企业官网建设流程全解析

自己写代码做网站,新闻最新头条10条,如何交换友情链接,2023最佳创业商机re:Invent 2025#xff0c;亚马逊云科技带来一系列重磅发布#xff0c;掀起全球云计算创新浪潮。为帮助开发者们深入了解各项技术创新成果、上手使用最新功能#xff0c;特推出本系列解读文章#xff0c;助您探索云上未来的无限可能#xff01;在re:Invent 2025#xff0…re:Invent 2025亚马逊云科技带来一系列重磅发布掀起全球云计算创新浪潮。为帮助开发者们深入了解各项技术创新成果、上手使用最新功能特推出本系列解读文章助您探索云上未来的无限可能在re:Invent 2025亚马逊云科技宣布Amazon S3 Vectors正式可用其扩展能力与企业级性能均实现大幅提升。Amazon S3 Vectors是首款原生支持存储与查询向量数据的云对象存储服务。相较于专门的向量数据库解决方案它能帮助您将向量存储与查询的总成本降低高达90%。自2025年7月推出Amazon S3 Vectors预览版以来广大用户迅速开始采用这项新功能来存储和查询向量数据。截至2025年11月28日在短短四个多月的时间里用户已创建超过25万个向量索引导入超400亿个向量并执行了超10亿次查询。您在单个索引中即可存储并检索多达20亿个向量这意味着一个向量存储桶可存储的向量最多可达20万亿个相较预览阶段单索引5000万向量的上限存储容量提升了40倍。因此您能够将全部向量数据集整合至单个索引中无需拆分至多个小型索引中也无需部署复杂的联合查询逻辑。同时AmazonS3 Vectors的查询性能也得到了进一步优化。低频查询仍能在1秒钟以内返回结果高频查询的延迟则进一步降至100毫秒左右乃至更低非常适用于对话式AI与多Agents工作流等交互式应用场景。此外单次查询可检索的结果数量也从原先的30条提升至100条能够为检索增强生成RAG应用提供更全面的上下文信息。AmazonS3 Vectors的写入性能同样实现大幅提升在将单向量更新流式传输至索引时每秒可支持多达1000次PUT事务操作为小批量数据场景提供了更高的写入吞吐量。这种更高的吞吐量可满足立即检索新写入数据的工作负载需求助力用户快速导入小型数据集或处理多个并发数据源同时向同一索引写入数据的情况。其全托管无服务器架构消除了基础设施管理开销用户无需部署任何基础设施也无需配置计算资源只需根据实际存储与查询向量的用量付费。这款专为AI打造的存储服务可让用户快速访问任意规模的向量数据为完整的AI开发生命周期提供支撑包括从初期的实验与原型设计到大规模生产部署的全流程。AmazonS3 Vectors可为AI Agent、推理、语义搜索和RAG应用等生产级工作负载提供所需的扩展能力和性能表现。此前以预览版形式推出的两项核心集成功能也已正式可用。用户可将Amazon S3 Vectors作为Amazon Bedrock知识库的向量存储引擎借助它构建具备企业级扩展能力与性能表现的RAG应用。此外Amazon S3 Vectors与Amazon OpenSearch的集成功能也已上线您可将Amazon S3 Vectors作为向量存储层集成Amazon OpenSearch实现检索与分析功能。Amazon S3 Vectors的服务范围也已从预览版阶段的5个亚马逊云科技区域拓展至14个亚马逊云科技区域。工作原理下面将演示如何通过亚马逊云科技控制台与Amazon Web Services CLI操作Amazon S3 Vectors。首先创建一个Amazon S3向量存储桶与一个向量索引。echo Creating S3 Vector bucket...aws s3vectors create-vector-bucket \ --vector-bucket-name $BUCKET_NAME echo Creating vector index...aws s3vectors create-index \ --vector-bucket-name $BUCKET_NAME \ --index-name $INDEX_NAME \ --data-type float32 \ --dimension $DIMENSIONS \ --distance-metric $DISTANCE_METRIC \ --metadata-configuration nonFilterableMetadataKeysAMAZON_BEDROCK_TEXT,AMAZON_BEDROCK_METADATA左右滑动查看完整示意维度指标必须与用于计算向量的模型维度相匹配。距离指标则用于指定算法计算向量之间的距离的方式Amazon S3 Vectors支持余弦距离与欧几里得距离两种类型。您同样可以通过控制台来创建存储桶亚马逊云科技新增了创建存储桶时配置加密参数的功能。默认情况下索引会沿用存储桶级别的加密配置您也可以在索引级别使用自定义的Amazon KMS密钥来覆盖该配置。此外您还能为向量存储桶和向量索引添加标签向量索引上的标签有助于实现更精细化的访问控制与成本分配。您还可以直接在控制台中管理属性与权限。同理您可定义不可筛选元数据并为向量索引配置加密参数。然后创建并存储嵌入向量即向量数据。本演示选用的测试素材为《亚马逊云科技写作风格指南》这份长达800页的文档详细阐述了亚马逊云科技技术博客、技术文档及各类文章的撰写规范。本例借助Amazon Bedrock知识库导入存储在通用型Amazon S3存储桶中的这份PDF文档。Amazon Bedrock知识库会读取文档内容并将其切分为若干个名为块chunks的片段。然后它通过Amazon Titan文本嵌入模型计算每个块的嵌入向量再将这些向量及其元数据一并存储到新创建的向量存储桶中。本文不再介绍这一过程的操作步骤您可参阅官方文档获取详细说明。操作步骤文档https://docs.aws.amazon.com/AmazonS3/latest/userguide/s3-vectors-bedrock-kb.html在执行向量查询时每个向量最多可存储50个元数据键其中最多可将10个标记为不可筛选类型。您可以利用可筛选的元数据键基于特定属性对查询结果进行筛选。因此您便能将向量相似度检索与元数据筛选条件相结合缩小目标结果的范围。同时您也可以存储更多不可筛选的元数据以获取更丰富的上下文信息。Amazon Bedrock知识库负责计算与存储这些向量同时还会附加大量元数据即原始文本对应的块本例将这类元数据排除在可检索索引之外。还有其他多种向量导入方法可供选择您可以试用Amazon S3 Vectors Embed CLI这款命令行工具帮助您借助Amazon Bedrock生成嵌入向量并通过直接执行命令将向量存储至Amazon S3 Vectors。您也可以将Amazon S3 Vectors用作Amazon OpenSearch的向量存储引擎。至此您可以开始查询向量索引。假设您想知道“open source”一词的规范写法是加连字符写作“open-source”还是不加连字符写作“open source”首字母是否需要大写为此本例希望在《亚马逊云科技写作风格指南》中检索出与“open source”相关的内容。# 1. Create embedding requestecho {inputText:Should I write open source or open-source} | base64 | tr -d \n body_encoded.txt # 2. Compute the embeddings with Amazon Titan Embed modelaws bedrock-runtime invoke-model \ --model-id amazon.titan-embed-text-v2:0 \ --body $(cat body_encoded.txt) \ embedding.json # Search the S3 Vectors index for similar chunksvector_array$(cat embedding.json | jq .embedding) \aws s3vectors query-vectors \ --index-arn $S3_VECTOR_INDEX_ARN \ --query-vector{\float32\: $vector_array} \ --top-k 3 \ --return-metadata \ --return-distance | jq -r .vectors[] | Distance: \(.distance) | Source: \(.metadata.x-amz-bedrock-kb-source-uri | split(/)[-1]) | Text: \(.metadata.AMAZON_BEDROCK_TEXT[0:100])...左右滑动查看完整示意首个查询结果返回以下JSON数据。{ key: 348e0113-4521-4982-aecd-0ee786fa4d1d, metadata: { x-amz-bedrock-kb-data-source-id: 0SZY6GYPVS, x-amz-bedrock-kb-source-uri: s3://sst-aws-docs/awsstyleguide.pdf, AMAZON_BEDROCK_METADATA: {\createDate\:\2025-10-21T07:49:38Z\,\modifiedDate\:\2025-10-23T17:41:58Z\,\source\:{\sourceLocation\:\s3://sst-aws-docs/awsstyleguide.pdf\, AMAZON_BEDROCK_TEXT: [redacted] open source (adj., n.) Two words. Use open source as an adjective (for example, open source software), or as a noun (for example, the code throughout this tutorial is open source). Dont use open-source, opensource, or OpenSource. [redacted], x-amz-bedrock-kb-document-page-number: 98.0 }, distance: 0.63120436668396 }左右滑动查看完整示意查询结果定位到了《亚马逊云科技写作风格指南》中的对应内容。规范写法应为不加连字符即“open source”。系统甚至还检索出了该内容在文档中的页码方便对照原文相关段落核实这一写法建议。补充说明Amazon S3 Vectors的集成能力也得到了进一步拓展。您可借助Amazon CloudFormation来部署和管理向量资源通过Amazon PrivateLink实现私有网络连接还能利用资源标签进行成本分配与访问控制。价格与可用性Amazon S3 Vectors已在14个亚马逊云科技区域可用在预览阶段开放的5个区域基础上包括美国东部——俄亥俄州、北弗吉尼亚州、美国西部——俄勒冈州、亚太地区——悉尼和欧洲地区——法兰克福新增亚太地区孟买、首尔、新加坡、东京、加拿大地区中部以及欧洲地区爱尔兰、伦敦、巴黎、斯德哥尔摩。Amazon S3 Vectors定价基于三个维度PUT定价按上传向量的逻辑GB数计算每个向量包含其逻辑向量数据、元数据及键值。存储成本按索引占用的总逻辑存储量计算。查询费用包括每次API调用的费用以及基于索引大小不包括不可过滤的元数据的每TB费用。当索引规模超过10万个向量时每TB的费用将有所降低。详细定价规则可参阅Amazon S3定价页面。要开始使用Amazon S3 Vectors您可直接前往Amazon S3控制台在此创建向量索引、存储向量嵌入数据并构建可扩展的AI应用程序。如需了解更多信息可参阅《Amazon S3用户指南》或Amazon Web Services CLI Command参考文档。Amazon S3定价页面https://aws.amazon.com/s3/pricing/Amazon S3控制台https://console.aws.amazon.com/s3/vector-buckets《Amazon S3用户指南》https://docs.aws.amazon.com/AmazonS3/latest/userguide/s3-vectors.htmlAmazon Web Services CLI Command参考文档https://docs.aws.amazon.com/cli/latest/reference/s3vectors/我们将持续推出更多关于re:Invent 2025重磅发布的解读文章帮助您快速上手本篇作者Sébastien Stormacq自20世纪80年代中期首次接触Commodore 64以来Seb专注于软件架构、开发工具以及移动计算领域。他凭借自己的技术热情、干劲、客户至上、好奇心和创造力激发构建者挖掘亚马逊云科技云服务的价值。新用户注册海外区域账户可获得最高200美元服务抵扣金覆盖Amazon Bedrock生成式AI相关服务。“免费计划”账户类型确保零花费安心试用。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