FAQ Amazon Aurora

Anda dapat membuat Aurora Global Database hanya dengan beberapa klik di Konsol Amazon RDS. Atau, Anda dapat menggunakan Kit Pengembangan Perangkat Lunak (SD) atau Antarmuka Baris Perintah (CLI) AWS. Anda dapat menggunakan konfigurasi campuran dari tipe kelas instans yang disediakan atau nirserver antara Wilayah primer dan sekunder Anda. Anda juga dapat mengonfigurasi Wilayah primer sebagai konfigurasi klaster Aurora I/O Dioptimalkan dan Wilayah sekunder sebagai Aurora Standar atau sebaliknya. Untuk mempelajari selengkapnya, kunjungi Membuat Basis Data Global Amazon Aurora.

Tidak. Jika Wilayah primer menjadi tidak tersedia, Anda dapat menggunakan operasi failover Basis Data Global Aurora lintas wilayah yang terkelola untuk mempromosikan Wilayah sekunder agar memiliki kemampuan baca dan tulis penuh. Anda juga dapat menggunakan titik akhir penulis Basis Data Global Aurora agar tidak perlu membuat perubahan kode aplikasi untuk terhubung ke Wilayah yang baru dipromosikan. Untuk mempelajari selengkapnya, kunjungi Menghubungkan ke Basis Data Global Amazon Aurora.

Basis Data Tanpa Batas Aurora PostgreSQL menyediakan penskalaan horizontal otomatis untuk memproses jutaan transaksi penulisan per detik dan mengelola data berskala petabita sambil mempertahankan kesederhanaan operasi di dalam satu basis data. Anda dapat fokus membangun aplikasi skala tinggi tanpa harus membangun dan memelihara solusi kompleks untuk menskalakan data di banyak instans basis data untuk mendukung beban kerja Anda. Basis Data Tanpa Batas Aurora PostgreSQL diskalakan berdasarkan beban kerja aplikasi dan Anda hanya membayar untuk apa yang digunakan oleh aplikasi. Untuk mempelajari selengkapnya, kunjungi Panduan Pengguna Basis Data Tanpa Batas Aurora PostgreSQL.

Anda harus menggunakan Basis Data Tanpa Batas Aurora PostgreSQL untuk aplikasi yang perlu menskalakan secara horizontal dan memerlukan lebih banyak throughput tulis atau kapasitas penyimpanan data daripada yang didukung satu instans basis data Aurora. Misalnya, aplikasi akuntansi dapat dipartisi secara horizontal oleh pengguna karena data akuntansi setiap pengguna tidak saling bergantung. Basis Data Tanpa Batas Aurora PostgreSQL secara otomatis menskalakan untuk mendukung aplikasi Anda yang terbesar dan paling cepat berkembang. 

Ada dua fitur untuk penskalaan: Penskalaan Otomatis Amazon Aurora dengan Replika Aurora dan Aurora Nirserver v2.

Replika Aurora memungkinkan Anda untuk meningkatkan kapasitas baca klaster Aurora melebihi batas yang dapat disediakan oleh satu instans basis data. Aplikasi yang dapat memisahkan beban kerja baca dari beban kerja tulis dapat memperoleh manfaat dari maksimal 15 replika baca untuk mencapai throughput baca keseluruhan yang lebih tinggi. Replika Aurora tidak memerlukan aplikasi untuk membagi data mereka secara horizontal. Semua data tersedia di setiap replika. Replika Aurora tidak meningkatkan kapasitas penyimpanan klaster Aurora atau throughput tulis.

Aurora Nirserver v2 adalah konfigurasi penskalaan vertikal sesuai permintaan untuk Aurora yang menyediakan penskalaan otomatis komputasi dan memori basis data berdasarkan kebutuhan aplikasi dalam batasan kapasitas satu instans komputasi. Aurora Nirserver v2 didukung untuk instans penulis dan pembaca. Namun, layanan ini tidak meningkatkan kapasitas penyimpanan klaster Aurora. Jika aplikasi Anda didesain untuk menskalakan secara horizontal, Basis Data Tanpa Batas Aurora PostgreSQL memungkinkan Anda menskalakan throughput tulis dan kapasitas penyimpanan basis data Anda melampaui batas satu instans penulis Aurora

Basis Data Tanpa Batas Aurora PostgreSQL membagi data di seluruh instans basis data menggunakan nilai yang ditentukan pelanggan dalam kolom tabel—disebut juga kunci serpihan (shard). Misalnya, tabel yang menyimpan informasi pengguna dapat dibagi menggunakan kolom ID Pengguna sebagai kunci serpihan (shard). Di balik perangkat, Basis Data Tanpa Batas Aurora PostgreSQL adalah deployment terdistribusi dari simpul nirserver. Simpul tersebut bisa berupa router atau serpihan (shard). Router mengelola sifat terdistribusi dari basis data. Setiap serpihan (shard) menyimpan subset data Anda, sehingga memungkinkan pemrosesan paralel untuk mencapai throughput tulis yang tinggi.

Seiring meningkatnya persyaratan komputasi atau penyimpanan, Aurora terlebih dahulu secara otomatis menaikkan skala setiap instans serta penyimpanan terkaitnya kemudian menambahkan skala (scale out) untuk melayani beban kerja basis data nilai kunci serpihan (shard) yang berbeda. Pada titik mana pun, nilai kunci serpihan (shard) dimiliki dan dilayani oleh satu instans nirserver. Ketika aplikasi terhubung ke Basis Data Tanpa Batas Aurora PostgreSQL dan mengeluarkan permintaan, permintaan tersebut dianalisis terlebih dahulu. Permintaan tersebut kemudian dikirim ke instans komputasi yang memiliki nilai kunci serpihan (shard) yang ditentukan oleh permintaan atau kueri di banyak instans akan diorkestrasi.

Banyak instans komputasi, yang masing-masing melayani nilai kunci serpihan (shard) yang berbeda, dapat secara bersamaan melayani permintaan aplikasi untuk Basis Data Tanpa Batas Aurora PostgreSQL yang sama. Basis Data Tanpa Batas Aurora PostgreSQL menyediakan semantik transaksi yang sama dengan sistem Aurora PostgreSQL penulis tunggal, sehingga menghilangkan kerumitan dalam mengelola domain transaksi yang berbeda dalam aplikasi Anda.

Basis Data Tanpa Batas Aurora PostgreSQL mendukung tiga tipe tabel yang berisi data Anda: serpihan (shard), referensi, dan standar.

Tabel serpihan (shard): Tabel ini didistribusikan di banyak serpihan (shard). Data dibagi di antara serpihan (shard) berdasarkan nilai kolom yang ditunjuk dalam tabel, yang disebut kunci serpihan (shard). Data tersebut berguna untuk menskalakan tabel terbesar dan paling intensif I/O dalam aplikasi Anda.

Tabel referensi: Tabel ini menyalin data secara penuh pada setiap serpihan (shard) sehingga kueri gabungan dapat bekerja lebih cepat dengan menghapus pergerakan data yang tidak perlu. Tabel tersebut biasanya digunakan untuk data referensi yang jarang dimodifikasi, seperti katalog produk dan kode pos.

Tabel standar: Tabel ini seperti tabel Aurora PostgreSQL biasa. Semua tabel standar ditempatkan bersama-sama pada satu serpihan (shard) sehingga kueri gabungan dapat bekerja lebih cepat dengan menghapus pergerakan data yang tidak perlu. Anda dapat membuat tabel serpihan (shard) dan referensi dari tabel standar.

Untuk mempelajari pertimbangan kompatibilitas PostgreSQL selengkapnya, kunjungi persyaratan dan pertimbangan Basis Data Tanpa Batas Aurora PostgreSQL.

Anda dapat memulai Basis Data Tanpa Batas Aurora PostgreSQL di konsol Amazon RDS atau API Amazon untuk membuat klaster Aurora PostgreSQL baru dengan versi mesin yang didukung. Untuk mempelajari selengkapnya tentang cara memulai, kunjungi Panduan Pengguna Basis Data Tanpa Batas Aurora PostgreSQL.

Aplikasi Anda terhubung ke Basis Data Tanpa Batas Aurora PostgreSQL dengan cara yang sama seperti terhubung ke klaster Aurora PostgreSQL standar. Anda cukup terhubung ke titik akhir klaster. Untuk mempelajari selengkapnya, kunjungi Menggunakan Basis Data Tanpa Batas Aurora PostgreSQL.

Ya, Anda mungkin perlu menyesuaikan skema basis data untuk menggunakan Basis Data Tanpa Batas Aurora PostgreSQL. Semua tabel serpihan (shard) harus berisi kunci serpihan (shard), jadi data ini mungkin perlu diisi ulang. Misalnya, aplikasi akuntansi dapat membagi datanya berdasarkan pengguna, dengan menggunakan kolom ID Pengguna, karena setiap pengguna tidak saling bergantung. Meskipun tabel pengguna itu sendiri secara alami berisi
kolom ini, tabel lain mungkin tidak, seperti tabel yang menyimpan item baris faktur. Karena tabel ini juga perlu dibagi oleh pengguna guna menempatkan tabel dalam tempat yang sama untuk mendapatkan performa kueri yang optimal, kolom ID Pengguna perlu ditambahkan ke tabel.

Tidak ada batasan penamaan pada kolom yang digunakan untuk membagi data, tetapi definisi kolom harus cocok. Anda perlu menambahkan kunci serpihan (shard) ke kueri aplikasi dan Anda mungkin juga perlu menyesuaikan kueri serta transaksi untuk performa yang optimal. Misalnya, pencarian faktur menggunakan ID Faktur ketika tabel hanya dibagi berdasarkan ID Pengguna akan berjalan lambat karena kueri perlu dijalankan pada semua instans basis data. Namun, jika kueri juga menentukan ID Pengguna, kueri akan dirutekan ke instans basis data tunggal yang berisi semua perintah untuk ID Pengguna tersebut, sehingga mengurangi latensi kueri.

Ya. Anda dapat memilih opsi ketersediaan tinggi saat mengatur redundansi komputasi menjadi lebih besar dari nol untuk Basis Data Tanpa Batas Aurora PostgreSQL, yang memberikan ketersediaan 99,99%. Setiap instans komputasi yang menyimpan dan mengakses data dari Basis Data Tanpa Batas Aurora PostgreSQL Anda dapat memiliki satu atau dua siaga yang dapat mengambil alih permintaan jika permintaan primer tidak tersedia. Router akan secara otomatis mengalihkan lalu lintas untuk meminimalkan dampak pada aplikasi Anda.

Basis Data Tanpa Batas Aurora PostgreSQL tersedia untuk konfigurasi klaster Aurora I/O Dioptimalkan dengan kompatibilitas PostgreSQL 16.4. Informasi tambahan mengenai ketersediaan Wilayah AWS untuk Basis Data Tanpa Batas Aurora PostgreSQL tersedia di halaman harga Aurora.

Di Basis Data Tanpa Batas Aurora PostgreSQL, kapasitas basis data diukur dalam ACU. Anda akan membayar tarif tetap atas penggunaan ACU per detik. Tarif penyimpanan konfigurasi Aurora I/O Dioptimalkan berlaku. Untuk informasi selengkapnya, kunjungi halaman harga Aurora.

Ya. Ada dua metode untuk mengintegrasikan basis data Amazon Aurora dengan Amazon Bedrock untuk mendukung aplikasi AI generatif. Pertama, ML Amazon Aurora memberikan akses ke model fondasi yang tersedia di Amazon Bedrock langsung melalui SQL untuk Aurora MySQL dan Aurora PostgreSQL. Kedua, Anda dapat mengonfigurasi Aurora sebagai penyimpanan vektor Anda di Basis Pengetahuan Amazon Bedrock hanya dengan satu klik dan menyimpan sematan yang dihasilkan dari Bedrock di Aurora. Basis Pengetahuan Amazon Bedrock mendukung Aurora PostgreSQL sebagai penyimpanan vektor untuk kasus penggunaan seperti Retrieval Augmented Generation (RAG). Baca blog dan dokumentasi kami tentang Menggunakan Aurora PostgreSQL sebagai basis pengetahuan untuk Amazon Bedrock.

Integrasi nol-ETL Aurora dengan Amazon Redshift tersedia pada Edisi yang Kompatibel dengan Aurora MySQL untuk versi Aurora MySQL 3.05.2 (kompatibel dengan MySQL 8.0.32) dan yang lebih tinggi. Integrasi nol-ETL Aurora dengan Amazon Redshift tersedia pada Edisi yang Kompatibel dengan Aurora PostgreSQL untuk versi Aurora PostgreSQL 16.4 dan yang lebih tinggi. Kunjungi Fitur yang didukung di Aurora berdasarkan AWS Region dan mesin DB Aurora untuk mempelajari ketersediaan AWS Region untuk integrasi nol-ETL Aurora dengan Amazon Redshift selengkapnya.

Ya, Anda dapat mengelola dan mengotomatiskan konfigurasi serta deployment sumber daya yang diperlukan untuk integrasi nol-ETL Aurora dengan Amazon Redshift menggunakan AWS CloudFormation. Untuk informasi selengkapnya, kunjungi templat CloudFormation dengan integrasi nol-ETL.

Wawasan Basis Data CloudWatch adalah solusi pemantauan dan metrik yang menyederhanakan serta meningkatkan pemecahan masalah basis data. Solusi ini mengotomatiskan pengumpulan telemetri, termasuk metrik, log, dan jejak sehingga tidak perlu lagi melakukan pengaturan dan konfigurasi secara manual. Dengan mengonsolidasikan telemetri ini ke dalam Amazon CloudWatch, Wawasan Basis Data CloudWatch memberikan tampilan terpadu tentang performa dan kondisi basis data.

Manfaat utama dari Wawasan Basis Data CloudWatch meliputi:

1. Pengumpulan Telemetri yang Mudah: Secara otomatis mengumpulkan metrik basis data, log, dan jejak sehingga meminimalkan waktu penyiapan.
2. Wawasan Kurasi: Menyediakan dasbor, alarm, dan wawasan yang dibuat sebelumnya untuk memantau dan mengoptimalkan performa basis data, dengan konfigurasi minimal yang diperlukan untuk memulai.
3. Tampilan CloudWatch Terpadu: Menggabungkan telemetri dari beberapa basis data menjadi satu tampilan untuk pemantauan yang disederhanakan.
4. Kemampuan AI/ML: Menggunakan AI/ML untuk mendeteksi anomali sehingga mengurangi upaya pemecahan masalah manual.
5. Pemantauan Konteks Aplikasi: Memungkinkan pengguna untuk mengorelasikan performa basis data dengan performa aplikasi.
6. Tampilan Tingkat Armada dan Instans: Menawarkan pemantauan armada tingkat tinggi dan tampilan instans mendetail untuk analisis akar penyebab.
7. Integrasi AWS Tanpa Hambatan: Terintegrasi dengan Sinyal Aplikasi Amazon CloudWatch dan AWS X-Ray sehingga memungkinkan pengalaman observabilitas yang komprehensif.

Amazon DevOps Guru untuk RDS adalah kemampuan yang ditenagai ML untuk Amazon RDS (yang mencakup Amazon Aurora) yang dirancang untuk mendeteksi dan mendiagnosis performa basis data serta masalah operasional secara otomatis sehingga Anda dapat menyelesaikan masalah dalam hitungan menit, alih-alih hitungan hari.

Amazon DevOps Guru untuk RDS adalah fitur Amazon DevOps Guru, yang dirancang untuk mendeteksi masalah operasional dan performa untuk semua mesin Amazon RDS serta belasan tipe sumber daya lainnya. DevOps Guru untuk RDS memperluas kemampuan DevOps Guru untuk mendeteksi, mendiagnosis, dan memperbaiki berbagai jenis masalah terkait basis data dalam Amazon RDS (mis., penggunaan sumber daya yang berlebihan, dan kesalahan kueri SQL tertentu).

Ketika terjadi masalah, Amazon DevOps Guru untuk RDS dirancang untuk segera memberi tahu developer dan teknisi DevOps serta menyediakan informasi diagnostik, detail mengenai besarnya masalah, dan rekomendasi perbaikan cerdas untuk membantu pelanggan dengan cepat mengatasi kemacetan performa dan masalah operasional terkait basis data.

Amazon DevOps Guru untuk RDS dirancang untuk menghilangkan upaya manual dan mempersingkat waktu (dari jam dan hari ke menit) dalam mendeteksi dan menyelesaikan kemacetan performa yang sulit ditemukan dalam beban kerja basis data relasional Anda.

Anda dapat mengaktifkan DevOps Guru untuk RDS bagi setiap basis data Amazon Aurora yang akan otomatis mendeteksi masalah performa untuk beban kerja Anda, mengirimkan tanda kepada Anda untuk setiap masalah, menjelaskan temuan, dan merekomendasikan tindakan untuk menyelesaikannya.
DevOps Guru untuk RDS membantu menjadikan administrasi basis data lebih mudah diakses oleh selain ahli dan membantu para ahli basis data agar mereka dapat mengelola lebih banyak basis data.

Amazon DevOps Guru untuk RDS menggunakan ML untuk menganalisis data telemetri yang dikumpulkan oleh Wawasan Performa (PI) Amazon RDS. Dalam analisisnya, DevOps Guru untuk RDS tidak menggunakan data Anda yang tersimpan di basis data dalam analisisnya. PI mengukur beban basis data, yaitu suatu metrik yang mencirikan bagaimana suatu aplikasi menghabiskan waktu dalam basis data dan metrik pilihan yang dihasilkan oleh basis data tersebut, seperti variabel status server dalam tabel MySQL dan pg_stat di PostgreSQL.

Untuk memulai DevOps Guru untuk RDS, pastikan Wawasan Performa diaktifkan melalui konsol RDS, lalu cukup aktifkan DevOps Guru untuk basis data Amazon Aurora Anda. Dengan DevOps Guru, Anda dapat memilih seluruh akun AWS Anda sebagai batas cakupan analisis, menentukan tumpukan AWS CloudFormation tertentu yang Anda inginkan untuk dianalisis oleh DevOps Guru, atau menggunakan tanda AWS untuk membuat grup sumber daya yang Anda inginkan untuk dianalisis oleh DevOps Guru.

Amazon DevOps Guru untuk RDS membantu mengidentifikasi berbagai masalah performa yang dapat memengaruhi kualitas layanan aplikasi, seperti penumpukan kunci, badai koneksi, regresi SQL, pertikaian CPU dan I/O, dan masalah memori.

Wawasan Performa Amazon RDS adalah fitur penyetelan dan pemantauan performa basis data yang mengumpulkan dan memvisualisasikan metrik performa basis data Amazon RDS, yang membantu Anda menilai muatan di basis data dengan cepat, serta menentukan waktu dan tempat untuk mengambil tindakan. Amazon DevOps Guru untuk RDS dirancang untuk memantau metrik-metrik tersebut, mendeteksi ketika basis data Anda mengalami masalah performa, menganalisis metrik, kemudian memberitahu Anda apa yang salah dan apa yang dapat Anda lakukan.

Wawasan Basis Data CloudWatch memantau sumber daya dan aplikasi Aurora secara waktu nyata serta menyajikan data melalui dasbor yang dapat disesuaikan. Sebaliknya, Amazon DevOps Guru adalah layanan machine learning (ML) yang menganalisis metrik CloudWatch untuk memahami perilaku aplikasi dari waktu ke waktu, mendeteksi anomali, dan menawarkan wawasan serta rekomendasi untuk penyelesaian masalah. Selain itu, DevOps Guru menganalisis data dari berbagai sumber, termasuk AWS Config, AWS CloudFormation, dan AWS X-Ray. Anda dapat menggunakan dasbor CloudWatch untuk memantau wawasan DevOps Guru melalui metrik yang dipublikasikan di namespace AWS/DevOps-Guru. Hal ini dapat membantu Anda melihat semua wawasan dan anomali dalam satu panel visibilitas terpadu di konsol CloudWatch.

Wawasan Performa RDS adalah fitur penyetelan dan pemantauan performa basis data yang memungkinkan pelanggan menilai beban basis data mereka serta menentukan kapan dan di mana harus mengambil tindakan. Wawasan Basis Data CloudWatch adalah fitur observabilitas basis data baru yang mewarisi semua kemampuan Wawasan Performa beserta pemantauan tingkat armada, integrasi dengan pemantauan performa aplikasi, dan korelasi metrik basis data dengan log dan peristiwa.