You can now use the AWS Glue Schema Registry, a serverless and free feature of AWS Glue, in the Asia Pacific (Jakarta), Europe (Spain), and Europe (Zurich) regions to validate and control the evolution of streaming data using registered Apache Avro, JSON, and Protobuf schema formats.
The Schema Registry acts as a centralized repository for managing data format and structure between decoupled applications in data streaming systems. By using it, you can eliminate data validation logic and cross-team coordination, improve streaming data quality, and reduce downstream application failures. Through Apache-licensed serializers and deserializers, the Schema Registry integrates with C# and Java applications developed for Apache Kafka/Amazon Managed Streaming for Apache Kafka, Amazon Kinesis Data Streams, Apache Flink/Amazon Kinesis Data Analytics for Apache Flink, and AWS Lambda.
You can now use the AWS Glue Schema Registry, a serverless and free feature of AWS Glue, in the Asia Pacific (Jakarta), Europe (Spain), and Europe (Zurich) regions to validate and control the evolution of streaming data using registered Apache Avro, JSON, and Protobuf schema formats.
The Schema Registry acts as a centralized repository for managing data format and structure between decoupled applications in data streaming systems. By using it, you can eliminate data validation logic and cross-team coordination, improve streaming data quality, and reduce downstream application failures. Through Apache-licensed serializers and deserializers, the Schema Registry integrates with C# and Java applications developed for Apache Kafka/Amazon Managed Streaming for Apache Kafka, Amazon Kinesis Data Streams, Apache Flink/Amazon Kinesis Data Analytics for Apache Flink, and AWS Lambda.
To get started, visit the AWS Glue Schema Registry documentation. For a full list of AWS Regions where AWS Glue Schema Registry is available, see the AWS Regional Services List.
Amazon SageMaker Data Agent now supports interactive charting, SQL analytics on Snowflake data sources, and materialized view management in Amazon SageMaker Unified Studio notebooks. Data Agent now provides a complete analytics workflow that goes beyond code generation, enabling you to explore AWS and external data sources, visualize results, and optimize query performance, all with natural language prompts.
You can ask «plot monthly revenue trends by region for 2025» and Data Agent generates an interactive chart directly in your notebook, where you can hover over data points, and modify without writing code. When your analysis spans AWS and Snowflake, you can query Snowflake tables through external connections and join them with your AWS Glue Data Catalog data in a single prompt. Additionally, you can ask «analyze my notebook and suggest which queries would benefit from materialized views» and the agent recommends optimizations based on your query patterns, creates the views, and sets refresh schedules.
Amazon SageMaker Data Agent now supports interactive charting, SQL analytics on Snowflake data sources, and materialized view management in Amazon SageMaker Unified Studio notebooks. Data Agent now provides a complete analytics workflow that goes beyond code generation, enabling you to explore AWS and external data sources, visualize results, and optimize query performance, all with natural language prompts.
You can ask «plot monthly revenue trends by region for 2025» and Data Agent generates an interactive chart directly in your notebook, where you can hover over data points, and modify without writing code. When your analysis spans AWS and Snowflake, you can query Snowflake tables through external connections and join them with your AWS Glue Data Catalog data in a single prompt. Additionally, you can ask «analyze my notebook and suggest which queries would benefit from materialized views» and the agent recommends optimizations based on your query patterns, creates the views, and sets refresh schedules.
To get started, open a notebook in your SageMaker Unified Studio project and use the Data Agent chat panel. These features are available in all AWS Regions where Amazon SageMaker Unified Studio is supported. To learn more, see SageMaker Data Agent in the SageMaker Unified Studio User Guide.
Amazon Bedrock Guardrails now enables centralized enforcement of safety controls across all AWS accounts within an organization through cross-account safeguards. Amazon Bedrock Guardrails offers configurable safeguards that help block up to 88% of harmful multimodal content from both input prompts and model responses, while filtering hallucinated responses from foundation models. Central security teams and administrators can now automatically implement these controls for all foundation model interactions in Amazon Bedrock across their organization, eliminating the operational overhead of manually configuring guardrails for each account.
With cross-account safeguards, you can specify a guardrail ID from your management account in a new Amazon Bedrock policy that automatically enforces configured safeguards across all member entities including organizational units (OUs) and individual accounts for all model invocations with Amazon Bedrock. This enables operational efficiency through automatic enforcement from a single control point in your management account. You can implement organization-level enforcement for uniform baseline protection, account-level controls for specific departmental requirements, and application-specific safeguards that complement organizational policies, with the union of multiple guardrails enforced during model inference calls.
Organizational safeguards in Amazon Bedrock Guardrails is now available in all AWS commercial and GovCloud regions where Bedrock Guardrails is supported. You can access this capability through the AWS management console or using the supported APIs.
Amazon Bedrock Guardrails now enables centralized enforcement of safety controls across all AWS accounts within an organization through cross-account safeguards. Amazon Bedrock Guardrails offers configurable safeguards that help block up to 88% of harmful multimodal content from both input prompts and model responses, while filtering hallucinated responses from foundation models. Central security teams and administrators can now automatically implement these controls for all foundation model interactions in Amazon Bedrock across their organization, eliminating the operational overhead of manually configuring guardrails for each account. With cross-account safeguards, you can specify a guardrail ID from your management account in a new Amazon Bedrock policy that automatically enforces configured safeguards across all member entities including organizational units (OUs) and individual accounts for all model invocations with Amazon Bedrock. This enables operational efficiency through automatic enforcement from a single control point in your management account. You can implement organization-level enforcement for uniform baseline protection, account-level controls for specific departmental requirements, and application-specific safeguards that complement organizational policies, with the union of multiple guardrails enforced during model inference calls. Organizational safeguards in Amazon Bedrock Guardrails is now available in all AWS commercial and GovCloud regions where Bedrock Guardrails is supported. You can access this capability through the AWS management console or using the supported APIs. To learn more about implementing centralized guardrails enforcement across your organization, read the News blog, visit the Amazon Bedrock Guardrails documentation, and explore the Amazon Bedrock Guardrails service page.
AWS Secrets Manager console now allows you to specify a custom customer managed AWS Key Management Service (KMS) key when creating secrets. You can now provide a KMS key Amazon Resource Name (ARN) directly in the console, in addition to selecting from the pre-populated list of KMS keys in your current account.
Previously, when creating a secret through the AWS Secrets Manager console, you could only select customer managed KMS keys from a dropdown list that displayed keys within the same AWS account. With this enhancement, you can now enter a KMS key ARN to use a key from a different account, aligning the console experience with the existing API capabilities. This simplifies cross-account encryption workflows and provides greater flexibility in managing your encryption keys across multiple accounts.
This feature is available in all AWS Regions where AWS Secrets Manager is available. To learn more about using customer managed KMS keys with AWS Secrets Manager, visit the AWS Secrets Manager documentation.
AWS Secrets Manager console now allows you to specify a custom customer managed AWS Key Management Service (KMS) key when creating secrets. You can now provide a KMS key Amazon Resource Name (ARN) directly in the console, in addition to selecting from the pre-populated list of KMS keys in your current account.
Previously, when creating a secret through the AWS Secrets Manager console, you could only select customer managed KMS keys from a dropdown list that displayed keys within the same AWS account. With this enhancement, you can now enter a KMS key ARN to use a key from a different account, aligning the console experience with the existing API capabilities. This simplifies cross-account encryption workflows and provides greater flexibility in managing your encryption keys across multiple accounts.
This feature is available in all AWS Regions where AWS Secrets Manager is available. To learn more about using customer managed KMS keys with AWS Secrets Manager, visit the AWS Secrets Manager documentation.
Today, AWS announces the general availability of Partner Revenue Measurement User Agent string — a new capability that enables AWS Partners to measure AWS service consumption driven by their solutions using AWS APIs and SDKs. Partner Revenue Measurement allows Partners to better understand their AWS revenue impact and product consumption patterns. The User Agent string capability allows Partners to embed a unique product code from their AWS Marketplace listing as a user agent to quantify and measure the AWS revenue impact of that solution across certain services.
Partners can now add a user agent (format APN_1.1/pc_<AWS Marketplace product-code>$) in their application to enable AWS service consumption measurement by solution across partner-managed and customer-managed accounts. Partners can also set an environment variable in their SDKs or configure a setting in their AWS shared configuration file to automatically apply the User Agent string to all AWS service calls. This method supports automated deployments across Python, Node.js, Java, Kotlin, and other AWS SDKs, by capturing attribution for API-driven workloads and complements Partner Revenue Measurement’s Resource Tagging and AWS Marketplace Metering integration capabilities.
Partner Revenue Measurement is generally available in all commercial regions. To learn more about User Agent string implementation, visit the User Agent implementation guide and services supported. To learn more about Partner Revenue Measurement capabilities, review the onboarding guide for more information.
Today, AWS announces the general availability of Partner Revenue Measurement User Agent string — a new capability that enables AWS Partners to measure AWS service consumption driven by their solutions using AWS APIs and SDKs. Partner Revenue Measurement allows Partners to better understand their AWS revenue impact and product consumption patterns. The User Agent string capability allows Partners to embed a unique product code from their AWS Marketplace listing as a user agent to quantify and measure the AWS revenue impact of that solution across certain services.
Partners can now add a user agent (format APN_1.1/pc_<AWS Marketplace product-code>$) in their application to enable AWS service consumption measurement by solution across partner-managed and customer-managed accounts. Partners can also set an environment variable in their SDKs or configure a setting in their AWS shared configuration file to automatically apply the User Agent string to all AWS service calls. This method supports automated deployments across Python, Node.js, Java, Kotlin, and other AWS SDKs, by capturing attribution for API-driven workloads and complements Partner Revenue Measurement’s Resource Tagging and AWS Marketplace Metering integration capabilities.
Partner Revenue Measurement is generally available in all commercial regions. To learn more about User Agent string implementation, visit the User Agent implementation guide and services supported. To learn more about Partner Revenue Measurement capabilities, review the onboarding guide for more information.
Today, AWS announces the launch of Partner Revenue Measurement integration with AWS Marketplace Metering for Amazon Machine Image (AMI) and Machine Learning (ML) products listed in AWS Marketplace. Partner Revenue Measurement allows Partners to better understand their AWS revenue impact and product consumption patterns. The AWS Marketplace Metering capability automatically measures AWS service consumption when customers purchase and use AMI and ML products via AWS Marketplace.
Partners can now gain visibility into how their solutions impact Amazon Elastic Compute Cloud (Amazon EC2) and Amazon SageMaker AI service consumption across partner-managed and customer-managed accounts. This method complements Partner Revenue Measurement’s Resource Tagging and User Agent string capabilities by capturing attribution without requiring additional Partner implementation.
Partner Revenue Measurement is generally available in all commercial regions. To learn more about AWS Marketplace Metering, review the AWS Marketplace metering guide. To learn more about Partner Revenue Measurement capabilities, review the onboarding guide.
Today, AWS announces the launch of Partner Revenue Measurement integration with AWS Marketplace Metering for Amazon Machine Image (AMI) and Machine Learning (ML) products listed in AWS Marketplace. Partner Revenue Measurement allows Partners to better understand their AWS revenue impact and product consumption patterns. The AWS Marketplace Metering capability automatically measures AWS service consumption when customers purchase and use AMI and ML products via AWS Marketplace.
Partners can now gain visibility into how their solutions impact Amazon Elastic Compute Cloud (Amazon EC2) and Amazon SageMaker AI service consumption across partner-managed and customer-managed accounts. This method complements Partner Revenue Measurement’s Resource Tagging and User Agent string capabilities by capturing attribution without requiring additional Partner implementation.
Partner Revenue Measurement is generally available in all commercial regions. To learn more about AWS Marketplace Metering, review the AWS Marketplace metering guide. To learn more about Partner Revenue Measurement capabilities, review the onboarding guide.
IA en el trabajo: CEO de LinkedIn habla sobre cómo ha cambiado en realidad el trabajo
En su nuevo libro, Open to Work, Ryan Roslansky explica lo que revelan mil millones de carreras sobre habilidades, adaptabilidad y por qué el juicio humano importa más a medida que la IA crece.
Por: Jared Spataro, CMO IA at Work de Microsoft.
Ryan Roslansky y yo somos colegas en Microsoft: él dirige LinkedIn como CEO y también supervisa el equipo de ingenieros responsables de Microsoft 365 y Copilot como vicepresidente ejecutivo. Eso le sitúa en la intersección de tres cosas en las que pienso de manera constante: cómo cambia el trabajo, qué herramientas aceleran ese cambio y cómo las personas pueden encontrar su lugar en un panorama que cambia con rapidez.
He hablado mucho en los últimos días sobre lo que harán los humanos en esta nueva era, y Ryan está a punto de publicar un libro justo sobre eso. Open to Work: How to Get Ahead in the Age of AI, coescrito con Aneesh Raman, Chief Economic Opportunity Officer de LinkedIn, argumenta que, a medida que la IA absorbe más trabajo de eficiencia—el «más, mejor, más rápido» que ha definido la mayoría de los empleos durante décadas—la gente al fin tiene el espacio para hacer aquello en lo que siempre ha sido la mejor, pero rara vez tenía tiempo para ello.
Lo que hace que ese argumento tenga sentido es de dónde viene. Ryan tiene visibilidad entre más de mil millones de profesionales—cómo cambian las habilidades, cómo evolucionan los roles, cómo cambia la contratación—en medio de una de las transiciones más trascendentales en la historia del trabajo.
Le hice algunas preguntas para arrancar con el lanzamiento.
En el libro, presentas las habilidades como la nueva moneda. ¿Qué hace que una habilidad sea acumulada o sea perecedera en la era de la IA y cómo deberían elegir las personas dónde invertir su tiempo de aprendizaje para mantenerse valiosas y relevantes en este entorno tan dinámico?
La mayoría de nosotros definimos nuestro trabajo por nuestros títulos. Soy consultor. Soy profesor. Soy CEO. Pero es el enfoque equivocado.
El trabajo de todos es un conjunto de habilidades y tareas. Tu trabajo, mi trabajo, todos los trabajos. Y si desglosas tu trabajo en un conjunto de tareas y las habilidades necesarias para realizarlas, puedes empezar a entender qué conjunto de tareas y habilidades es más probable que la IA pueda automatizar y cuáles no.
Ahora cada trabajo tiene tres tipos de tareas
La IA ha comenzado a cambiar el trabajo al absorber el esfuerzo rutinario, transformar la colaboración y agudizar la importancia del juicio humano.
El primer grupo de tareas son aquellas que la IA puede manejar por completo: tareas que consisten en resumir rápido, analizar o el primer borrador de un contenido.
A medida que la IA asume más y más de esas tareas, está el segundo grupo, las tareas que vas a hacer con la IA. Este es el segmento más importante para todos ahora mismo porque es donde empiezas a remodelar tu rol antes de que el mercado lo haga por ti. Y es donde tienes que ser intencionado a la hora de desarrollar profundidad en tu habilidad. Aprende a usar las herramientas, a usarlas con fluidez y luego desarrolla tus capacidades humanas únicas encima de estas, habilidades que no se reducen con facilidad a tareas automatizables. Este grupo es donde las habilidades se acumulan y empiezas a entregar cosas nuevas de formas nuevas.
Y todo eso abre más tiempo y concentración en las tareas del tercer grupo—el que está lleno de tareas que solo tú puedes hacer porque se trata de juicio, toma de decisiones o comunicación. Estas habilidades no van a desaparecer. Y en muchos casos, se han vuelto aún más centrales en lo que es tu trabajo.
Siempre regreso a la idea de que el antiguo organigrama ha desaparecido: escaleras lineales, estructuras predecibles, larga trayectoria. Si ese gráfico ya no funciona, ¿qué lo reemplaza? ¿Cómo organizan ahora los líderes sus equipos?
Gran parte de la estructura del trabajo hoy en día fue diseñada para la era industrial, cuando el enfoque era la eficiencia y la escala. Los organigramas surgieron para poner orden en ese sistema y crear previsibilidad. Pero hoy en día las empresas necesitan funcionar más como grandes startups: adaptándose con rapidez y mueven a las personas hacia nuevas oportunidades y desafíos. En ese entorno, los organigramas tradicionales pueden convertirse en una limitación.
Microsoft ideó una forma diferente de pensar esto: el diagrama de trabajo. Es bastante sencillo. Organiza tu organización en torno al trabajo que hay que hacer.
Hemos empezado a experimentar con ese marco en LinkedIn. A nivel histórico, una idea de producto ha tenido que pasar por funciones separadas entre ingeniería, producto y diseño, y luego capas distintas dentro de todas esas funciones antes de llegar a manos de miembros reales. La complejidad y el tiempo que eso lleva no nos pone en la posición adecuada para tener éxito. Pero ahora, las herramientas de IA han hecho posible que las personas realicen trabajo en esas funciones y compartimentos aislados. Así que creamos un nuevo rol llamado builder y reclutamos para él de una forma muy poco tradicional pero directa: envíanos un ejemplo de algo que hayas construido con IA. No nos centramos en credenciales como las escuelas o empresas anteriores, solo en si podías usar estas herramientas para construir algo.
Seis meses después, tenemos un grupo de constructores extraordinarios, muchos recién salidos de la universidad, que ya nos han comenzado a enseñar a pensar de forma diferente, construir de forma distinta y organizarnos en torno al trabajo de forma distinta.
Ambos hablamos mucho sobre la agencia en el trabajo, pero también vemos cómo las categorías laborales cambian casi de la noche a la mañana. ¿Cómo concilias animar a la gente a asumir la responsabilidad de sus carreras con la realidad de que la IA y otras fuerzas transforman cómo es el trabajo?
La gente suele hablar de los cambios en el mercado laboral, como el que todos experimentamos, como si apareciera una nueva tecnología, todos la adoptaran y luego la productividad explotara. De lo que a menudo no se habla es del desorden intermedio, donde la gente intenta averiguar cómo adaptarse a esa nueva tecnología, cuando hay incertidumbre, miedo, pérdida de empleo y los puestos son desplazados, reemplazados o rehechos. Todos intentan averiguar cómo serán los próximos cinco años de mi carrera.
Ante todo este cambio, lo que la gente necesita ahora mismo no es certeza. Es agencia. La sensación de que aún tienen cierto control sobre lo que viene después.
El primer paso para construir esa agencia es pasar de una mentalidad fija sobre lo que ha sido el trabajo a una mentalidad abierta—de ahí el título Abierto al Trabajo. Todo se trata de hacer de esto tu mentalidad de cara al futuro. Abierto al cambio. Abierto a probar cosas nuevas, aprender cosas nuevas, fracasar y crecer de nuevas maneras. Cuando miro a las personas que son más resilientes, más adaptables, más emprendedoras, más abiertas a afrontar momentos como este, no son las que tienen las mejores credenciales. Son los que están abiertos a lo que tenga delante.
Tienes la mejor perspectiva del mundo sobre cómo evolucionan en realidad las carreras: 1.300 millones de miembros, datos en tiempo real sobre transiciones laborales, habilidades y contratación. ¿Cuál es el patrón más sorprendente que ves ahora mismo?
Cambies o no de trabajo, tu trabajo cambia en ti. Las competencias para los empleos a nivel global han cambiado alrededor de un 25% desde 2015, y puedes esperar que tu puesto cambie hasta un 70% para 2030.
Pero lo fascinante no es solo cómo cambia el trabajo, sino también cómo cambia quien hace qué trabajo. Personas que antes se sentían encasilladas en ciertos empleos o trayectorias profesionales ahora pueden usar herramientas de IA para tener agencia en su vida profesional y construir lo que quieren construir en el mundo. Hemos visto un aumento en miembros que añaden «Fundador» a sus perfiles de LinkedIn, con crecimiento de un 60% interanual y triplicándose desde 2022.
Y aunque el mercado laboral en general sigue lento, hay otra señal importante: desde 2023, hemos visto un aumento neto de 1,3 millones de nuevos puestos relacionados con la IA —desde anotadores de datos hasta ingenieros desplegados hacia adelante que integran la IA en flujos de trabajo, hasta empleos en centros de datos. En otras palabras, a pesar de los titulares, la IA crea más empleos de los que reemplaza.
No solo escribes sobre el futuro del trabajo—ayudas a construirlo, en especial con tu papel como líder del equipo detrás de Microsoft 365 Copilot. ¿Qué has aprendido al crear Copilot que ha cambiado su forma de pensar sobre el futuro de la colaboración humano-IA?
Nuestro objetivo es convertir Microsoft Office en un lienzo para la IA y la colaboración humana a gran escala. No se trata solo de ayudarte a escribir un correo, sino de tener a un estratega o socio de opinión en tu bolsillo mientras escribes ese correo. No se trata solo de crear una presentación en PowerPoint, sino de darte un diseñador profesional con solo pulsar un botón para que esa presentación luzca fantástica.
Pero por muy potentes que sean estas herramientas, la realidad es que mucha gente todavía intenta incorporarlas en su trabajo diario. Mientras buscan entender dónde la IA puede crear más valor, a menudo hay altibajos y una buena dosis de incertidumbre sobre la mejor manera de avanzar.
Así que para quienes empiezan con herramientas de IA, recomiendo empezar por aquello en lo que la IA es en especial buena: buscar entre grandes conjuntos de datos, resumir documentos y recordar información con rapidez.
A partir de ahí, busca tareas que tan solo se hagan más rápido con IA, en lugar de hacerlas de manera manual. Las victorias tempranas ayudan a ganar impulso.
Luego pide a la IA que itere contigo. Como un compañero de pensamiento. Y no esperes una respuesta perfecta de un solo golpe. Sé específico con el resultado que quieres y refina sobre la marcha. Como cualquier herramienta nueva, tarda un poco en coger el ritmo.
Y un punto práctico que la gente suele pasar por alto: la IA se vuelve mucho más poderosa cuando está conectada con la información que usas para hacer tu trabajo. Darle acceso a los documentos y el contexto adecuados es lo que en verdad desbloquea su potencial.
Lo que más me entusiasma es la agencia que crean estas herramientas. Durante décadas, el trabajo ha estado limitado por el tiempo, el proceso y la cantidad de personas necesarias para dar vida a algo. La IA y herramientas como Copilot empiezan a comprimir esa distancia, al gestionar más trabajo «más rápido y más» para que la gente pueda centrarse en lo que solo ellos pueden hacer.
Reflexiones finales
Después de conversaciones como esta, vuelvo al hecho de que las personas que mejor afrontan este momento no esperan la certeza. Siguen adelante. Ryan tiene toda la razón sobre lo que en verdad importa ahora: este momento sigue abierto. Las decisiones que la gente tome en los próximos años —sobre habilidades, mentalidad, cómo utilizan esta tecnología— moldearán el futuro de formas que no podemos predecir del todo.
Open to Work es donde él y Aneesh exponen cómo son esas decisiones en la práctica. Si esta conversación planteó preguntas sobre su propia trayectoria profesional—y me imagino que así fue—consultar su libro es un buen siguiente paso.
Para más información sobre la IA y el futuro del trabajo, suscríbanse a este boletín.
Amazon CloudWatch announces Query Studio in public preview, a unified query and visualization experience that brings native PromQL querying to CloudWatch for the first time. Query Studio combines PromQL and CloudWatch Metric Insights in a single interface, enabling you to query AWS vended metrics and OpenTelemetry metrics using the language you prefer without switching between consoles.
Query Studio provides a visual form builder with autocomplete and a code editor with syntax highlighting, making it accessible to both new and experienced users. For example, a team running applications on Amazon EC2 can correlate their custom OpenTelemetry application metrics with EC2 vended metrics side by side, quickly spot issues across their stack, and create alarms or add charts to dashboards directly from their query results.
Amazon CloudWatch Query Studio is available in public preview in US East (N. Virginia), US West (Oregon), Asia Pacific (Sydney), Asia Pacific (Singapore), and Europe (Ireland). Standard CloudWatch dashboard pricing applies, see pricing page for details.
Amazon CloudWatch announces Query Studio in public preview, a unified query and visualization experience that brings native PromQL querying to CloudWatch for the first time. Query Studio combines PromQL and CloudWatch Metric Insights in a single interface, enabling you to query AWS vended metrics and OpenTelemetry metrics using the language you prefer without switching between consoles. Query Studio provides a visual form builder with autocomplete and a code editor with syntax highlighting, making it accessible to both new and experienced users. For example, a team running applications on Amazon EC2 can correlate their custom OpenTelemetry application metrics with EC2 vended metrics side by side, quickly spot issues across their stack, and create alarms or add charts to dashboards directly from their query results. Amazon CloudWatch Query Studio is available in public preview in US East (N. Virginia), US West (Oregon), Asia Pacific (Sydney), Asia Pacific (Singapore), and Europe (Ireland). Standard CloudWatch dashboard pricing applies, see pricing page for details. To get started, open Query Studio from the Metrics console or dashboard edit mode in the Amazon CloudWatch console. Learn more on the Amazon CloudWatch documentation page.
Amazon ElastiCache Serverless now supports IPv6 and dual stack connectivity, expanding beyond the IPv4 connectivity that was previously available. This gives you greater flexibility in how your applications connect to your Serverless caches.
When creating an ElastiCache Serverless cache, you can now choose from three network type options — IPv4, IPv6, or dual stack. With dual stack connectivity, your cache accepts connections over both IPv4 and IPv6 simultaneously, making it ideal for migrating to IPv6 gradually while maintaining backward compatibility with applications connecting over IPv4. IPv6 connectivity enables you to use IPv6-only subnets with your Serverless caches, eliminating the need for IPv4 addresses and helping you meet compliance requirements for IPv6 adoption.
IPv6 and dual stack connectivity for ElastiCache Serverless is available in all AWS Regions, including the AWS GovCloud (US) Regions and the China Regions, at no additional charge. To learn more, visit the Amazon ElastiCache product page and Choosing a network type for serverless caches in the Amazon ElastiCache documentation.
Amazon ElastiCache Serverless now supports IPv6 and dual stack connectivity, expanding beyond the IPv4 connectivity that was previously available. This gives you greater flexibility in how your applications connect to your Serverless caches.
When creating an ElastiCache Serverless cache, you can now choose from three network type options — IPv4, IPv6, or dual stack. With dual stack connectivity, your cache accepts connections over both IPv4 and IPv6 simultaneously, making it ideal for migrating to IPv6 gradually while maintaining backward compatibility with applications connecting over IPv4. IPv6 connectivity enables you to use IPv6-only subnets with your Serverless caches, eliminating the need for IPv4 addresses and helping you meet compliance requirements for IPv6 adoption.
IPv6 and dual stack connectivity for ElastiCache Serverless is available in all AWS Regions, including the AWS GovCloud (US) Regions and the China Regions, at no additional charge. To learn more, visit the Amazon ElastiCache product page and Choosing a network type for serverless caches in the Amazon ElastiCache documentation.
Amazon CloudWatch introduces Container Insights with OpenTelemetry metrics for Amazon EKS, available in public preview. Building on the existing Container Insights experience, this capability provides deeper visibility into EKS clusters by collecting more metrics from widely adopted open source and AWS collectors and sending them to CloudWatch using the OpenTelemetry Protocol (OTLP). Each metric is automatically enriched with up to 150 descriptive labels, including Kubernetes metadata and customer-defined labels such as team, application, or business unit.
Curated dashboards in the Container Insights console present cluster, node, and pod health with the ability to aggregate and filter metrics by instance type, availability zone, node group, or any custom label. For deeper analysis, customers can write queries using the Prometheus Query Language (PromQL) in CloudWatch Query Studio. The CloudWatch Observability EKS add-on provides one-click installation through the Amazon EKS console, or can be deployed through CloudFormation, CDK, or Terraform. The add-on automatically detects accelerated compute hardware including NVIDIA GPUs, Elastic Fabric Adapters, and AWS Trainium and Inferentia accelerators. For existing customers of the add-on, CloudWatch supports publishing both OpenTelemetry and existing Container Insights metrics at the same time.
Container Insights with OpenTelemetry metrics is available in public preview in US East (N. Virginia), US West (Oregon), Asia Pacific (Sydney), Asia Pacific (Singapore), and Europe (Ireland). There is no charge for OpenTelemetry metrics from Container Insights during preview. To get started, see the Container Insights with OpenTelemetry metrics for Amazon EKS.
Amazon CloudWatch introduces Container Insights with OpenTelemetry metrics for Amazon EKS, available in public preview. Building on the existing Container Insights experience, this capability provides deeper visibility into EKS clusters by collecting more metrics from widely adopted open source and AWS collectors and sending them to CloudWatch using the OpenTelemetry Protocol (OTLP). Each metric is automatically enriched with up to 150 descriptive labels, including Kubernetes metadata and customer-defined labels such as team, application, or business unit. Curated dashboards in the Container Insights console present cluster, node, and pod health with the ability to aggregate and filter metrics by instance type, availability zone, node group, or any custom label. For deeper analysis, customers can write queries using the Prometheus Query Language (PromQL) in CloudWatch Query Studio. The CloudWatch Observability EKS add-on provides one-click installation through the Amazon EKS console, or can be deployed through CloudFormation, CDK, or Terraform. The add-on automatically detects accelerated compute hardware including NVIDIA GPUs, Elastic Fabric Adapters, and AWS Trainium and Inferentia accelerators. For existing customers of the add-on, CloudWatch supports publishing both OpenTelemetry and existing Container Insights metrics at the same time. Container Insights with OpenTelemetry metrics is available in public preview in US East (N. Virginia), US West (Oregon), Asia Pacific (Sydney), Asia Pacific (Singapore), and Europe (Ireland). There is no charge for OpenTelemetry metrics from Container Insights during preview. To get started, see the Container Insights with OpenTelemetry metrics for Amazon EKS.
