A. 如果我自己在AWS上手动装一个oracle数据库, 我是买EC2 还是S3实例来搭
你需要购买EC2，这个是虚拟服务器，S3是存储服务，用来存储文件的。
B. aws 是自己搭建数据库好还是直接使用rds实例
这个要看自己了，如果你愿意花钱的话，用aws 的rds 实例还是比较方便的，而且数据库优化的东西都帮我们做好了，省心
C. 如何将数据库迁移到AWS云平台
一、迁移Database Schema。
首先使用Sybase Powerdesigner的逆向工程功能，逆向出sql Server数据库的物理模型。具体操作是在Powerdesigner中选择“File”，“Reverse Engine”再选择Database，将DBMS选择为SQL Server
然后选择数据源，也就是要具体连接到的SQL Server数据库服务器，然后选择要逆向的数据库名，比如选中“WSS_Content_80”
单击确定即可生成物理模型图，然后单击“Database”菜单下的Change Current DBMS修改当前的DBMS，改为MySQL 5.0，单击确定后即可生成MySQL的物理模型 然后单击“Database”菜单下的“Generate Database”生成数据库脚本文件。
接下来手工修改下生成的脚本的内容。将其中的dbo.全部替换成空，将create user这样的语句删除掉。
如果有些字符在MySQL中是关键字，那么必须使用“`”（键盘上数字1左边那个符合）符合框起来。
加上MySQL所需要的存储引擎比如每个建表语句后跟上：
ENGINE = INNODB CHARACTER SET utf8 COLLATE utf8_general_ci;将生成的脚本在MySQL中去运行一次即可创建数据库。
二、迁移数据内容
数据内容只能通过生成INSERT语句的方式来做。
首先使用SSMS的“生成脚本”功能（在数据库上右键，选择“任务”“生成脚本”选项），可以为SQL Server数据库中的数据生成插入脚本。
首先选择要迁移数据的表，这里我们全选所有的表
然后单击下一步，选择将脚本保存到新的查询窗口
单击“高级”选项，在高级选项窗口中选择“要编写脚本的数据的类型”为仅限数据
然后“确定”再下一步下一步即可生成INSERT脚本文件。
修改生成的脚本文件，主要有以下几项修改：
使用批量替换的方式去掉[ ]这是SQL Server的符合，在MySQL中不用这个。
使用批量替换的方式去掉dbo.
有些单词在MySQL中是关键字的，那么需要使用“`”引起来。
关于Datetime类型的数据，需要手工修改下，SQL Server默认生成的是这样的语句，在MySQL中是没办法解析的：
CAST(0x00009EEF00000000 AS DateTime)
为每一行添加一个;表示一个插入语句结束。这个分号在SQL Server中可以不需要，但是在MySQL中是必须的。简单的方法是使用高级的文本编辑器（比如Notepad++），将\r\n替换为;\r\n即可。
D. 如何在aws云平台上构建千万级用户应用
AWS服务概述
高扩展性应用建设并非把应用直接迁移到云平台上就能轻易实现，相反我们需要根据云平台的特性进行专门的设计，这包括选择合适的云服务类型并进行良好的应用架构设计。对于希望基于AWS构建千万级用户应用的开发者而言，不仅需要对区域（Region）、可用区（AZ）和边缘站点等基础设施的分布有所了解，更需要了解不同的AWS服务各自的特点和最佳实践。
AWS的服务可大致按照其所处层面分为三类，从下到上依次是基础服务层、应用服务层、部署和管理层。基础服务层也有两层，下层是计算（EC2、WorkSpaces）、存储（S3、EBS、Glacier、Storage Gateway）、网络（VPC、Direct Connect、ELB、Route53），上层是数据库（RDS、Dynamo、ElastiCache、RedShift）、数据分析（EMR、Data Pipeline、Kinesis）、内容分发（CloudFront）。应用服务层主要是把邮件服务、消息队列服务等通用的功能单独抽离出来。部署和管理层则有用于监控的CloudWatch，用于部署运维工作的BeanStalk、OpsWorks、CloudFormation和CloudTrail等，以及IAM、Federation等身份管理服务。
单机到多实例
传统的单机服务，到AWS上面就是跑在一个EC2实例上，这个实例上跟以前的服务器一样上面安装所有的Web应用、数据库等，搭配一个EIP，外部用Route53做DNS。遇到瓶颈后，简单的扩展就是将小的实例换成大的实例，比如small换成2xlarge、8xlarge，服务结构不变，可以快速实现，但是最终都会遇到极限。
到了这一步，就要从单实例服务变成多实例。这一步骤涉及到Web实例和数据库实例的拆分，数据库可以开始考虑选择SQL或者NoSQL。SQL大家比较熟悉，优点很明显，缺点主要在规模变大之后呈现，不过一般对于百万级用户量内的应用，SQL是能够满足需求的；但如果数据量增长速度很快，数据是非结构化或者半结构化的，应用要求的延时低、写入的速度要求快，那考虑NoSQL会更合适一些。
几百个用户的情况，一个RDS实例+一个Web实例即可满足需求，前端直接用一个EIP，即单机的情况；用户上千的情况，建议启动两个RDS实例+Web实例并将实例部署在不同的可用区，前端用ELB做负载均衡。
对于百万级以下用户的规模，每一个可用区内会有多个Web实例和RDS实例组成的集群，其中Active RDS实例和Standby RDS实例要放在不同的可用区，其他RDS实例均为只读。
到了这个规模之后，再要往上扩展到百万级，就需要改变部分工作负载的设计方式了。
改变部分工作负载的设计方式
第一步可以引入S3和CloudFront。把静态内容从Web实例中迁移到S3上，适合的文件类型包括静态数据（CSS、JS、图片、视频）、日志、备份等。S3具备11个9的持久性，本身是海量存储，可以支撑大量的并发访问，而且成本很低。CDN方面，CloudFront以Web Service接口的方式提供服务，支持动态和静态内容、流式视频，支持根域，支持客户化SSL证书。
第二步可以引入ElastiCache和DynamoDB。ElastiCache是托管的Memcached和Redis服务，API是一样的，两者都是非常快的缓存服务（毫秒级别），区别在于Memcached使用一个AZ，Redis可以跨AZ复制。DynamoDB是NoSQL服务，后台存储基于SSD，平均延时在毫秒级别。
这时候我们可以开始考虑弹性的问题，即应用的自动扩展。弹性的实现有四个前提：
完善的、基于指标的监控体系
自动化构建
自动化部署
集中化日志管理
在AWS上实现自动构建部署，可以选择Beanstalk、OpsWorks或CloudFormation，也可以完全自己写脚本配合定制AMI来实现。Elastic Beanstalk是全自动化的，基于容器实现，适合常规的Web应用；OpsWorks是半自动化的，适合较为复杂的应用开发流程，可以对资源配给、配置管理、应用部署、软件升级、监控、身份控制进行定制化；CloudFormation是基于模板的管理模式，可定制的范围更大。
如果以上都做到，那么一个百万级用户量的应用基本上可以比较好的管理起来。进一步到千万级用户量的规模，我们需要更多的引入面向服务的架构设计，即SOA。
SOA、SOA、SOA
SOA在04、05年讲得比较多，到现在基本上已经是大家都认可的做法，非常适合大规模应用的场景，其核心在于松耦合。
比如消息队列服务SQS，加在模块A和模块B之间，这样即使模块A宕掉了，模块B也仍然可以正常运行一段时间。美国大选网站就是采用了这样的思路，在SQL实例压力大的时候把实例关掉，换上一个更大的实例，因为前面有SQS顶着才可以这样做。
而AWS上的通知服务（SNS）、邮件服务（SES），也建议大家多多采用，而不要自己搭建Web实例来做，因为此类服务在处理海量请求方面的能力要远远超过一般的实现。
千万级规模对数据库的性能挑战是很大的，对于SQL，联邦（federation）、分片（sharding）都是常用的方法，将“热”表、快速写数据迁移到NoSQL也是一种思路。应用的性能挑战方面，重点则在于即时获得反馈（完善实时的监控+报警），以及持续的调优各个模块。
E. 如果我自己在AWS上手动装一个redis数据库, 我是买EC2 还是S3实例来搭
如果直观的理解你的问题，那答案当然是EC2啦。
因为：
EC2就是弹性计算单元（也就是虚拟机的意思），用它来搭建Redis自然是没有什么问题的。
而S3是对象存储系统， 他是用来存放数据的（你可以简单的把他理解为移动硬盘），对象存储系统的确提供了简单的托管静态网站的功能，但这也基本上是它的极限了。
像redis这样严重依赖操作系统提供系统调用的应用程序，使用EC2服务才是正解。 当然AWS也提供了托管的redis服务（鼠标点几下，开箱即用），不过，这并不在你的问题的考虑范围内。
F. 如何利用AWS数据库解决大数据处理
1.可视化分析 大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观的呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了。 2. 数据挖掘算法 大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学的呈现出数据本身具备的特点，也正是因为这些被全世界统计 学家所公认的各种统计方法（可以称之为真理）才能深入数据内部，挖掘出公认的价值。另外一个方面也是因为有这些数据挖掘的算法才能更快速的处理大数据，如 果一个算法得花上好几年才能得出结论，那大数据的价值也就无从说起了。 3. 预测性分析 大数据分析最终要的应用领域之一就是预测性分析，从大数据中挖掘出特点，通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来的数据。 4. 语义引擎 非结构化数据的多元化给数据分析带来新的挑战，我们需要一套工具系统的去分析，提炼数据。语义引擎需要设计到有足够的人工智能以足以从数据中主动地提取信息。 5.数据质量和数据管理。 大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理...
G. 如何用cmd导入本地数据库到aws的rds
1、创建和启动实例。请查阅官方文档，很简单。
重要提示：
空间大小要选择20G，多了会收费；
不要选择多区域，会收费
2、配置mysql数据库参数组——使其支持中文
默认情况下，mysql数据库不支持中文，中文存储会显示乱码，需要修改mysql配置。RDS不仅提供了命令行工具，也提供了可视化的操作界面。网上大多使用命令行工具，大家可以执行搜索。这里介绍最简单的控制台界面操作方法。
H. 如何把aws美国镜像迁移到中国区
找到需要 移动的镜像
右键选中 需要移动的 AMI ，选择 “”管理映像权限“” ---》 在“aws账号 一栏 填入 中国区 aws 账号” --》 添加权限即可
在中国区 aws 找好的 AMI 下，就可以看到来自 美国区要移动的镜像啦
I. 亚马逊是如何一步步把甲骨文逼上云的
全球最大的数据库公司甲骨文最近在“云计算之都”西雅图租赁了16万平方英尺的办公区，这距离它的总部加州硅谷约为上千公里，却与它最新的竞争对手亚马逊咫尺相隔。
市值2045亿美元的甲骨文，至今仍是世界上最赚钱的软件公司之一。创始人拉里·埃里森是一个强势、侵略性不加掩饰的人物。在2013年前，他是硅谷创业的典范——白手起家，巧妙抓住时机，不择手段横向扩展，销售额连年翻番，他本人也成为硅谷首富。
在这之后，埃里森却开始以浮夸的言辞和对商业竞争对手的讽刺而着称。今年3月，他公开表示，亚马逊和微软都是失败的竞争对手，至少在云计算的技术层面。让人难为情的是，甲骨文与他们之间存在着数倍的差距。
事实上，甲骨文在SaaS（软件即服务）的扩张更加积极。一方面，甲骨文对内全面云化。一位前甲骨文战略部管理者告诉，埃里森启动强制性的手段，将以往应用产品的销售从提供本地部署全面转向SaaS的模式销售，并且公司不断增加招聘SaaS销售人员。
另一方面，甲骨文在市场上大肆收购，并完成与自有产品的整合。在这场军备竞赛中，微软和亚马逊AWS虽然也陆续出手收购一些创业公司，但是远不如甲骨文一盘端的架势来得凶猛。
截至目前，甲骨文已发布了3500项SaaS服务，形成客户体验解决方案（CX）云、人力资本管理（HCM）云，以及企业资源计划（ERP）云等在内的业务矩阵。
对比来看，亚马逊AWS通过SaaS服务商和ISV（独立软件开发商）的产品部署在其云平台之上，向垂直领域拓展，自有服务刚开始尝试；微软虽然凭借Office 365、Dynamics 365，以及收购的LinkedIn在SaaS收入排行榜上引领市场，但产品组合比较单薄。
一位熟悉甲骨文的IT行业专家告诉，这将成为甲骨文最有可能突围成功的云业务，“毕竟现阶段在这个领域，微软、亚马逊等云计算巨头都不能对甲骨文构成威胁”。
反噬亚马逊
就像其他经历痛苦转型的IT公司一样，按合同订单收费转向按需收费的商业模式后，甲骨文很可能在接下来一段时间内难以保持高营收，甚至有些俯冲的趋势，利润也会受到影响。
过去四年的激进转型拉近了甲骨文和AWS的距离，IT公司云和恩墨创始人盖国强向《财经》记者评论，接下来，就要看甲骨文如何在这个基础上通过创新超越别人。
甲骨文甚至开始向亚马逊AWS的优势领域进攻。2016年，甲骨文完成了对NetSuite的收购，交易金额为92亿美元，远超甲骨文2009年对Sun的74亿美元收购，成为公司史上最大收购。甲骨文CEO马克·赫德（Mark Hurd）告诉，通过收购，甲骨文获得了NetSuite的4万家中小企业客户，将与甲骨文现有客户形成互补。
2017年11月，甲骨文在中国宣布了新一批客户，摩拜单车、科大讯飞等这些科技行业当红炸子鸡榜上有名。其中，摩拜单车已部署了HCM和ERP云，希望借此解决公司发展规模扩大后，员工年轻化和跨生态业务模式对公司内部管理的挑战。这家公司在企业级业务上的经验积累逐步释放。
然而，互联网客户对云平台的忠诚度并不高，往往根据业务需求出发选择不同的服务提供商。因此，留住以往传统核心客户，对甲骨文更为关键。混合云可以满足这些用户的迁移需求。传统客户希望可以在公有云、私有云之间无缝切换，以保证他们可以降低风险尝试新的技术。而甲骨文重写代码后，打通了全线产品，可以支持一键式迁移的需求。
马克·赫德表示，客户会发现甲骨文的公有云和私有云，具有相同的标准、架构、产品和技能，这有利于客户在两者之间无缝迁移降低成本，并加速获得更多的创新。
事实上，云计算用户需求，已从成本支出节省的量变，转向获取数据分析、业务预测等增值服务的质变。
甲骨文产品开发总裁托马斯·库里安（Thomas Kurian）表示，云计算的未来有五大趋势：人工智能与机器学习、“自治”软件、物联网、区块链和人机交互。这也是亚马逊AWS和微软布局的重点。
2017年10月，甲骨文集中发布了物联网、区块链等方向的云解决方案，但早已开始与客户利用相应解决方案展开合作。同年8月，三菱电机借助甲骨文物联网云服务为其工厂自动化开发新平台。利用这个平台，客户可以在生产现场完成快速收集、分析和利用数据，进而开发应用满足生产需求，优化供应链，管理遍布全球的工厂。
传统的销售客户正在转变为甲骨文的研发合作伙伴。服装零售商Gap将其销售相关的云服务部署在了甲骨文云上。Gap首席信息官保罗·查普曼（Paul Chapman）表示，过去六个月时间里，其所在团队与甲骨文共同完成了开发、规划解决方案，到部署上线的全过程。
甲骨文需要更加扩大合作伙伴范围，构建完整的云计算生态。截至目前，加入甲骨文合作伙伴网云计划的成员已经超过2600家，但却仍低于以往甲骨文以软件为基础构建上万家规模的生态体系。
微软之外，甲骨文是第二个提出完整转型方案的，这给其他传统IT公司带来新的希望，即使它们已经老去。