← Financial Cloud Cloud Cloud Club · AWS Re:cap

极点宏观|Financial Cloud Cloud · AWS Re:cap

AWS Re:cap 04: FSI Meetup 2025 年第四季度 - Brex 数据库灾难恢复

演讲者: Fabiano Honorato、Michelle Koo、Stephen Brandon

场次: 04

场次
Summit Dev Lounge2026 Re:cap
01 把架构写成 Steering,引导 AI Agent
02 Agent Harness 才是真正的工程护城河
03 用白话询问可观测性数据
04 以 Bedrock AgentCore 打造 Serverless AR 游戏
05 AgentCore 上的多 Agent 量化回测
06 三分钟用 Kiro 把博客变成幻灯片
AWS Community Day Hong Kong 2025 Re:cap
02 使用 Terraform 实现 AWS 合规
03 从初学者到构建者:一段精彩的 AWS 云之旅
04 以团队为先:使用 Laravel 与 Bref 开展无服务器工程
05 活动开幕式
06 智能体到智能体:在 AWS 上构建可互操作的 AI
07 利用另一类遥测数据,借助 AI 智能体更快改进
08 告别氛围编程:使用 Kiro 进行规格驱动开发
09 使用 MCP 与 AI 智能体进行自动化测试
10 使用机器学习方法实现电信安全现代化
11 重新思考生成式 AI 智能体:RAG 与 MCP
12 使用 TAK 和 AWS 开展灾难与应急响应
13 从测试视角重新思考无服务器应用程序工作流
14 Practical AWS FinOps for Cloud Success
15 基于 AWS 的 AI 驱动全球纯 Alpha 宏观交易:重塑风险调整后资产收益
FSI Recap
01 现代交易生命周期:从交易到结算
02 Goldman Sachs:通过 Fast Track 加速应用程序上云 - AWS Re:cap Q1/2023
03 Zurich Insurance Group:在 AWS 上构建高效的日志管理解决方案
04 FSI Meetup 2025 年第四季度 - Brex 数据库灾难恢复
05 FSI Meetup 2025 Q4 - Graviton 迁移成功案例
06 FSI Meetup 2025 Q4 - Stifel 现代数据平台
07 FSI Meetup 2025 Q4 - PayPal 金融交易数据对账系统
08 FSI Meetup 2025 Q4 - 规模化提升韧性
09 最大限度提高 AI 推理成本效益:战略性采用 AWS GPU 实例
10 高级智能体 AI 设计模式
11 在 AWS 上构建全新的现代化应用
AWS re:Invent 2025
01 Coinbase re:Invent 回顾 (IND3312)
02 利用 AI 和 AWS 构建未来交易平台
03 交易创新:Jefferies 基于 Amazon Bedrock 构建的 AI 助手 (IND3315)
04 FSI 如何通过 Agentic AI (GBL302) 彻底改变 HFT 分析
05 使用 Amazon Time Sync 改进分布式系统(采用 Nasdaq)
06 Amazon Aurora HA 和 DR 全球弹性设计模式 (DAT442)
07 构建智能体式 AI:Amazon Nova Act 与 Strands Agents 实践 (DEV327)
08 深入探讨 Amazon Aurora 及其创新 (DAT441)
09 深入探讨 Amazon S3(STG407)
10 Nasdaq:为全球金融服务构建弹性基础设施 (HMC327)
11 AWS Lambda 新功能 (CNS376)
12 使用 Kiro 进行规范驱动开发 (DEV314)
13 Amazon 的 FinOps:全球电商巨头的云成本管理经验 (AMZ308)
14 AWS 上交易平台的 Tick-to-Trade 延迟
政务数据
01 The AI Era: The Boundary Between Development and Design Is Disappearing
02 端侧多模态 AI 与智慧城市实践
03 大模型能力评测与 AI 项目落地方法论
04 基于云代理的政府开发全链路受控自动化
05 从多智能体看 Agent 时代软件新生态
06 AI 驱动的宏观量化研究与智慧治理
07 公共数据授权运营与智慧政务实践
08 数据资产化落地实践:确权合规、工程治理与数字政府案例
09 AI技术赋能心理健康公益:可信平台的治理、架构与实践
Amarathon 2025 回顾
01 开发者的智能体架构设计路线图
02 Amazon Bedrock 数据自动化
03 AgentCore 上的多智能体
04 实践中构建智能体式 AI:Nova Act 与 Strands Agents
04 使用规格驱动开发,通过 Kiro 加速迁移项目
06 从「匹配」到「理解」:由 AgentCore Memory 驱动的个性化 AI 搜索实践
07 从观察到优化:从 LLM 可观测性迈向 AIOps,将实时洞察转化为智慧自动化
08 部署 TEAM 并打造最佳工程团队
09 五年来所谓无服务器数据库带来的五个惨痛教训
14 如果 AI 替我工作会怎样:Q Developer CLI 与 Kiro 如何改变我的日常工作
16 兼顾速度与警觉:Amazon Bedrock Agent 开发的安全要点
26 在单张 H100 上运行 OSS LLM:更智能、更便宜、更快速
28 现代统一元数据架构:打破数据孤岛的新方法
29 无服务器 MediaOps:使用 Amazon Web Services 上的 AI 自动化视频工作流
30 通过大规模性能测试构建兼具效率与可靠性的架构
31 通过开源连接世界:技术、社区与全球开发者关系的实践历程
33 构建流式 Iceberg 表以进行实时物流分析
34 加速大规模机器人策略训练:基于 Kiro、Trainium 和 EKS 的自动化闭环架构
35 通过规格驱动开发,从 Vibe 走向可行方案
36 让云成本分析更智能:使用 Strands 和 AgentCore 构建 FinOps 智能体
37 使用 CNCF Kagent、K8sGPT 和 Nova Sonic 转型 K8s 对话式智能体 AIOps

Brex 简介

● 用于管理费用、差旅和信贷的财务运营系统平台。

● 工程经理和团队成员探讨如何利用 Amazon Aurora 提高弹性并支持国际扩张

Brex 服务

● 企业卡、费用管理、差旅、账单支付和银行业务

● 旨在帮助客户明智、合理地支出


为灾难场景做好基础设施准备的重要性

● 重点关注数据层,主要使用 PostgreSQL,并通过 PG bouncer 和副本支持应用及分析用途

● 将较小的数据库合并到单个数据库实例中

● 过去的灾难恢复流程依赖人工操作且耗时较长

灾难恢复解决方案的目标

● 采用温备灾难恢复解决方案,以缩短恢复时间目标(RTO)并降低恢复点目标(RPO)

● RTO:灾难发生后恢复正常运营所允许的最长时间

● RPO:可容忍的最大数据丢失量

确定 RPO 和 RTO

● 分析指标、评估当前能力并开展广泛测试

● 了解应用将如何应对额外的延迟和数据丢失

选择 Amazon Aurora Global Database

● 无需大幅更改当前设置即可提供所需功能

● 可在需要时使用辅助区域

当前实施中的注意事项

● 为读取应用创建自定义 DNS 端点,供应用和分析用途共同使用

迁移挑战与方案

● 由于可能导致应用停机,从 PostgreSQL 迁移到 Aurora 存在困难

● 专注于自动化,以尽量减少人工处理

● 构建 Temporal 工作流,用于运行自动化任务、验证迁移步骤并准备环境

● 在自动化流程确认数据库状态无误后,完成向 Aurora Global 的切换

迁移期间的停机管理

● AWS 为迁移提供了一个较短的停机窗口(2–3 分钟)

● 利用此窗口调整端点以及使用该数据库的应用

● 借助短暂的停机时段实现平稳过渡


使用 Temporal 工作流实现自动化

迁移前的当前状态

● 应用连接到 PG bouncer,后者连接到 PostgreSQL 实例和副本实例

迁移流程

● 通过 AWS 创建 Aurora 只读副本,且无需停机

● 工作流提升 Aurora 只读副本,并创建 Aurora 全局集群

● 应用连接到 PG bouncer,后者再使用全局写入器端点连接到 Aurora 全局集群

● 可以再创建一个集群,以构建多区域环境

Flux:

● 通过 git 存储库保持 Kubernetes 集群同步的工具

● 工作流预先生成 Flux git 拉取请求

● 人工验证后,工作流自动合并拉取请求

● 向工作流发送确认信号,使其继续执行停机操作并提升 Aurora 全局集群

使用 AI 自动审查 Flux

● 识别拉取请求中的错误或问题,并提供审查意见

试运行迁移标志

● 可在不触发破坏性操作或停机的情况下测试迁移

● 预先创建 Flux git 拉取请求以供审查,但不合并请求或提升集群


迁移中使用的其他工具和流程

● Terraform:创建用于将数据库作为新全局集群进行管理的模板

● 迁移工作流完成后,为每个数据库添加 Terraform 配置

● 通过 Terraform 管理全局集群中的读取器实例

内部命令行工具:

● 添加命令,使团队能够以自助方式为其 Aurora 全局集群执行切换或故障转移

● 故障转移:用于从非计划中断中恢复;当一个区域停机时,切换到其他区域

● 切换:用于运营维护或计划内操作等受控场景,不会丢失数据


通过迭代提升工作流性能的历程

● 最初的工作流完成端到端自动化大约需要 15 分钟

● 提升 Aurora 全局集群并创建 Flux git 拉取请求时会出现停机

● 流程按顺序执行,未进行并行化

引入并行化后,工作流耗时缩短至 10 分钟

● 更新工作流以并行执行步骤,包括获取凭证和预先创建 Flux 拉取请求

● 引入试运行标志,用于对迁移进行非破坏性测试

最终重构工作流后,执行时间缩短至 3 分钟

● 预先创建 Flux 拉取请求,使工作流可以暂停并等待停机窗口

● 减少 git add 操作以降低成本

● 添加信号命令,以受控方式启动停机

实施过程中获得的经验

● 在正式迁移前进行全面测试和审慎部署至关重要

● 从预发布环境开始,解决问题后再进入生产环境

● 自动化可减少人为错误,并能轻松复制到多个数据库

● 使用试运行选项模拟迁移,以便在不造成停机的情况下测试工作流(试运行或演练是一种软件测试过程,用于确保系统能够正常工作且不会导致严重故障。)

● 每周迁移少量数据库,通过迭代持续改进