A. 如果我自己在AWS上手動裝一個oracle資料庫, 我是買EC2 還是S3實例來搭
你需要購買EC2，這個是虛擬伺服器，S3是存儲服務，用來存儲文件的。
B. aws 是自己搭建資料庫好還是直接使用rds實例
這個要看自己了，如果你願意花錢的話，用aws 的rds 實例還是比較方便的，而且資料庫優化的東西都幫我們做好了，省心
C. 如何將資料庫遷移到AWS雲平台
一、遷移Database Schema。
首先使用Sybase Powerdesigner的逆向工程功能，逆向出sql Server資料庫的物理模型。具體操作是在Powerdesigner中選擇「File」，「Reverse Engine」再選擇Database，將DBMS選擇為SQL Server
然後選擇數據源，也就是要具體連接到的SQL Server資料庫伺服器，然後選擇要逆向的資料庫名，比如選中「WSS_Content_80」
單擊確定即可生成物理模型圖，然後單擊「Database」菜單下的Change Current DBMS修改當前的DBMS，改為MySQL 5.0，單擊確定後即可生成MySQL的物理模型 然後單擊「Database」菜單下的「Generate Database」生成資料庫腳本文件。
接下來手工修改下生成的腳本的內容。將其中的dbo.全部替換成空，將create user這樣的語句刪除掉。
如果有些字元在MySQL中是關鍵字，那麼必須使用「`」（鍵盤上數字1左邊那個符合）符合框起來。
加上MySQL所需要的存儲引擎比如每個建表語句後跟上：
ENGINE = INNODB CHARACTER SET utf8 COLLATE utf8_general_ci;將生成的腳本在MySQL中去運行一次即可創建資料庫。
二、遷移數據內容
數據內容只能通過生成INSERT語句的方式來做。
首先使用SSMS的「生成腳本」功能（在資料庫上右鍵，選擇「任務」「生成腳本」選項），可以為SQL Server資料庫中的數據生成插入腳本。
首先選擇要遷移數據的表，這里我們全選所有的表
然後單擊下一步，選擇將腳本保存到新的查詢窗口
單擊「高級」選項，在高級選項窗口中選擇「要編寫腳本的數據的類型」為僅限數據
然後「確定」再下一步下一步即可生成INSERT腳本文件。
修改生成的腳本文件，主要有以下幾項修改：
使用批量替換的方式去掉[ ]這是SQL Server的符合，在MySQL中不用這個。
使用批量替換的方式去掉dbo.
有些單詞在MySQL中是關鍵字的，那麼需要使用「`」引起來。
關於Datetime類型的數據，需要手工修改下，SQL Server默認生成的是這樣的語句，在MySQL中是沒辦法解析的：
CAST(0x00009EEF00000000 AS DateTime)
為每一行添加一個;表示一個插入語句結束。這個分號在SQL Server中可以不需要，但是在MySQL中是必須的。簡單的方法是使用高級的文本編輯器（比如Notepad++），將\r\n替換為;\r\n即可。
D. 如何在aws雲平台上構建千萬級用戶應用
AWS服務概述
高擴展性應用建設並非把應用直接遷移到雲平台上就能輕易實現，相反我們需要根據雲平台的特性進行專門的設計，這包括選擇合適的雲服務類型並進行良好的應用架構設計。對於希望基於AWS構建千萬級用戶應用的開發者而言，不僅需要對區域（Region）、可用區（AZ）和邊緣站點等基礎設施的分布有所了解，更需要了解不同的AWS服務各自的特點和最佳實踐。
AWS的服務可大致按照其所處層面分為三類，從下到上依次是基礎服務層、應用服務層、部署和管理層。基礎服務層也有兩層，下層是計算（EC2、WorkSpaces）、存儲（S3、EBS、Glacier、Storage Gateway）、網路（VPC、Direct Connect、ELB、Route53），上層是資料庫（RDS、Dynamo、ElastiCache、RedShift）、數據分析（EMR、Data Pipeline、Kinesis）、內容分發（CloudFront）。應用服務層主要是把郵件服務、消息隊列服務等通用的功能單獨抽離出來。部署和管理層則有用於監控的CloudWatch，用於部署運維工作的BeanStalk、OpsWorks、CloudFormation和CloudTrail等，以及IAM、Federation等身份管理服務。
單機到多實例
傳統的單機服務，到AWS上面就是跑在一個EC2實例上，這個實例上跟以前的伺服器一樣上面安裝所有的Web應用、資料庫等，搭配一個EIP，外部用Route53做DNS。遇到瓶頸後，簡單的擴展就是將小的實例換成大的實例，比如small換成2xlarge、8xlarge，服務結構不變，可以快速實現，但是最終都會遇到極限。
到了這一步，就要從單實例服務變成多實例。這一步驟涉及到Web實例和資料庫實例的拆分，資料庫可以開始考慮選擇SQL或者NoSQL。SQL大家比較熟悉，優點很明顯，缺點主要在規模變大之後呈現，不過一般對於百萬級用戶量內的應用，SQL是能夠滿足需求的；但如果數據量增長速度很快，數據是非結構化或者半結構化的，應用要求的延時低、寫入的速度要求快，那考慮NoSQL會更合適一些。
幾百個用戶的情況，一個RDS實例+一個Web實例即可滿足需求，前端直接用一個EIP，即單機的情況；用戶上千的情況，建議啟動兩個RDS實例+Web實例並將實例部署在不同的可用區，前端用ELB做負載均衡。
對於百萬級以下用戶的規模，每一個可用區內會有多個Web實例和RDS實例組成的集群，其中Active RDS實例和Standby RDS實例要放在不同的可用區，其他RDS實例均為只讀。
到了這個規模之後，再要往上擴展到百萬級，就需要改變部分工作負載的設計方式了。
改變部分工作負載的設計方式
第一步可以引入S3和CloudFront。把靜態內容從Web實例中遷移到S3上，適合的文件類型包括靜態數據（CSS、JS、圖片、視頻）、日誌、備份等。S3具備11個9的持久性，本身是海量存儲，可以支撐大量的並發訪問，而且成本很低。CDN方面，CloudFront以Web Service介面的方式提供服務，支持動態和靜態內容、流式視頻，支持根域，支持客戶化SSL證書。
第二步可以引入ElastiCache和DynamoDB。ElastiCache是託管的Memcached和Redis服務，API是一樣的，兩者都是非常快的緩存服務（毫秒級別），區別在於Memcached使用一個AZ，Redis可以跨AZ復制。DynamoDB是NoSQL服務，後台存儲基於SSD，平均延時在毫秒級別。
這時候我們可以開始考慮彈性的問題，即應用的自動擴展。彈性的實現有四個前提：
完善的、基於指標的監控體系
自動化構建
自動化部署
集中化日誌管理
在AWS上實現自動構建部署，可以選擇Beanstalk、OpsWorks或CloudFormation，也可以完全自己寫腳本配合定製AMI來實現。Elastic Beanstalk是全自動化的，基於容器實現，適合常規的Web應用；OpsWorks是半自動化的，適合較為復雜的應用開發流程，可以對資源配給、配置管理、應用部署、軟體升級、監控、身份控制進行定製化；CloudFormation是基於模板的管理模式，可定製的范圍更大。
如果以上都做到，那麼一個百萬級用戶量的應用基本上可以比較好的管理起來。進一步到千萬級用戶量的規模，我們需要更多的引入面向服務的架構設計，即SOA。
SOA、SOA、SOA
SOA在04、05年講得比較多，到現在基本上已經是大家都認可的做法，非常適合大規模應用的場景，其核心在於松耦合。
比如消息隊列服務SQS，加在模塊A和模塊B之間，這樣即使模塊A宕掉了，模塊B也仍然可以正常運行一段時間。美國大選網站就是採用了這樣的思路，在SQL實例壓力大的時候把實例關掉，換上一個更大的實例，因為前面有SQS頂著才可以這樣做。
而AWS上的通知服務（SNS）、郵件服務（SES），也建議大家多多採用，而不要自己搭建Web實例來做，因為此類服務在處理海量請求方面的能力要遠遠超過一般的實現。
千萬級規模對資料庫的性能挑戰是很大的，對於SQL，聯邦（federation）、分片（sharding）都是常用的方法，將「熱」表、快速寫數據遷移到NoSQL也是一種思路。應用的性能挑戰方面，重點則在於即時獲得反饋（完善實時的監控+報警），以及持續的調優各個模塊。
E. 如果我自己在AWS上手動裝一個redis資料庫, 我是買EC2 還是S3實例來搭
如果直觀的理解你的問題，那答案當然是EC2啦。
因為：
EC2就是彈性計算單元（也就是虛擬機的意思），用它來搭建Redis自然是沒有什麼問題的。
而S3是對象存儲系統， 他是用來存放數據的（你可以簡單的把他理解為移動硬碟），對象存儲系統的確提供了簡單的託管靜態網站的功能，但這也基本上是它的極限了。
像redis這樣嚴重依賴操作系統提供系統調用的應用程序，使用EC2服務才是正解。 當然AWS也提供了託管的redis服務（滑鼠點幾下，開箱即用），不過，這並不在你的問題的考慮范圍內。
F. 如何利用AWS資料庫解決大數據處理
1.可視化分析 大數據分析的使用者有大數據分析專家，同時還有普通用戶，但是他們二者對於大數據分析最基本的要求就是可視化分析，因為可視化分析能夠直觀的呈現大數據特點，同時能夠非常容易被讀者所接受，就如同看圖說話一樣簡單明了。 2. 數據挖掘演算法 大數據分析的理論核心就是數據挖掘演算法，各種數據挖掘的演算法基於不同的數據類型和格式才能更加科學的呈現出數據本身具備的特點，也正是因為這些被全世界統計 學家所公認的各種統計方法（可以稱之為真理）才能深入數據內部，挖掘出公認的價值。另外一個方面也是因為有這些數據挖掘的演算法才能更快速的處理大數據，如 果一個演算法得花上好幾年才能得出結論，那大數據的價值也就無從說起了。 3. 預測性分析 大數據分析最終要的應用領域之一就是預測性分析，從大數據中挖掘出特點，通過科學的建立模型，之後便可以通過模型帶入新的數據，從而預測未來的數據。 4. 語義引擎 非結構化數據的多元化給數據分析帶來新的挑戰，我們需要一套工具系統的去分析，提煉數據。語義引擎需要設計到有足夠的人工智慧以足以從數據中主動地提取信息。 5.數據質量和數據管理。 大數據分析離不開數據質量和數據管理，高質量的數據和有效的數據管理...
G. 如何用cmd導入本地資料庫到aws的rds
1、創建和啟動實例。請查閱官方文檔，很簡單。
重要提示：
空間大小要選擇20G，多了會收費；
不要選擇多區域，會收費
2、配置mysql資料庫參數組——使其支持中文
默認情況下，mysql資料庫不支持中文，中文存儲會顯示亂碼，需要修改mysql配置。RDS不僅提供了命令行工具，也提供了可視化的操作界面。網上大多使用命令行工具，大家可以執行搜索。這里介紹最簡單的控制台界面操作方法。
H. 如何把aws美國鏡像遷移到中國區
找到需要 移動的鏡像
右鍵選中 需要移動的 AMI ，選擇 「」管理映像許可權「」 ---》 在「aws賬號 一欄 填入 中國區 aws 賬號」 --》 添加許可權即可
在中國區 aws 找好的 AMI 下，就可以看到來自 美國區要移動的鏡像啦
I. 亞馬遜是如何一步步把甲骨文逼上雲的
全球最大的資料庫公司甲骨文最近在「雲計算之都」西雅圖租賃了16萬平方英尺的辦公區，這距離它的總部加州矽谷約為上千公里，卻與它最新的競爭對手亞馬遜咫尺相隔。
市值2045億美元的甲骨文，至今仍是世界上最賺錢的軟體公司之一。創始人拉里·埃里森是一個強勢、侵略性不加掩飾的人物。在2013年前，他是矽谷創業的典範——白手起家，巧妙抓住時機，不擇手段橫向擴展，銷售額連年翻番，他本人也成為矽谷首富。
在這之後，埃里森卻開始以浮誇的言辭和對商業競爭對手的諷刺而著稱。今年3月，他公開表示，亞馬遜和微軟都是失敗的競爭對手，至少在雲計算的技術層面。讓人難為情的是，甲骨文與他們之間存在著數倍的差距。
事實上，甲骨文在SaaS（軟體即服務）的擴張更加積極。一方面，甲骨文對內全面雲化。一位前甲骨文戰略部管理者告訴，埃里森啟動強制性的手段，將以往應用產品的銷售從提供本地部署全面轉向SaaS的模式銷售，並且公司不斷增加招聘SaaS銷售人員。
另一方面，甲骨文在市場上大肆收購，並完成與自有產品的整合。在這場軍備競賽中，微軟和亞馬遜AWS雖然也陸續出手收購一些創業公司，但是遠不如甲骨文一盤端的架勢來得兇猛。
截至目前，甲骨文已發布了3500項SaaS服務，形成客戶體驗解決方案（CX）雲、人力資本管理（HCM）雲，以及企業資源計劃（ERP）雲等在內的業務矩陣。
對比來看，亞馬遜AWS通過SaaS服務商和ISV（獨立軟體開發商）的產品部署在其雲平台之上，向垂直領域拓展，自有服務剛開始嘗試；微軟雖然憑借Office 365、Dynamics 365，以及收購的LinkedIn在SaaS收入排行榜上引領市場，但產品組合比較單薄。
一位熟悉甲骨文的IT行業專家告訴，這將成為甲骨文最有可能突圍成功的雲業務，「畢竟現階段在這個領域，微軟、亞馬遜等雲計算巨頭都不能對甲骨文構成威脅」。
反噬亞馬遜
就像其他經歷痛苦轉型的IT公司一樣，按合同訂單收費轉向按需收費的商業模式後，甲骨文很可能在接下來一段時間內難以保持高營收，甚至有些俯沖的趨勢，利潤也會受到影響。
過去四年的激進轉型拉近了甲骨文和AWS的距離，IT公司雲和恩墨創始人蓋國強向《財經》記者評論，接下來，就要看甲骨文如何在這個基礎上通過創新超越別人。
甲骨文甚至開始向亞馬遜AWS的優勢領域進攻。2016年，甲骨文完成了對NetSuite的收購，交易金額為92億美元，遠超甲骨文2009年對Sun的74億美元收購，成為公司史上最大收購。甲骨文CEO馬克·赫德（Mark Hurd）告訴，通過收購，甲骨文獲得了NetSuite的4萬家中小企業客戶，將與甲骨文現有客戶形成互補。
2017年11月，甲骨文在中國宣布了新一批客戶，摩拜單車、科大訊飛等這些科技行業當紅炸子雞榜上有名。其中，摩拜單車已部署了HCM和ERP雲，希望藉此解決公司發展規模擴大後，員工年輕化和跨生態業務模式對公司內部管理的挑戰。這家公司在企業級業務上的經驗積累逐步釋放。
然而，互聯網客戶對雲平台的忠誠度並不高，往往根據業務需求出發選擇不同的服務提供商。因此，留住以往傳統核心客戶，對甲骨文更為關鍵。混合雲可以滿足這些用戶的遷移需求。傳統客戶希望可以在公有雲、私有雲之間無縫切換，以保證他們可以降低風險嘗試新的技術。而甲骨文重寫代碼後，打通了全線產品，可以支持一鍵式遷移的需求。
馬克·赫德表示，客戶會發現甲骨文的公有雲和私有雲，具有相同的標准、架構、產品和技能，這有利於客戶在兩者之間無縫遷移降低成本，並加速獲得更多的創新。
事實上，雲計算用戶需求，已從成本支出節省的量變，轉向獲取數據分析、業務預測等增值服務的質變。
甲骨文產品開發總裁托馬斯·庫里安（Thomas Kurian）表示，雲計算的未來有五大趨勢：人工智慧與機器學習、「自治」軟體、物聯網、區塊鏈和人機交互。這也是亞馬遜AWS和微軟布局的重點。
2017年10月，甲骨文集中發布了物聯網、區塊鏈等方向的雲解決方案，但早已開始與客戶利用相應解決方案展開合作。同年8月，三菱電機藉助甲骨文物聯網雲服務為其工廠自動化開發新平台。利用這個平台，客戶可以在生產現場完成快速收集、分析和利用數據，進而開發應用滿足生產需求，優化供應鏈，管理遍布全球的工廠。
傳統的銷售客戶正在轉變為甲骨文的研發合作夥伴。服裝零售商Gap將其銷售相關的雲服務部署在了甲骨文雲上。Gap首席信息官保羅·查普曼（Paul Chapman）表示，過去六個月時間里，其所在團隊與甲骨文共同完成了開發、規劃解決方案，到部署上線的全過程。
甲骨文需要更加擴大合作夥伴范圍，構建完整的雲計算生態。截至目前，加入甲骨文合作夥伴網雲計劃的成員已經超過2600家，但卻仍低於以往甲骨文以軟體為基礎構建上萬家規模的生態體系。
微軟之外，甲骨文是第二個提出完整轉型方案的，這給其他傳統IT公司帶來新的希望，即使它們已經老去。