Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Intégration d'Amazon Aurora PostgreSQL à d'autres AWS services
Amazon Aurora s'intègre à d'autres AWS services afin que vous puissiez étendre votre cluster de bases de données Aurora PostgreSQL afin d'utiliser les fonctionnalités supplémentaires du AWS Nuage. Votre cluster de base de données Aurora PostgreSQL peut utiliser AWS services pour effectuer les opérations suivantes :
-
Collecter, afficher et évaluer rapidement les performances de vos instances de base de données Aurora PostgreSQL avec Amazon RDS Performance Insights. Performance Insights complète les fonctions de surveillance existantes d’Amazon RDS. Ce service illustre les performances de votre base de données et facilite votre analyse des problèmes qui les impactent. Grâce au tableau de bord de Performance Insights, vous pouvez visualiser la charge de la base de données et la filtrer par attentes, instructions SQL, hôtes ou utilisateurs. Pour plus d’informations sur Performance Insights, consultez Surveillance de la charge de la base de données avec Amazon CloudWatch Database Insights sur Amazon Aurora.
-
Configurez votre cluster de bases de données Aurora PostgreSQL pour publier les données de journal sur Amazon CloudWatch Journaux. CloudWatch Les journaux fournissent un stockage très durable pour vos enregistrements de journaux. Avec CloudWatch Journaux, vous pouvez effectuer une analyse en temps réel des données du journal et utiliser CloudWatch pour créer des alarmes et afficher des statistiques. Pour plus d’informations, consultez Publication des journaux Aurora PostgreSQL sur Amazon Logs CloudWatch.
-
Importez des données à partir d’un compartiment Amazon S3 vers un cluster de bases de données Aurora PostgreSQL ou exportez des données à partir d’un cluster de bases de données Aurora PostgreSQL vers un compartiment Amazon S3. Pour plus d’informations, consultez Importer des données depuis Amazon S3 vers un Cluster de bases de données Aurora PostgreSQL et Exportation de données depuis un Cluster de bases de données Aurora PostgreSQL vers Amazon S3.
-
Ajoutez des prédictions basées sur le machine learning à des applications de base de données à l’aide du langage SQL. L'apprentissage automatique Aurora utilise une intégration hautement optimisée entre la base de données Aurora et le AWS services d'apprentissage automatique (ML) SageMaker AI et Amazon Comprehend. Pour plus d’informations, consultez Utilisation du machine learning Amazon Aurora avec Aurora PostgreSQL.
-
Invoquer AWS Lambda fonctions d'un cluster de bases de données Aurora PostgreSQL. Pour ce faire, utilisez l’extension PostgreSQL
aws_lambdafournie avec Aurora PostgreSQL. Pour plus d’informations, consultez Invoquer un AWS Lambda fonction à partir d'un Cluster de bases de données Aurora PostgreSQL . -
Intégrez les requêtes d’Amazon Redshift et Aurora PostgreSQL. Pour plus d’informations, consultez Commencer à utiliser les requêtes fédérées dans PostgreSQL dans le Guide du développeur de base de données Amazon Redshift.
Connexions depuis votre cluster de bases de données vers AWS les services peuvent échouer si vous activez l'authentification Kerberos et configurez des points de terminaison VPC pour ces services dans votre AWS Managed Microsoft AD PVC.
Lorsque vous activez l'authentification Kerberos, votre cluster de base de données donne la priorité AWS Managed Microsoft AD Serveurs DNS via le résolveur DNS VPC. Si le point de terminaison enregistre pour AWS services (tels que Lambda, Amazon S3 ou SageMaker AI) existent dans votre AWS Managed Microsoft AD DNS, les points de terminaison peuvent être résolus en adresses IP dans votre VPC Active Directory plutôt que dans votre VPC de base de données. Cette configuration empêche les connexions réussies entre votre cluster de bases de données et ces services.
Pour plus d'informations, consultez Utilisation de l'authentification Kerberos avec Aurora PostgreSQL.