【re:Invent 2023】AWS資料庫、快取、資料倉儲邁向真正無伺服器化與新量子晶片

【美國拉斯維加斯現場報導】AWS re:Invent 2023今日（27）在美國拉斯維加斯展開，其公用運算部門（Utility Computing）資深副總裁Peter DeSantis在晚間首場主題演講中，首度揭露旗下三款雲端服務在無伺服器功能方面皆有新的進展，包括Aurora資料庫服務、ElastiCache快取服務與Redshift資料倉儲服務，終於在技術持續精進之下，達到他們心目中真正無伺服器化的里程碑；同時亦如過往發表硬體晶片的慣例，首度揭露錯誤率僅0.1%的新量子晶片。

Amazon Aurora是相容於MySQL與PostgreSQL的雲端資料庫服務，AWS在2018年推出Aurora的首款無伺服器版本，接著在去年2022年推出Aurora Serverless V2第二版，賦予雲端資料庫服務更大的線上擴充能力，不過雖然訴求資料庫用戶可在服務不中斷的情況下擴充資料庫，但仍有一定容量的限制。

Aurora Serverless資料庫服務之所以能實現線上擴充容量，DeSantis表示，主要是仰賴虛擬化技術。AWS開發了一個稱之為Caspian的虛擬層，由Caspian Heat Management System來管理實體主機如何分配虛擬記憶體給資料庫。Aurora所使用的每一臺實體主機配置容量256GB的記憶體，雖然Aurora資料庫開啟服務可以使用256GB記憶體，但實體主機的記憶體並不會因此而被完全占用，Caspian管理軟體會依據每個Aurora資料庫服務運作所需配置適當的實體記憶體容量，因此每臺實體主機皆可承載多個Aurora資料庫服務，如此就可以極大化利用運算資源。

在上述機制下，當一臺實體主機所承載的Aurora運作所需記憶體超過256GB，迫於記憶體物理限制就必須轉移到另一臺主機。DeSantis指出，如此機制尚無法達到無伺服器化可以自動擴充調整的最高境界，因此AWS繼而運用資料庫分區（Sharding）技術，將單一資料庫分配到不同主機，以達到水平擴充的能力。

資料庫分區並不難實現，DeSantis表示，但要達到自動分配的境界，最難突破的關鍵在於資料路由與資料庫分區彈性擴充的設計。為此AWS開發出一個資料請求路由層（Request Routing Layer），它採取輕量化設計，具有快速反應擴充的特性，加諸分區彈性擴充設計，則可達到跨區域執行資料庫切片與重組，並確保資料庫的可靠度。

由於上述兩項技術的創新突破，DeSantis指出，AWS終於能在今年推出真正無伺服器化的Aurora資料庫服務，稱之為Amazon Aurora Limitless Database，意指可不受單一資料庫的容量限制，皆可自動擴充配置而不影響資料庫運作。

除了Aurora Limitless Database，AWS今天也推出快取服務無伺服器版本ElastiCache Serverless。DeSantis表示，這有賴於第三項創新技術突破，也就是減少時鐘誤差範圍（Reducing Clock Error Bounds）。分散式運算系統的資料同步需要仰賴同步計時，他指出主要的三種作法，分別為Wall Clock（現實世界時間）、Logical Clock（邏輯時間）與單一TimeKeeper伺服器，其中Wall Clock方式會因不同時鐘的差異而導致計時同步不可靠。

為了提供準確的同步計時，AWS在2017年推出Amazon Time Sync Service，結合衛星通訊與原子鐘參照，提供與世界協調時間（UTC）誤差僅1毫秒（millisecond）的同步計時。但是，DeSantis指出，時間誤差1毫秒代表著總延遲時間是2毫秒，亦即每秒500次交易的延遲速度，而這對於快取的同步來說太慢了。為此，AWS以Nitro網路加速晶片為基礎設計一個分散式計時網路，並搭配備援電力模組與原子鐘，安裝在一個標準48U機櫃，終於將同步計時誤差由毫秒縮短至微秒（microsecond）等級，其ElastiCache Serverless p50的延遲僅500微秒，並可支援最大5TB記憶體容量。

至於在2021年推出的資料倉儲服務無伺服器版本Redshift Serverless，也有更進一步的精進。DeSantis表示，資料倉儲不只是要應付資料量，也得因應運算任務多樣化的需求。Redshift Serverless是由請求管理（Request Management）系統來判斷實體主機的負荷量，如果有運算需求較大的ETL（Extract, Transform, Load）任務產生，若既有的主機無法承擔，請求管理系統就會將其分配到新的主機，但若既有的主機可以承擔，雖然該ETL任務可以分配到既有主機，但由於運算需求大，完成運算的時間較久，也會因此牽累該主機的其他運算任務，導致時間拖延。

為了解決Redshift Serverless上述問題，AWS在請求管理系統導入機器學習預測功能，DeSantis指出，其實資料分析任務有80%是雷同的，因此先以機器學習建立好這80%任務的模型，將其內建在請求管理系統的快取，加速其快速分析任務類型，同時，有另一個模型用來學習屬於各別企業組織慣用習慣的另外20%任務，讓請求管理層可以在接到任務時分析與預測其類型，據以分配合適的運算資源。而有了這項AI功能後，Amazon Redshift Serverless Next-generation AI-driven scaling and optimizations也提供用戶自行設定機器學習的政策，以在資料分析運算時間與運算成本之間有所取捨。

此外，AWS歷年來皆會利用re:Invent的首日晚間主題演講發表其在硬體晶片的著墨，今年也不例外，DeSantis首度公開發表新的量子晶片，他表示，Aamzon量子運算團隊在量子糾錯有重大的進展，以邏輯量子位元的方式，將位元翻轉（Bit-flip）與相位翻譯（Phase-flip）錯誤分開，DeSantis指出，藉由被動糾錯方法，已可將錯誤率降低100倍，達到0.1%，亦即千分之一的錯誤率，而硬體過熱也預期可減少6倍。不過，他也說，雖然新晶片在量子糾錯方面有重大的進展，但現在尚於量子運算發展非常早期的階段。

Amazon ElastiCache Serverless目前已可提供服務，Amazon Aurora Limitless Database與Amazon Redshift Serverless Next-generation AI-driven scaling and optimizations則提供預覽。