Industri basis data telah mengalami revolusi yang tenang selama dekade terakhir.

Basis data tradisional mengharuskan pejabat untuk memberikan kapasitas tetap, termasuk sumber daya dan penyimpanan akun. Bahkan di cloud, dengan opsi basis data sebagai layanan, institusi terutama mendorong kapasitas server yang sangat lesu sebagian besar waktu tetapi dapat menangani beban puncak. Database tanpa server jantung formulir ini. Mereka secara otomatis memperluas rentang akun sumber daya naik dan turun berdasarkan permintaan aktual dan pengisian hanya untuk apa yang digunakan.

Amazon Web Services (AWS) Dia adalah pelopor dalam pendekatan ini selama lebih dari satu dekade dengan DynamoDB dan memperluasnya ke database Aurora Serverless. Sekarang, AWS mengambil langkah berikutnya dalam transformasi tanpa server ke basis datanya dengan satu tahun Amazon DocumentDB Serverless. Ini membawa ekspansi otomatis ke database dokumen yang kompatibel dengan MongoDB.

Waktu mencerminkan perubahan mendasar dalam cara mengkonsumsi aplikasi ke dalam sumber daya basis data, terutama dengan penampilan agen kecerdasan buatan. Serverless sangat cocok untuk skenario permintaan yang tidak terduga, yang merupakan beban kerja AI ACTARIC.

“Kami melihat lebih banyak karya Aisinc AI di akhir yang fleksibel dan paling terorganisir,” Ganapathy (G2) Krishnamorate, wakil kepala basis data AWS, Tell VentureBeat. “Karena itu, para agen dan pelayan berjalan berdampingan.”

Membandingkan server dengan database sebagai layanan perbandingan

Status ekonomi basis data tanpa server menjadi meyakinkan ketika memeriksa cara kerja pasokan tradisional. Organisasi biasanya menyediakan database puncak, kemudian membayar kapasitas ini di sekitar jam 24/7 terlepas dari penggunaan aktual. Ini berarti membayar sumber daya kelesuan selama jam sibuk, akhir pekan dan ketenangan musiman.

“Jika beban kerja Anda sebenarnya lebih dinamis atau kurang dapat diprediksi, server tanpa server lebih cocok karena memberi Anda kapasitas dan ruang utama, tanpa benar -benar kebutuhan untuk memuncak setiap saat,” jelas Krishnamori.

AWS mengklaim bahwa Amazon DocumentDB Serverless dapat mengurangi biaya hingga 90 % dibandingkan dengan database tradisional yang tersedia untuk mengubah beban kerja. Penghematan berasal dari penskalaan otomatis yang sesuai dengan kemampuan dengan permintaan aktual.

Namun, mungkin ada risiko yang mungkin dengan database tanpa server. Melalui opsi database sebagai layanan, lembaga biasanya membayar biaya tetap untuk membentuk basis data kecil, menengah atau besar. Dengan server, tidak ada struktur biaya yang sama.

Krishnamoorthy mencatat bahwa AWS telah menerapkan konsep pegangan tangan untuk biaya database tanpa server melalui minimum dan maksimum, yang mencegah biaya melarikan diri.

Apa itu DocumentDB dan mengapa itu penting

DocumentDB berfungsi sebagai layanan database dokumen AWS dengan kompatibilitas API MongoDB.

Berbeda dengan database yang menyimpan data dalam tabel padat, dokumen database menyimpan informasi seperti dokumen JSON (JavaScript Object). Ini membuatnya ideal untuk aplikasi yang membutuhkan struktur data yang fleksibel.

Layanan ini berurusan dengan situasi penggunaan umum, termasuk aplikasi game yang menyimpan detail profil operator, platform e -commerce yang menjalankan produk produk dengan fitur yang berbeda dan sistem manajemen konten.

Konsensus MongoDB menciptakan jalur imigrasi untuk lembaga yang saat ini menjalankan MongoDB. Dari perspektif kompetitif, MongoDB dapat bekerja di cloud apa pun, sementara Amazon DocumentDB hanya di AWS.

Risiko penutupan cenderung menjadi perhatian, tetapi merupakan masalah yang AWS coba atasi dengan berbagai cara. Salah satu caranya adalah dengan memungkinkan kemampuan pertanyaan seragam. Krishnamoorthy mencatat bahwa dimungkinkan untuk menggunakan database AWS untuk menanyakan tentang data yang mungkin ada di penyedia cloud lain.

“Adalah fakta bahwa sebagian besar pelanggan memiliki infrastruktur mereka menyebar melalui banyak awan,” kata Krishnamori. “Kami menganggap, terutama, apa masalah yang sebenarnya dicoba oleh pelanggan.”

Cara menyesuaikan adegan AIC serverless documentdb

Agen kecerdasan buatan mewakili tantangan unik bagi pejabat basis data karena pola konsumsi sumber daya mereka sulit diprediksi. Tidak seperti aplikasi web tradisional, yang biasanya memiliki pola lalu lintas yang relatif tetap, agen dapat mengarah pada reaksi basis data yang berturut -turut yang tidak dapat diprediksi oleh para pejabat.

Database dokumen tradisional mengharuskan pejabat untuk memberikan kapasitas puncak. Ini membuat sumber daya untuk tidak aktif selama periode yang tenang. Dengan agen kecerdasan buatan, puncak -puncak ini bisa mengejutkan dan besar. Pendekatan server menghapus tebakan ini dengan membatasi sumber daya akun secara otomatis berdasarkan permintaan aktual alih -alih kebutuhan kapasitas yang diharapkan.

Selain hanya basis data yang dekat, Krishnamorate mencatat bahwa Amazon DocumentDB Serverless juga akan mendukung dan bekerja dengan MCP (model protokol konteks), yang banyak digunakan untuk memungkinkan alat kecerdasan buatan untuk bekerja dengan data.

Ternyata, MCP di institusi dasarnya adalah seperangkat aplikasi JSON. Sebagai database berbasis JSON, Amazon DocumentDB dapat membuat pengalaman yang lebih berpengetahuan bagi pengembang untuk bekerja dengan mereka, menurut Crichnamori.

Mengapa Institusi Perhatian: Penyederhanaan Operasional Melampaui Penghematan Biaya

Meskipun pengurangan biaya menjadi berita utama, manfaat operasional dari serverless mungkin lebih penting untuk akreditasi lembaga. Serveress menghilangkan kebutuhan akan kapasitas untuk merencanakan kapasitas, salah satu aspek yang paling banyak waktu dan rentan dari manajemen basis data.

“Sebenarnya, serverless benar -benar meningkatkan kebutuhan Anda dalam kenyataan. Yang kedua adalah bahwa itu sudah mengurangi jumlah beban operasional yang Anda miliki, karena Anda bukan hanya kapasitas kapasitas,” kata Krishnamori.

Penyederhanaan operasi ini menjadi lebih berharga karena organisasi memperluas inisiatif kecerdasan buatan. Alih -alih pejabat basis data, mereka terus -menerus menyesuaikan kapasitas berdasarkan pola agen, sistem berurusan dengan penskalaan secara otomatis. Ini mengedit perbedaan untuk fokus pada pengembangan aplikasi.

Untuk institusi yang ingin mendorong jalan dalam kecerdasan buatan, berita ini berarti bahwa dokumen dokumen di AWS sekarang dapat memperluas ruang lingkup mereka dengan lancar dengan beban pekerjaan agen yang tidak terduga sambil mengurangi biaya kompleksitas dan infrastruktur operasi. Model server memberikan dasar untuk pengalaman kecerdasan buatan yang dapat diperluas secara otomatis tanpa kapasitas yang dikirimkan.

Untuk lembaga yang ingin mengadopsi kecerdasan buatan nanti dalam kursus, ini berarti bahwa struktur tanpa hamba telah menjadi prediksi dasar infrastruktur database yang siap untuk kecerdasan. Menunggu adopsi database dokumen tanpa server dapat menempatkan institusi pada posisi kompetitif ketika akhirnya menerbitkan agen kecerdasan buatan dan beban kerja dinamis lainnya yang mendapat manfaat dari penskalaan otomatis.

Turis yang mengunjungi Cncún dan Riviera Maya diterima di Meksiko musim panas ini tidak hanya dengan angin laut dan koktail di samping kolam renang, tetapi dengan patroli bersenjata.

Menanggapi eskalasi kekerasan dan kejahatan kartel terhadap para pelancong, pemerintah Meksiko telah mengerahkan lebih dari 7.000 tentara dan personel keamanan untuk melindungi daerah liburan paling populer di negara ini. Sejak 2021, Meksiko telah berubah menjadi penyebaran pasukan lokal dan penegakan hukum untuk melakukan patroli di pantai dan daerah wisata panas.

Michael Brown, mantan agen khusus Administrasi Pengendalian Obat (DEA), mengatakan kepada Michael Brown, direktur global perangkat analitik anti -anti -anti -anti -anti, Digital Fox News bahwa adegan senapan militer dapat berbuat lebih banyak untuk mengingatkan para pelancong bahaya untuk meyakinkan mereka.

“Kejahatan kejahatan pengorganisasian Meksiko, aktivitas geng, terus -menerus bergerak dari satu sisi negara ke yang berikutnya,” katanya. “Sayangnya, daerah wisata -end tinggi ini merupakan peluang mudah untuk kejahatan terorganisir yang akan datang, pencurian, serangan, dan jubah.”

Turis Amerika di tempat liburan terkenal menghadapi peningkatan risiko pembunuhan dan pencurian

Otot militer berpatroli

Musim panas ini, pemerintah Meksiko meluncurkan kampanye keamanan yang agresif melalui tujuan wisata terkenal di Quintana Row – rumah Cancun, Playa del Carmen, Toulom, dan Cosomel.

Inisiatif ini menyebut “Summer a Vacation Operation 2025” diumumkan pada 18 Juli dan termasuk penyebaran lebih dari 7.000 personel keamanan, termasuk anggota Penjaga Nasional, Angkatan Laut, Angkatan Darat, dan pemerintah dan polisi setempat. Meskipun proses liburan musim panas 2025 adalah penyebaran musiman terkoordinasi terbesar sejauh ini, ia mengikuti pola multi -tahun yang meningkatkan partisipasi militer di daerah wisata paling menguntungkan di Meksiko.

Orang -orang memiliki hari di Playa mendefinisikan pantai (pantai Dolphin) di area hotel Kanikon, Quintana Row, Meksiko, pada 8 November 2022. (Daniel Selim/AFP via Getty Images)

Tujuan dari ini adalah untuk melindungi 2 juta wisatawan yang diharapkan sepanjang musim panas dan awal musim gugur dengan kehadiran koordinator patroli bumi, udara dan laut.

“Kami tidak akan mentolerir pelanggaran, biaya ilegal, atau praktik yang membahayakan individu. Untuk penyedia layanan pariwisata kami, saya ulangi: Anda adalah duta besar terbaik di negara kami. Perilaku, moral, dan komitmen Anda akan membuat perbedaan.” konferensi persMenurut media regional Spanyol.

Para petugas mengenakan patroli seragam di bar dan restoran di daerah wisata Meksiko. (Gubernur Quintana Rowa Lizama via Facebook)

Brown memandang militerisasi sebagai bendera merah, bukan kepastian.

“Kamu duduk di pantai melihat para prajurit. Aku khawatir tentang sesuatu. Ini benar -benar bertentangan dengan konsep liburan,” katanya. “Jika kamu duduk di pantai sementara aku melihat pasukan bersenjata, akankah ini membuatku merasa benar -benar santai?”

Tentara bersenjata berpatroli di pantai Kanikon. (Gubernur Quintana Rowa Lizama via Facebook)

Turis Amerika telah memperingatkan agar tidak meningkatkan ancaman di titik liburan musim panas

Kekhawatiran tentang bepergian ke Meksiko sebagai orang Amerika tidak dibesar -besarkan karena kasus -kasus kejahatan yang rusak terhadap wisatawan telah mendorong Departemen Luar Negeri AS untuk mengeluarkan peringatan.

Badan tersebut mengeluarkan konsultan perjalanan 2 tingkat ke Quintana Roo, yang berarti bahwa para pelancong harus “melakukan kehati -hatian” karena risiko tinggi yang terkait dengan kejahatan properti, penipuan dan kecelakaan kekerasan kadang -kadang – bahkan di daerah wisata.

Pantai di daerah Konson di Nightborhood Hotel. (Google Maps)

Kedutaan Amerika di Meksiko mendorong warga Amerika untuk tetap waspada setiap saat, terutama di bidang pusat Cancun, Playa del Carmen, tulom setelah senja, dan mematuhi populasi yang penuh populasi untuk mengurangi kelemahan. Juga mengingatkan peringatan perjalanan dengan pengunjung terhadap kecelakaan di mana kekerasan yang terkait dengan Carmel dan pemisahan geng yang bersaing, meskipun mereka tidak harus ditargetkan untuk wisatawan, terluka oleh para pelintas yang tidak bersalah -oleh.

Brown berkata: “Jika Anda pergi ke tempat -tempat yang mewakili tingkat bahaya tertentu, Anda harus memiliki rencana yang berlaku untuk mengurangi ancaman ini, karena segera setelah ini terjadi, Anda tidak akan melihatnya terjadi,” kata Brown.

Tempat kerja bersama, dengan penjaga militer, penjaga nasional, dan polisi negara bagian, memantau jalan -jalan wisata yang berkuasa tinggi dan daerah kehidupan malam untuk mencegah kejahatan. (Gubernur Quintana Rowa Lizama via Facebook)

Perjalanan Cerdas

Sementara patroli militer dapat memberikan kenyamanan, Brown menekankan bahwa kewaspadaan pribadi masih merupakan alat keselamatan yang paling efektif bagi wisatawan Amerika, terutama wanita yang bepergian sendirian atau dalam kelompok kecil.

Amerika Serikat memperbarui konsultasi untuk melakukan perjalanan ke tujuan populer di tengah “ketakutan terorisme”: “mempraktikkan kehati -hatian” yang meningkat “

Brown merekomendasikan wisatawan yang membawa perangkat pelacakan GPS pribadi, tersembunyi dengan sempurna dalam tas tangan, gelang atau kalung, dan menempatkan pos pemeriksaan khusus dengan anggota keluarga di negara ini.

Ini juga mendesak para pelancong untuk menggunakan transportasi hanya oleh hotel saat tinggal di resor dan menentukan identitas pengemudi dan plat nomor di muka.

Kehidupan militer untuk kehidupan malam di Meksiko di tengah kampanye pemerintah melawan kejahatan. (Gubernur Quintana Rowa Lizama via Facebook)

Ketika datang ke kehidupan malam, mantan agen DEA menyarankan untuk tidak menerima minuman dari orang asing, tidak hanya minuman yang dibuka di depan Anda, dan resor tidak pergi sendiri, terutama di malam hari.

Untuk para pemimpin pelayaran atau mereka yang menjelajah ke kota -kota lokal, disarankan untuk meninggalkan semua perhiasan, perancang elemen, dan sejumlah besar uang di atas kapal untuk menghindari penargetan.

“Kamu punya rencana,” katanya. “Kesadaran Anda harus meningkat secara signifikan dari saat ketika dimulai dari pesawat itu.”

Klik di sini untuk mendapatkan aplikasi Fox News

Fox News Digital menghubungi Departemen Luar Negeri AS untuk berkomentar.

Seperti banyak institusi selama setahun terakhir, Intuit MailChimp Dicoba Coding Vepi.

Intuit MailChimp menyediakan kemampuan pemasaran dan otomatisasi e -mail. Ini adalah bagian dari organisasi intuit terbesar, yang berada dalam perjalanan tetap dengan Jenderal AI selama beberapa tahun terakhir, ditawarkan sendiri. lutut Dan Agen Kecerdasan Buatan Kemampuan melalui unit bisnisnya.

Meskipun perusahaan memiliki kemampuan AI sendiri, MailChimp telah menemukan kebutuhan dalam beberapa kasus untuk menggunakan alat pengkodean getaran. Semuanya dimulai, seperti banyak hal, mencoba mencapai jadwal waktu yang sangat sempit.

MailChimp perlu menunjukkan alur kerja yang kompleks untuk pelanggan untuk pemangku kepentingan segera. Alat desain tradisional seperti Figma tidak dapat memberikan model awal yang mereka butuhkan. Beberapa insinyur MailChimp telah mencoba alat pengkodean kecerdasan buatan dengan tenang. Ketika mencapai tekanan tenggat waktu, mereka memutuskan untuk menguji alat -alat ini dengan tantangan nyata bagi bisnis.

“Kami sudah memiliki posisi yang menarik karena kami membutuhkan model pendahuluan untuk beberapa hal untuk para pemangku kepentingan kami, pada dasarnya hampir langsung, itu adalah alur kerja yang sangat rumit yang kami butuhkan untuk model awal,” Shevang Shah, kepala arsitek di Intuit Mailchimp, mengatakan kepada VentureBeat.

Insinyur MailChimp menggunakan alat pengkodean VEPBY dan terkejut dengan hasilnya.

Shah berkata: “Mungkin saja dibutuhkan hari -hari itu untuk melakukannya,” kata Shah. Kami berhasil melakukan ini dalam waktu dua jam, yang sangat menarik.

Sesi model awal memicu surat yang lebih luas dari alat pengkodean kecerdasan buatan. Sekarang, menggunakan alat -alat ini, perusahaan telah mencapai kecepatan pengembangan hingga 40 % lebih cepat sambil belajar pelajaran penting tentang tata kelola dan memilih alat manusia dan pengalaman yang dapat diterapkan oleh lembaga lain segera.

Pengembangan dari tanya jawab “untuk melakukan ini untuk saya”

Perjalanan MailChimp mencerminkan perubahan yang lebih luas dalam bagaimana pengembang berinteraksi dengan kecerdasan buatan. Awalnya, insinyur menggunakan AI untuk mengonversi untuk mendapatkan panduan dasar dan saran algoritma.

“Saya pikir bahkan sebelum pengkodean getaran menjadi sesuatu, banyak insinyur sudah mendapat manfaat dari alat kecerdasan buatan saat ini dan berbicara untuk melakukan beberapa bentuk – hei, apakah ini algoritma yang tepat untuk hal yang saya coba selesaikan?” Catatan Shah.

Model ini berubah terutama dengan alat pengkodean AI modern. Alih -alih pertanyaan dan jawaban sederhana, penggunaan alat menjadi lebih banyak tentang melakukan beberapa pekerjaan pengkodean.

Pergeseran dari konsultasi ke mandat ini adalah untuk mengusulkan nilai dasar yang sedang diperjuangkan oleh institusi saat ini.

Mailchimp dengan sengaja mengandalkan platform pengkodean AI yang disengaja, bukan satu penyatuan. Perusahaan menggunakan indikator, windsurf, mupment, qodo dan github kopilot berdasarkan visi dasar tentang spesialisasi.

Shah berkata: “Apa yang kami sadari, tergantung pada siklus pengembangan perangkat lunak Anda, alat yang berbeda memberi Anda manfaat yang berbeda atau pengalaman yang berbeda, seperti kehadiran seorang insinyur yang bekerja dengan Anda.”

Pendekatan ini mencerminkan bagaimana institusi menggunakan berbagai alat khusus untuk berbagai tahap pengembangan. Perusahaan menghindari solusi tunggal yang sesuai dengan semua orang yang mungkin unggul di beberapa daerah dengan kinerja yang buruk di orang lain.

Strategi ini muncul dari tes praktis alih -alih perencanaan teoretis. MailChimp telah menemukan melalui penggunaan bahwa alat yang berbeda mengungguli berbagai tugas dalam kemajuan pengembangan.

Kerangka kerja tata kelola mencegah kekacauan pengkodean kecerdasan buatan

Pusat pengkodean pengkodean terpenting di MailChimp tentang tata kelola. Perusahaan telah menerapkan pegangan dan operasi berbasis kebijakan yang dapat beradaptasi dengan perusahaan lain.

Kerangka kerja kebijakan mencakup ulasan internasional amnesti yang bertanggung jawab atas publikasi berbasis kecerdasan buatan yang memengaruhi data pelanggan. Kontrol operasi yang dijamin memastikan bahwa pengawasan manusia masih pusat. Kecerdasan buatan dapat melakukan simbol awal, tetapi persetujuan manusia masih diperlukan sebelum menerbitkan simbol produksi apa pun.

“Akan selalu ada manusia di episode ini,” Shah menegaskan. “Akan selalu ada seseorang yang harus meningkatkan, dan kita harus memeriksa ini, dan memastikan untuk menyelesaikan masalah yang tepat.”

Pendekatan lapisan ganda ini membahas masalah umum di antara institusi. Perusahaan menginginkan keunggulan kecerdasan buatan, sambil mempertahankan kualitas simbol dan standar keamanan.

Pembatasan konteks membutuhkan klaim strategis

Mailchimp menemukan bahwa alat pengkodean kecerdasan buatan menghadapi batasan yang luar biasa. Alat memahami pola pemrograman umum, tetapi tidak memiliki pengetahuan bisnis yang spesifik.

“Saya telah belajar kecerdasan buatan dari standar industri sebanyak mungkin, tetapi pada saat yang sama, itu mungkin tidak sesuai dengan perjalanan pengguna kami saat ini sebagai produk.”

Wawasan ini menyebabkan kesadaran yang menentukan. Pengkodean kecerdasan buatan yang sukses mengharuskan para insinyur untuk memberikan konteks yang semakin spesifik melalui klaim yang dibuat dengan cermat berdasarkan pengetahuan teknis dan komersial mereka.

“Saya masih perlu memahami teknologi, bisnis, bidang, rekayasa sistem, dan aspek hal -hal pada akhirnya, membantu kecerdasan buatan untuk memperkuat apa yang Anda ketahui dan apa yang dapat Anda lakukan,” jelas Shah.

Efek praktis dari institusi: Tim membutuhkan pelatihan pada kedua alat dan bagaimana mengomunikasikan konteks pekerjaan ke sistem kecerdasan buatan secara efektif.

Kesenjangan khas untuk produksi masih penting

Alat pengkodean kecerdasan buatan unggul dalam model primer yang cepat, tetapi MailChimp belajar bahwa model awal tidak menjadi simbol yang siap -untuk. Kompleksitas integrasi, persyaratan keamanan, dan pertimbangan struktur sistem masih membutuhkan pengalaman manusia yang hebat.

Shah memperingatkan: “Hanya karena kita memiliki model pendahuluan di tempatnya, kita tidak boleh melompat ke kesimpulan bahwa ini dapat dilakukan pada beberapa waktu.” “Model awal tidak sama dengan mengambil model awal ke produksi.”

Pelajaran ini membantu lembaga untuk memberikan harapan yang realistis tentang dampak alat pengkodean kecerdasan buatan pada jadwal waktu pengembangan. Alat sangat membantu dalam model awal dan pengembangan awal, tetapi mereka bukan solusi ajaib untuk seluruh siklus pengembangan perangkat lunak.

Transformasi strategis dari fokus menuju pekerjaan bernilai lebih tinggi

Efek transformasional tidak lebih kecepatan. Alat memungkinkan insinyur untuk fokus pada kegiatan bernilai lebih tinggi. MailChimp sekarang menghabiskan lebih banyak waktu dalam desain sistem, arsitektur, dan penyelesaian alur kerja pelanggan alih -alih tugas pengkodean berulang.

“Ini membantu kita menghabiskan lebih banyak waktu dalam desain dan arsitektur sistem,” Shah menjelaskan. “Lalu, bagaimana kita bisa menggabungkan semua alur kerja bersama untuk pelanggan kita dan tugas yang kurang duniawi.”

Pergeseran ini menunjukkan bahwa lembaga harus mengukur keberhasilan pengkodean kecerdasan buatan dengan cara yang melebihi produktivitas. Perusahaan harus melacak nilai strategis pekerjaan yang sekarang dapat ditentukan oleh pengembang manusia.

Kesimpulan dari institusi

Untuk lembaga yang ingin kepemimpinan dalam peningkatan pengembangan organisasi matematika, pengalaman MailChimp menunjukkan prinsip yang menentukan. Keberhasilan membutuhkan perlakuan alat pengkodean kecerdasan buatan sebagai asisten canggih yang mengobarkan pengalaman manusia daripada menggantinya.

Organisasi yang menguasai keseimbangan ini akan mendapatkan keuntungan kompetitif yang berkelanjutan. Mereka akan mencapai campuran kemampuan teknis yang benar sambil mengawasi manusia, mempercepat dengan tata kelola dan produktivitas dalam kualitas.

Untuk lembaga yang ingin mengadopsi alat pengkodean kecerdasan buatan nanti dalam kursus, perjalanan MailChimp menyediakan dari pengalaman berbasis krisis hingga perencanaan sistematis. Wawasan utama masih konsisten: Amnesty International meningkatkan pengembang manusia, tetapi pengalaman dan pengawasan manusia masih diperlukan untuk keberhasilan produksi.