Publicado el Deja un comentario

Amazon EFS now supports cross-account Replication in AWS GovCloud (US)

Amazon EFS now supports cross-account Replication in AWS GovCloud (US), allowing customers to replicate file systems between AWS accounts. EFS Replication enables you to easily maintain an up-to-date replica of your file system in the AWS GovCloud (US) Region of your choice. With this launch, EFS Replication customers can meet business continuity, multi-account disaster recovery, and compliance requirements by automatically keeping replicas of their file data in separate accounts. 

Customers often use multiple AWS accounts to help isolate and manage business applications and data for operational excellence, security, and reliability. Starting today, you can use EFS Replication to replicate your file system to another account in any AWS GovCloud (US) region. This eliminates the need to set up custom processes to synchronize EFS data across accounts, enhancing resilience and reliability in distributed environments. 

To learn more, visit the Amazon EFS documentation and get started by configuring EFS Replication in just a few clicks using the Amazon EFS Console, AWS CLI, AWS CloudFormation, and APIs.

 

​Amazon EFS now supports cross-account Replication in AWS GovCloud (US), allowing customers to replicate file systems between AWS accounts. EFS Replication enables you to easily maintain an up-to-date replica of your file system in the AWS GovCloud (US) Region of your choice. With this launch, EFS Replication customers can meet business continuity, multi-account disaster recovery, and compliance requirements by automatically keeping replicas of their file data in separate accounts. 
Customers often use multiple AWS accounts to help isolate and manage business applications and data for operational excellence, security, and reliability. Starting today, you can use EFS Replication to replicate your file system to another account in any AWS GovCloud (US) region. This eliminates the need to set up custom processes to synchronize EFS data across accounts, enhancing resilience and reliability in distributed environments. 
To learn more, visit the Amazon EFS documentation and get started by configuring EFS Replication in just a few clicks using the Amazon EFS Console, AWS CLI, AWS CloudFormation, and APIs.  

Publicado el Deja un comentario

Amazon EKS Provisioned Control Plane now delivers faster pod autoscaling

Amazon EKS now delivers faster pod autoscaling across all Provisioned Control Plane clusters by increasing Horizontal Pod Autoscaler (HPA) sync concurrency to up to 40 times the default Kubernetes value. This reduces the time it takes for HPA-driven workloads to scale in response to increased load, enabling faster responsiveness to demand.

The Kubernetes Horizontal Pod Autoscaler (HPA) continuously monitors workload metrics and adjusts pod counts to match demand. In clusters running hundreds or thousands of HPA objects, the speed at which the Kubernetes control plane processes these objects determines how quickly workloads scale in response to changing demand. The HPA sync concurrency setting controls how many HPA objects the control plane evaluates in parallel. By increasing this value, Provisioned Control Plane clusters now process more HPA objects simultaneously, reducing the time between detecting increased load and scaling out pods.

This enhancement is available to all customers using EKS Provisioned Control Plane and requires no configuration changes. To learn more about this enhancement, see EKS Provisioned Control Plane in the EKS User Guide.

 

​Amazon EKS now delivers faster pod autoscaling across all Provisioned Control Plane clusters by increasing Horizontal Pod Autoscaler (HPA) sync concurrency to up to 40 times the default Kubernetes value. This reduces the time it takes for HPA-driven workloads to scale in response to increased load, enabling faster responsiveness to demand. The Kubernetes Horizontal Pod Autoscaler (HPA) continuously monitors workload metrics and adjusts pod counts to match demand. In clusters running hundreds or thousands of HPA objects, the speed at which the Kubernetes control plane processes these objects determines how quickly workloads scale in response to changing demand. The HPA sync concurrency setting controls how many HPA objects the control plane evaluates in parallel. By increasing this value, Provisioned Control Plane clusters now process more HPA objects simultaneously, reducing the time between detecting increased load and scaling out pods. This enhancement is available to all customers using EKS Provisioned Control Plane and requires no configuration changes. To learn more about this enhancement, see EKS Provisioned Control Plane in the EKS User Guide.  

Publicado el Deja un comentario

AWS Console Home now supports the Cost and Usage widget in the AWS European Sovereign Cloud (Germany) Region

AWS Console Home now supports the Cost and Usage widget in the AWS European Sovereign Cloud (Germany) Region, allowing customers to surface insights from Cost Explorer and Cost Optimization Hub on their Console Home dashboard.

With the Cost and Usage widget, customers can track month-to-date and forecasted costs, identify savings opportunities, and see how their spend breaks down by service over time.

To get started, sign in to the AWS Management Console, select Add widgets, and drag the Cost and Usage widget onto your Console Home dashboard. To learn more, see Working with widgets in AWS Console Home documentation.

 

​AWS Console Home now supports the Cost and Usage widget in the AWS European Sovereign Cloud (Germany) Region, allowing customers to surface insights from Cost Explorer and Cost Optimization Hub on their Console Home dashboard.
With the Cost and Usage widget, customers can track month-to-date and forecasted costs, identify savings opportunities, and see how their spend breaks down by service over time.
To get started, sign in to the AWS Management Console, select Add widgets, and drag the Cost and Usage widget onto your Console Home dashboard. To learn more, see Working with widgets in AWS Console Home documentation.  

Publicado el Deja un comentario

AWS DataSync Enhanced mode adds HDFS, Azure Blob, and object storage locations with Hyper-V agent support

AWS DataSync Enhanced mode now supports agent-based data transfers with Hadoop Distributed File Systems (HDFS), Microsoft Azure Blob Storage, and self-managed object storage. Additionally, Enhanced mode agents can now be deployed on Microsoft Hyper-V. Using a DataSync agent, customers can transfer data to and from these locations with the parallelism, unlimited file counts, and detailed metrics that Enhanced mode provides.

Enhanced mode HDFS support includes multiple NameNode configurations for high availability and Transparent Data Encryption (TDE) with Kerberos authentication, enabling organizations in regulated industries to securely migrate petabyte-scale encrypted Hadoop data without sacrificing availability.

This capability is available in all AWS Regions where AWS DataSync is offered. To get started, visit the AWS DataSync console. For more information, see the AWS DataSync documentation.

 

​AWS DataSync Enhanced mode now supports agent-based data transfers with Hadoop Distributed File Systems (HDFS), Microsoft Azure Blob Storage, and self-managed object storage. Additionally, Enhanced mode agents can now be deployed on Microsoft Hyper-V. Using a DataSync agent, customers can transfer data to and from these locations with the parallelism, unlimited file counts, and detailed metrics that Enhanced mode provides.
Enhanced mode HDFS support includes multiple NameNode configurations for high availability and Transparent Data Encryption (TDE) with Kerberos authentication, enabling organizations in regulated industries to securely migrate petabyte-scale encrypted Hadoop data without sacrificing availability.
This capability is available in all AWS Regions where AWS DataSync is offered. To get started, visit the AWS DataSync console. For more information, see the AWS DataSync documentation.  

Publicado el Deja un comentario

Una mirada atrás al año fiscal 26 de Microsoft: De la experimentación con IA a la Frontier Transformation

Una mirada atrás al año fiscal 26 de Microsoft: De la experimentación con IA a la Frontier Transformation

Cinco paneles diferentes de personas trabajando y estudiando con un fondo morado claro

Por: Judson Althoff, CEO, Microsoft Commercial Business.

A lo largo de este último año fiscal, clientes de todos los sectores y sectores pasaron de la experimentación con IA a desplegarla para obtener resultados empresariales reales. Desbloquearon la innovación y crearon nuevas oportunidades de crecimiento. Vimos la aparición de Frontier Firms a medida que superaban las ganancias de eficiencia para centrarse en la ambición humana e integrar la IA en el núcleo de su operación. Los clientes exitosos construyen una plataforma de inteligencia para que su IQ único —su conocimiento, datos, flujos de trabajo, aplicaciones y experiencia— pueda acumularse de manera continua, para asegurar que el valor de la IA recaiga en el cliente, no en el modelo. Cuentan con una plataforma de confianza omnipresente, con la capacidad de gestionar, gobernar, asegurar y medir la IA en todos los procesos empresariales.

Todo lo que hacemos en Microsoft potencia la Frontier Transformation: Copilot permite que la IA fluya en el flujo de la ambición humana, Microsoft IQ amplifica y protege el IQ de una organización y Agent 365 es la plataforma de confianza que permite la observabilidad en todas las capas de la pila.

Las empresas no son estáticas, y tampoco lo son los sistemas de IA que las soportan. A medida que las organizaciones evolucionan, los sistemas de IA deben aprender y mejorar de manera continua. Los flujos de trabajo agénticos deben construirse, observarse y ajustarse en función de los resultados que buscan las organizaciones y el retorno de inversión que exigen. La plataforma abierta, diversa en modelos y heterogénea de Microsoft impulsa ese bucle de mejora. También anunciamos de manera reciente Microsoft Frontier Company, que lleva nuestro enfoque de ingeniería de IA a clientes de todo el mundo para ayudarles a construir estos sistemas de IA y acelerar resultados empresariales medibles.

Durante el último año, vimos cómo los clientes pusieron estas capacidades en marcha de manera poderosa: a través de integrar la IA en procesos empresariales centrales, la construcción de sistemas agentes, el reforzamiento de la seguridad, la acelerando de la innovación y la creación de nuevas fuentes de valor. Las siguientes historias destacan a las organizaciones que lideran la Frontier Transformation, que demuestra cómo la inteligencia, la confianza y la ambición humana se unen en distintos sectores.

Para avanzar en su camino hacia convertirse en una empresa global impulsada por IA, Atos Group desplegó Microsoft 365 Copilot a 56.000 empleados en 54 países — desde consultores hasta ingenieros y trabajadores de primera línea — y fue una de las primeras organizaciones a nivel mundial en adoptar Microsoft 365 E7: The Frontier Suite. Por medio de Microsoft Foundry, Microsoft Copilot Studio y Agent 365, Atos construye, opera y gobierna un ecosistema en crecimiento de 19.000 agentes de IA a través de un modelo operativo unificado que combina productividad, seguridad, cumplimiento y gobernanza de agentes. A medida que Atos integra IA agéntica segura en toda su plantilla, la empresa crea un modelo repetible para mejorar de manera continua miles de agentes a gran escala, a la vez que aplica el mismo manual para ayudar a los clientes a acelerar la adopción en sectores altamente regulados.

Frente a amenazas patrocinadas por el Estado y complejas operaciones globales, ASM refuerza la ciberresiliencia con Microsoft Security Copilot, para ayudar a proteger la propiedad intelectual detrás de la fabricación avanzada de semiconductores. Al integrar las investigaciones de amenazas en una experiencia unificada impulsada por IA, ASM permite a los analistas investigar incidentes más rápido, aplicar una toma de decisiones coherente en las operaciones globales y acelerar el desarrollo del talento en ciberseguridad. La empresa redujo el tiempo de triaje de incidentes en un 68%, redujo las investigaciones de compromisos de portátiles de 25 a ocho minutos y ahora ahorra 337 horas semanales en investigaciones, mientras reasigna el 20% de su personal de operaciones de seguridad a iniciativas de gobernanza, riesgo y cumplimiento.

Banco Popular Dominicano, el mayor banco del sector privado de la República Dominicana, transformó la gestión de riesgos operativos de revisiones periódicas basadas en muestras a una supervisión continua impulsada por IA. A través de AURA — un ecosistema de agentes especializados construido sobre Microsoft Copilot Studio y Microsoft Power Platform — el banco monitoriza el 100% de su universo de riesgos operativos en tiempo real, frente a cerca del 40% de cobertura, y puede analizar de manera automática los cambios, validar controles y detectar problemas a medida que ocurren. El cambio ha proporcionado siete veces mayor capacidad analítica, reducido el esfuerzo manual en un 70%, ha alcanzado una precisión metodológica del 98% y ha permitido el procesamiento continuo de alrededor de 80.000 documentos por semana y más de 300 casos diarios. Por igual de importante, los equipos de riesgo han pasado de reaccionar a los problemas después de los hechos a anticipar y prevenir desviaciones antes de que ocurran. Estos resultados demuestran el poder de la democratización de la IA. Al permitir que los equipos empresariales construyan soluciones inteligentes por sí mismos mediante herramientas low-code, Banco Popular transformó la gestión de riesgos operativos mientras fomentaba una cultura de innovación liderada por expertos del sector.

Para ayudar a reducir la carga manual de los empleados y cumplir con los estrictos requisitos de seguridad de datos de la industria farmacéutica, Cactus Life Sciences modernizó los flujos de trabajo científicos con Microsoft 365 Copilot y agentes. La empresa ha desplegado más de 30 agentes de automatización personalizados para agilizar la revisión documental y estructurar la extracción de datos y la recuperación de información en los equipos de redacción científica y gestión de proyectos. Apoyada por un repositorio centralizado de conocimiento y la comunidad Copilot Champions, la empresa informa de mejoras en la eficiencia de cerca del 35% al 50% en la extracción de datos estructurados. Al automatizar tareas que requieren mucho trabajo y mantener revisiones humanas y controles de calidad, la empresa permite a los redactores científicos centrarse en un análisis más profundo, síntesis y ofrecer ciencia excepcional a los clientes.

Chow Tai Fook redefine el comercio minorista de lujo con Microsoft 365 E5, Microsoft Purview, Microsoft Azure OpenAI Service, Microsoft Fabric y Microsoft Foundry. La empresa ha desplegado más de 400 agentes de IA personalizados que apoyan a más de 24.000 empleados, con millones de interacciones de IA cada mes y mejoras en la eficiencia de los procesos de negocio principales que superan el 70%. A través de su ecosistema de superagentes AI Fook, los colaboradores de primera línea pueden acceder de manera instantánea a la experiencia del producto, información sobre inventario y recomendaciones personalizadas, lo que ayuda a impulsar mejoras en la conversión de ventas de hasta un 57% mientras ofrecen experiencias omnicanal hiperpersonalizadas a gran escala. Con cientos de agentes de IA que operan en toda la empresa, Chow Tai Fook crea una base donde la inteligencia del cliente, el producto y la operativa pueden aplicarse en cada interacción, para ayudar a personalizar experiencias y mejorar la toma de decisiones en toda su red global de venta al por menor.

Para acelerar la adopción de la IA, EY llevó la IA de la experimentación a una transformación a nivel empresarial. Tras desplegar Microsoft 365 Copilot a 150.000 empleados y lograr un aumento de productividad del 15%, la empresa amplía la suite Microsoft 365 Frontier a través de su plantilla global de más de 400.000 personas, para integrar capacidades de IA agente en toda la empresa. Como Cliente Cero, EY aplica tecnologías de Microsoft en sus propias operaciones, incluidos Microsoft Power Platform, Microsoft Copilot Studio, Microsoft Azure, Microsoft Foundry y Microsoft Fabric. Los resultados incluyen plazos de entrega más rápidos del 95%, una reducción de más del 37% en los costes operativos financieros y hasta un 90% en la carga de trabajo manual en procesos empresariales clave.

Para reimaginar la experiencia de compra de supermercados, Grandiose Supermarkets creó un compañero de compra impulsado por IA — GrandChef — basado en Microsoft Foundry y Azure OpenAI Service. Al conectar la inspiración de comidas, el descubrimiento de recetas y la compra de productos en una única experiencia basada en datos en tiempo real de productos e inventario, GrandChef ayuda a los compradores a pasar de la intención a la compra más rápido y con mayor confianza. Esto ha provocado un aumento del 31% en la conversión, un incremento del 20% en el valor medio de las cestas y viajes de compra un 40% más rápidos. En conjunto, estos avances ayudan a Grandiose Supermarkets a crear experiencias de cliente más personalizadas mientras impulsan un crecimiento empresarial medible. Al conectar la intención del cliente, los datos del producto y las decisiones de compra en una sola experiencia, Grandiose ha creado un ciclo de retroalimentación que ayuda a mejorar de manera continua las recomendaciones y la experiencia de compra.

Para apoyar auditorías en toda su organización global, Grupo Bimbo creó dos agentes con Microsoft Copilot Studio y los desplegó a través de Microsoft 365 Copilot y Microsoft Teams: el resultado fue Audit Assist, una idea generada a partir de un hackathon interno apoyado por Microsoft y Comatrix. Al conectar de manera directa a los auditores con las guías, procedimientos y plantillas aprobados en SharePoint, la empresa ayuda a los equipos a trabajar de forma más eficiente en 39 países, lo que mejora la coherencia y la calidad de la auditoría. Los agentes de solución/IA redujeron el tiempo de auditoría en la fase de planificación en un 20% y aceleraron la creación de matrices de riesgo y control de días a segundos, lo que permite a los auditores dedicar menos tiempo a buscar información y más tiempo en análisis y toma de decisiones. Al hacer que el conocimiento aprobado de auditoría sea accesible al instante en toda su organización global de auditoría, Grupo Bimbo crea una base donde la experiencia puede escalar junto con el negocio — lo que mejora la consistencia, reduce reestructuraciones y permite a los auditores centrarse en análisis y toma de decisiones de mayor valor.

Para crear una base unificada para los datos, la automatización y la IA en sus operaciones en 47 países, Navien construyó un modelo operativo conectado e inteligente con Microsoft Fabric, Microsoft 365 Copilot, Microsoft Foundry y Microsoft Copilot Studio. Al conectar datos y procesos fragmentados entre adquisiciones, fabricación, calidad y atención al cliente, la empresa permite una toma de decisiones más coherente y basada en datos en todas sus operaciones. Navien ahorraba 28.000 horas anuales gracias a agentes de IA y automatización, con un 32% de empleados que utilizan análisis de autoservicio para tomar decisiones sin soporte informático. Con su migración a Azure, también espera más de 1,4 millones en ahorros totales en coste de propiedad durante cinco años. Al conectar datos, información de valor y flujos de trabajo en todo el negocio, Navien facilita una toma de decisiones más rápida y coherente a gran escala en todas sus operaciones globales.

NHS England acelera la adopción de la IA en todo el sistema sanitario con la mayor implementación de su tipo en el sector sanitario. Tras un ensayo que involucró a 30.000 trabajadores en 90 organizaciones del NHS — donde los usuarios ahorraron una media de 43 minutos de tiempo administrativo al día — NHS England desplegó Microsoft 365 Copilot a más de 500.000 clínicos y personal de apoyo. Las organizaciones pueden utilizar Microsoft Copilot Studio para crear y desplegar agentes de IA que agilicen los flujos de trabajo clínicos, operativos y administrativos. A través de Agent 365, NHS England puede gobernar y escalar a esos agentes en todo el sistema sanitario, lo que permite que los trusts individuales construyan soluciones para las necesidades locales — lo que crea un marco seguro donde los flujos de trabajo agénticos puedan implementarse, gestionarse y ampliarse de forma constante para mejorar la prestación de servicios, reducir costes y crear más tiempo para la atención al paciente.

Novo Nordisk utiliza IA para ayudar a los investigadores a tomar decisiones más rápidas y cuantitativas en investigación y desarrollo farmacéutico. A través de trabajar con el AI Acceleration Studio de Microsoft dentro del equipo de Forward Deployed Engineering, la empresa construyó un agente de razonamiento gobernado en Microsoft Azure con su conjunto de datos propietario, que incluye más de 200.000 pacientes-año de datos armonizados de ensayos clínicos, para mantener el rigor,  supervisión y cumplimiento. El sistema ha ampliado la capacidad del equipo para evaluar oportunidades potenciales de 5 a 10 ideas sólidas por trimestre a más de 50, y la empresa espera reducir el tiempo para obtener análisis exploratorios de semanas a minutos. Al fundamentar la IA en sus conjuntos de datos y flujos de trabajo regulados, Novo Nordisk ayuda a los científicos a convertir décadas de experiencia institucional en una capa de inteligencia reutilizable que puede acelerar el descubrimiento en toda la organización.

A medida que la IA se convierte en parte de la toma de decisiones de inversión, SimCorp ayuda a las instituciones financieras a incorporar la IA en los flujos de trabajo de inversión sin comprometer la gobernanza, la auditoría o el control. Al unificar SimCorp One en Microsoft Azure y aprovechar Microsoft Foundry, la empresa ayuda a gestores de carteras, analistas de riesgo y equipos de operaciones a acceder a información de valor más rápido, automatizar procesos manuales y dedicar más tiempo a decisiones de mayor valor. Al estandarizar cómo se despliega y gobierna la IA en las operaciones de inversión globales, SimCorp ha creado una base para una IA confiable a gran escala, para ayudar a las organizaciones a integrar la IA en los flujos de trabajo de inversión mientras mantienen los controles necesarios en mercados con altas regulaciones. Un estudio encontró que los clientes de SimCorp One lograron un retorno del 134% en tres años, mejoraron la eficiencia operativa en un 45%, ahorraron 10 horas por persona y por semana y aceleraron el tiempo de salida al mercado entre 50 y 60 días.

Stellantis acelera la estrategia liderada por IA y la transformación digital en su negocio global, a través del desarrollo conjunto más de 100 iniciativas de IA en ventas, atención al cliente, desarrollo de productos y operaciones. Al aplicar conocimientos impulsados por IA en todo el negocio, el fabricante optimiza el desarrollo y validación de productos, avanza en el mantenimiento predictivo y lleva nuevas funciones y servicios digitales al mercado más rápido para los clientes. Stellantis también despliega un centro global de ciberdefensa impulsado por IA para ayudar a proteger vehículos, clientes y operaciones en todo el mundo, mientras moderniza su infraestructura en Microsoft Azure con una reducción prevista del 60% en su presencia de centros de datos para 2029, lo que impulsa un ecosistema digital más escalable e interconectado para futuros servicios digitales y conectados y operaciones resilientes.

Ante un creciente volumen de ciberamenazas en un entorno sanitario complejo, St. Luke’s University Health Network utiliza Microsoft Security Copilot para ayudar a proteger los sistemas de los que los clínicos y los pacientes dependen cada día. En 15 campus, 300 centros ambulatorios y más de 2,5 petabytes de datos e historiales de pacientes, la organización necesitaba una visión unificada de las amenazas en un entorno complejo. Security Copilot conecta Microsoft Defender, Microsoft Sentinel, Microsoft Entra, Microsoft Purview y otras herramientas de seguridad, para ayudar a los analistas a correlacionar amenazas más rápido, eliminar compartimentos aislados y responder con mayor precisión. St. Luke’s ahorra casi 200 horas cada mes en el triaje de alertas de phishing y la creación de informes de incidentes en minutos en lugar de horas, lo que ayuda a los equipos de seguridad a dedicar más tiempo a proteger la atención al paciente.

La Universidad de Kentucky unificó más de 150 iniciativas de IA en aulas, laboratorios de investigación, entornos sanitarios y oficinas administrativas a través de su marco de gobernanza CATS AI. A través de la estandarización del portafolio de IA de Microsoft — incluidos Microsoft 365 Copilot, Microsoft Dragon Copilot, GitHub Copilot y Microsoft Azure — la universidad logró un despliegue en todo el campus, para brindar a más de 70.000 estudiantes y empleados acceso a capacidades de IA. Los clínicos utilizan Dragon Copilot para reducir la carga de documentación y pasar más tiempo con los pacientes, y los estudiantes utilizan GitHub Copilot para convertirse en constructores activos de soluciones digitales, como Socratic Tutor: una plataforma de aprendizaje impulsada por IA destinada a ayudar a los estudiantes de medicina a dominar un currículo complejo.

Al dar una miradas atrás al año fiscal 26, me inspira no solo el ritmo continuo de la innovación en IA, sino también lo que nuestros clientes logran. En todos los sectores y sectores, las organizaciones convierten su IQ único en ventaja estratégica con flujos de trabajo agénticos en constante mejora. Las empresas que lideran esta siguiente fase construyen, observan y ajustan flujos de trabajo agénticos en función de los resultados empresariales. La inteligencia se compone, la confianza escala y la IA puede funcionar en el flujo de la ambición humana. Mientras Frontier Firms redefine lo que es posible con la IA, seguimos centrados en ayudar a nuestros clientes a amplificar y proteger su inteligencia para que puedan transformar su forma de operar, competir y crecer.

Judson Althoff es el director ejecutivo del negocio comercial en Microsoft. Es responsable de la estrategia de producto, ventas, servicios, soporte, marketing, operaciones y crecimiento de ingresos del negocio comercial de la empresa, que opera en más de 120 filiales regionales y nacionales a nivel mundial.

The post Una mirada atrás al año fiscal 26 de Microsoft: De la experimentación con IA a la Frontier Transformation appeared first on Source LATAM.

 

​The post Una mirada atrás al año fiscal 26 de Microsoft: De la experimentación con IA a la Frontier Transformation appeared first on Source LATAM.  

Publicado el Deja un comentario

Second-generation AWS Outposts racks now supported in the AWS Asia Pacific (Mumbai) Region

Second-generation AWS Outposts racks are now supported in the Asia Pacific (Mumbai) Region. Outposts racks extend AWS infrastructure, AWS services, APIs, and tools to virtually any on-premises data center or colocation space for a truly consistent hybrid experience.

Organizations from startups to enterprises and the public sector in and outside of India can now order their Outposts racks connected to this new supported region, optimizing for their latency and data residency needs. Outposts allows customers to run workloads that need low latency access to on-premises systems locally while connecting back to their home Region for application management. Customers can also use Outposts and AWS services to manage and process data that needs to remain on-premises to meet data residency requirements. This regional expansion provides additional flexibility in the AWS Regions that customers’ Outposts can connect to.

To learn more about second-generation Outposts racks, read this blog post and user guide. For the most updated list of countries and territories and the AWS Regions where second-generation Outposts racks are supported, check out the Outposts rack FAQs page.

 

​Second-generation AWS Outposts racks are now supported in the Asia Pacific (Mumbai) Region. Outposts racks extend AWS infrastructure, AWS services, APIs, and tools to virtually any on-premises data center or colocation space for a truly consistent hybrid experience. Organizations from startups to enterprises and the public sector in and outside of India can now order their Outposts racks connected to this new supported region, optimizing for their latency and data residency needs. Outposts allows customers to run workloads that need low latency access to on-premises systems locally while connecting back to their home Region for application management. Customers can also use Outposts and AWS services to manage and process data that needs to remain on-premises to meet data residency requirements. This regional expansion provides additional flexibility in the AWS Regions that customers’ Outposts can connect to. To learn more about second-generation Outposts racks, read this blog post and user guide. For the most updated list of countries and territories and the AWS Regions where second-generation Outposts racks are supported, check out the Outposts rack FAQs page.  

Publicado el Deja un comentario

Amazon S3 Tables now support the Variant data type for Apache Iceberg V3

Amazon S3 Tables now support the Variant data type as defined in the Apache Iceberg Version 3 (V3) specification. You can now write semi-structured data like JSON directly to S3 Tables without defining a fixed schema in advance, allowing you to land data faster while still getting efficient analytical query performance.

With the Variant data type, Apache Iceberg V3-compatible engines shred your semi-structured data into hidden columns as you write it, generating Parquet column statistics that query engines use for optimizations like file pruning, which reduces the data your analytical queries scan. S3 Tables also provide ongoing table maintenance, including compaction, for Variant columns, so you can consolidate data from small files into large files that Iceberg engines can read.

Variant support in S3 Tables is available in the following AWS Regions: US East (N. Virginia), US East (Ohio), US West (Oregon), Asia Pacific (Mumbai), Asia Pacific (Seoul), Asia Pacific (Singapore), Asia Pacific (Sydney), Asia Pacific (Tokyo), Canada (Central), Europe (Frankfurt), Europe (Ireland), Europe (London), Europe (Paris), Europe (Stockholm), and South America (São Paulo).

To learn more, see Amazon S3 Tables and the AWS Prescriptive Guidance for working with Iceberg table format specification version 3.

 

​Amazon S3 Tables now support the Variant data type as defined in the Apache Iceberg Version 3 (V3) specification. You can now write semi-structured data like JSON directly to S3 Tables without defining a fixed schema in advance, allowing you to land data faster while still getting efficient analytical query performance. With the Variant data type, Apache Iceberg V3-compatible engines shred your semi-structured data into hidden columns as you write it, generating Parquet column statistics that query engines use for optimizations like file pruning, which reduces the data your analytical queries scan. S3 Tables also provide ongoing table maintenance, including compaction, for Variant columns, so you can consolidate data from small files into large files that Iceberg engines can read. Variant support in S3 Tables is available in the following AWS Regions: US East (N. Virginia), US East (Ohio), US West (Oregon), Asia Pacific (Mumbai), Asia Pacific (Seoul), Asia Pacific (Singapore), Asia Pacific (Sydney), Asia Pacific (Tokyo), Canada (Central), Europe (Frankfurt), Europe (Ireland), Europe (London), Europe (Paris), Europe (Stockholm), and South America (São Paulo). To learn more, see Amazon S3 Tables and the AWS Prescriptive Guidance for working with Iceberg table format specification version 3.  

Publicado el Deja un comentario

Amazon Neptune now supports tag-based access control for IAM

Amazon Neptune Database now supports tag-based access control (TBAC) for IAM, enabling customers to use AWS resource tags and IAM principal tags as conditions in IAM policies and Service Control Policies (SCPs) to control access to Neptune data-plane operations. Neptune already provides robust security through VPC isolation, TLS encryption, and IAM authentication, but customers managing multiple clusters at scale needed a dynamic, attribute-based mechanism to enforce organizational access boundaries. TBAC addresses this by allowing administrators to govern cluster access without enumerating specific cluster ARNs in every policy.

With TBAC, IAM principals can only perform `neptune-db:*` actions against Neptune clusters whose tags match their own — for example, a principal tagged `Project=FraudDetection` is automatically restricted to clusters sharing that same tag. This eliminates lateral access risk within shared VPC environments, enforces team and environment-level isolation across projects, and supports federated identity workflows using SAML or OIDC session tags from external identity providers. Granular permissions like neptune-db:QueryLanguage can be used alongside TBAC for more fine-grained access control.

This feature is available in all AWS Regions where Amazon Neptune is available and requires Neptune engine version 1.2.0.0 or later with IAM authentication enabled.

To learn more about configuring tag-based access control for Amazon Neptune, including how to tag your DB clusters and IAM principals and deploy organization-wide guardrails using SCPs, visit the Amazon Neptune documentation.

 

​Amazon Neptune Database now supports tag-based access control (TBAC) for IAM, enabling customers to use AWS resource tags and IAM principal tags as conditions in IAM policies and Service Control Policies (SCPs) to control access to Neptune data-plane operations. Neptune already provides robust security through VPC isolation, TLS encryption, and IAM authentication, but customers managing multiple clusters at scale needed a dynamic, attribute-based mechanism to enforce organizational access boundaries. TBAC addresses this by allowing administrators to govern cluster access without enumerating specific cluster ARNs in every policy. With TBAC, IAM principals can only perform `neptune-db:*` actions against Neptune clusters whose tags match their own — for example, a principal tagged `Project=FraudDetection` is automatically restricted to clusters sharing that same tag. This eliminates lateral access risk within shared VPC environments, enforces team and environment-level isolation across projects, and supports federated identity workflows using SAML or OIDC session tags from external identity providers. Granular permissions like neptune-db:QueryLanguage can be used alongside TBAC for more fine-grained access control. This feature is available in all AWS Regions where Amazon Neptune is available and requires Neptune engine version 1.2.0.0 or later with IAM authentication enabled. To learn more about configuring tag-based access control for Amazon Neptune, including how to tag your DB clusters and IAM principals and deploy organization-wide guardrails using SCPs, visit the Amazon Neptune documentation.  

Publicado el Deja un comentario

AWS Glue Data Quality now supports anomaly detection and writing results to the AWS Glue Data Catalog

AWS Glue Data Quality now supports anomaly detection for Catalog-based data quality evaluations and the ability to write evaluation results to AWS Glue Data Catalog (GDC) tables. These capabilities work across both ETL jobs and Catalog evaluations, giving you a consistent data quality experience regardless of workflow type.

With anomaly detection support for GDC, you can identify unexpected changes in data statistics such as sudden drops in distinct values or row count spikes in your GDC tables using ML-powered time-series forecasting, without writing rules with explicit thresholds. This is especially valuable for data engineers monitoring hundreds of tables in the GDC who need to surface issues automatically.

With results storage in GDC, Data Quality rule outcomes, profiling metrics, and anomaly predictions (with confidence bounds) are written back to GDC tables, creating a queryable record of all quality evaluations. Whether the evaluation runs in an ETL job or directly on a Catalog table, results can be queried at any time using standard SQL.

AWS Glue Data Quality anomaly detection and Catalog results storage are available in all AWS commercial regions and AWS GovCloud (US) regions.

To get started, visit the AWS Glue Data Quality documentation.

 

​AWS Glue Data Quality now supports anomaly detection for Catalog-based data quality evaluations and the ability to write evaluation results to AWS Glue Data Catalog (GDC) tables. These capabilities work across both ETL jobs and Catalog evaluations, giving you a consistent data quality experience regardless of workflow type. With anomaly detection support for GDC, you can identify unexpected changes in data statistics such as sudden drops in distinct values or row count spikes in your GDC tables using ML-powered time-series forecasting, without writing rules with explicit thresholds. This is especially valuable for data engineers monitoring hundreds of tables in the GDC who need to surface issues automatically. With results storage in GDC, Data Quality rule outcomes, profiling metrics, and anomaly predictions (with confidence bounds) are written back to GDC tables, creating a queryable record of all quality evaluations. Whether the evaluation runs in an ETL job or directly on a Catalog table, results can be queried at any time using standard SQL. AWS Glue Data Quality anomaly detection and Catalog results storage are available in all AWS commercial regions and AWS GovCloud (US) regions. To get started, visit the AWS Glue Data Quality documentation.  

Publicado el Deja un comentario

AWS Glue Data Quality now supports distribution statistics for data profiling

AWS Glue Data Quality now supports a new Distribution Analyzer that generates frequency distribution profiles for your data. Using this new Distribution Analyzer in the Data Quality Definition Language (DQDL), you can generate histograms for numeric columns and value distributions for categorical, date, and boolean columns. With support for custom bin counts, you can explore the shape and patterns of your data at the granularity that matters most to your use case.

Understanding how data is distributed is foundational to building reliable data pipelines. Distribution statistics help you quickly identify skewness, outliers, and unexpected patterns across your datasets, without writing custom code. The capability integrates directly with your existing DQDL rulesets, so you can add distribution profiling alongside your current data quality checks in a single evaluation run. Distribution statistics are stored in Amazon S3 for future querying through services like Amazon Athena, and are also surfaced through APIs, making it easy to integrate distribution insights into monitoring workflows and visualization tools, including SageMaker Unified Studio.

AWS Glue Data Quality distribution statistics are available in all AWS commercial regions and AWS GovCloud (US) regions.

To learn more about Glue Data Quality, visit the AWS Glue Data Quality documentation. To get started with using Distribution Analyzer, visit the Analyzers documentation.

 

​AWS Glue Data Quality now supports a new Distribution Analyzer that generates frequency distribution profiles for your data. Using this new Distribution Analyzer in the Data Quality Definition Language (DQDL), you can generate histograms for numeric columns and value distributions for categorical, date, and boolean columns. With support for custom bin counts, you can explore the shape and patterns of your data at the granularity that matters most to your use case. Understanding how data is distributed is foundational to building reliable data pipelines. Distribution statistics help you quickly identify skewness, outliers, and unexpected patterns across your datasets, without writing custom code. The capability integrates directly with your existing DQDL rulesets, so you can add distribution profiling alongside your current data quality checks in a single evaluation run. Distribution statistics are stored in Amazon S3 for future querying through services like Amazon Athena, and are also surfaced through APIs, making it easy to integrate distribution insights into monitoring workflows and visualization tools, including SageMaker Unified Studio. AWS Glue Data Quality distribution statistics are available in all AWS commercial regions and AWS GovCloud (US) regions. To learn more about Glue Data Quality, visit the AWS Glue Data Quality documentation. To get started with using Distribution Analyzer, visit the Analyzers documentation.