apache Doris 构建高可靠、强一致的实时数据平台 谷歌云推出 Agents CLI,简化 AI 智能体开发全流程 Claude官方击穿高薪、高学历的安全防线!Anthropic点名10大高危职业,但有群人暂时稳了 亚马逊云科技终止 WorkMail 服务,并将 App Runner 转入维护模式 OPPO小布记忆:全模态碎片化内容的理解与智能整理实践|AICon上海 模力工场038周AI应用周榜:工具在消失,工作流在出现 Akamai CEO Tom Leighton:Agent 时代来临,云基础设施正从“中心化”转向“分布式边缘” 日均数百亿入库背后:从“人肉调度”到K8s弹性架构,度小满金融基于OceanBase重构入库架构实践 百度文库网盘发布GenFlow 4.0:月活用户超1亿,要把网盘变成全端AI工作台 Altman 投的 Agent 终端 Warp 开源了!斩获3.5万star 哪些客户需要拒, 敢让龙虾决定吗?_AI&大模型_InfoQ 中文站_InfoQ精选视频 从开发到生产:为什么越来越多的机器学习团队纷纷迁移到 Snowflake | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 探索多智能体工作流:LangGraph Snowflake Cortex AI | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 腾讯云分布式缓存数据库:AI Agent - 从提示词工程到 Harness 工程 | 腾讯云数据库 DBTalk_腾讯_凌敏_InfoQ精选视频 基于 Streamlit 为 CSV 数据构建分析智能体 | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 AI 智能体:告别文档缺漏 | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 构建 AI 驱动的数据管道:深度探讨 Snowflake Openflow 与非结构化数据 | BUILD 2025_AI&大模型_王玮_InfoQ精选视频 云端太贵、本地不够聪明,英特尔押注“端云混合AI”:智能体PC会替人完成工作 不到10%的存储投入,可能拖垮90%的GPU投资!IBM把AI Agent塞进存储系统,算清企业最容易忽略的一笔账 Snowpark 上手实战 | BUILD 2025_大数据_王玮_InfoQ精选视频 ClickHouse + Langfuse,构建 Agent 可观测基石 腾讯云分布式缓存数据库:Cluster Proxy 共享连接架构深度解析 | 腾讯云数据库 DBTalk_腾讯_凌敏_InfoQ精选视频 AI 写代码太烧钱了:Copilot、Claude 一起涨价,不如把程序员请回来? 英特尔发布至强600系列工作站处理器与锐炫Pro B70 GPU,全新AI工作站来了 腾讯云分布式缓存数据库:从 Redis 到 Valkey - 开源社区如何快速创新 | 腾讯云数据库 DBTalk_腾讯_凌敏_InfoQ精选视频 印奇这次要“从0重做”智驾模型!首谈阶跃和千里双公司布局:中国AI商业闭环要靠车跑出来 从Cursor返聘归来,90后华裔女高管带Claude开启日更模式:token成本比工程师工资低多了!
AWS 改进 Aurora Serverless:扩容速度提升 45%,吞吐量提高 30%
作者:Renato Lo · 2026-05-15 · via InfoQ - 促进软件开发领域知识与创新的传播

AWS 近期为 Amazon Aurora Serverless 发布了新的平台版本,重点改进了扩缩容行为与运行时效率。根据 AWS 的介绍,在流量激增场景下,数据库容量扩展速度现在可提升约 45%;同时,通过更优的资源调度与基于工作负载的扩容决策,数据库性能最高可提升 30%。

平台的第四版本引入了更高效的运行时机制以及更智能的扩容算法,不仅让 Aurora Serverless 集群能够更快完成容量扩展,还使其拥有更高的数据库性能。

Amazon Aurora Serverless 已正式可用四年,它是一种按需、自动扩缩容的 Aurora 配置,可根据应用负载动态调整数据库容量。Aurora Serverless 支持 MySQL 与 PostgreSQL,在空闲时能够缩容至零容量,并以 0.5 ACU(Aurora Capacity Unit)为单位细粒度调整资源,以适配工作负载变化。

AWS 使用 HammerDB TPROC-C 基准测试,对三个 Aurora Serverless 平台版本在 1,024 个虚拟用户下的性能进行了对比。测试结果使用每分钟新订单数(NOPM)衡量各版本性能,并统计相对于上一平台版本的变化幅度。AWS 高级软件开发工程师 Jiaming Yan、L3 软件开发工程师 Ashok Kurakula,以及高级软件工程师 Nashad Safa 表示

对于 Aurora Serverless 支持的两种数据库引擎——Aurora MySQL 与 Aurora PostgreSQL——平台第四版本相比第三版本,NOPM 提升了 27% 到 34%。

来源:AWS 博客

另一项 Sysbench 基准测试则对运行平台第二、三和四版本的三个 Aurora Serverless 集群进行了比较。测试中,各集群采用相同的容量配置,范围从 0.5 到 256 ACU,并启用了快速扩容。系统加载了总计 16 GB 的 250 张数据表后,在 512 个线程下执行了 5,000 万次以读操作为主的查询。

研究人员通过 CloudWatch 的 ServerlessDatabaseCapacity 指标比较不同版本的容量表现。Yan、Kurakula 与 Safa 总结称:

平台第四版本相比第三版本,任务完成速度提高了 27%,成本降低了 28%;相比平台第二版本,完成速度提高了 41%,成本降低了 42%。

The Duckbill Group 首席云经济学家 Corey Quinn 在其新闻通讯中写道:

Aurora Serverless 的扩容速度提升了 45%,并且可以缩容到零——巧的是,这也正好是我对那些按 ACU 小数计费的‘Serverless 数据库’热情所剩无几的位置。不过,能在不额外收费的情况下获得真实性能提升,倒也说明要么市场竞争开始起作用了,要么西雅图那边有人不小心批准了错误的 PRFAQ。

根据 AWS 的公告,新的扩容算法特别适合多个任务竞争资源的工作负载,例如高并发 Web 应用与 API 服务。AWS 首席数据库解决方案架构师 Pini Dibask 在领英上评论称

特别值得关注的一点是,re:Invent 2025 上发布的 Database Savings Plans 为 Aurora Serverless 提供了 AWS 数据库服务中最高的折扣力度(35% 折扣)。再结合平台第四版本带来的性能提升(理论上意味着更低的 ACU 消耗),Aurora Serverless 的成本模型已经发生了根本性变化。

AWS 表示,新建集群将默认使用最新平台版本;现有集群则可以通过 ServerlessV2PlatformVersion 参数升级到该版本。

原文链接:

https://www.infoq.com/news/2026/05/aurora-serverless-v4/