本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 將 Amazon Aurora PostgreSQL 與其他 AWS 服務整合
<a name="AuroraPostgreSQL.Integrating"></a>

Amazon Aurora 與其他 AWS 服務整合，因此您可以擴展 Aurora PostgreSQL 資料庫叢集，以在 AWS 雲端中使用其他功能。您的 Aurora PostgreSQL 資料庫叢集可以使用 AWS 服務來執行下列動作：
+ 使用 Amazon RDS Performance Insights 快速收集、檢視和評估 Aurora PostgreSQL 資料庫執行個體的效能。績效詳情會延伸現有 Amazon RDS 監控功能的基礎，藉此說明資料庫效能，並幫助您分析可能影響效能的任何問題。利用績效詳情儀表板，您可以將資料庫負載視覺化，並依等候、SQL 陳述式、主機或使用者篩選負載。如需 Performance Insights 的詳細資訊，請參閱[在 Amazon Aurora 上使用績效詳情監控資料庫負載](USER_PerfInsights.md)。
+ 設定 Aurora PostgreSQL 資料庫叢集，以將日誌資料發佈至 Amazon CloudWatch Logs。CloudWatch Logs 提供了高耐用性儲存空間，可供您存放日誌資料。使用 CloudWatch Logs，您可以執行日誌資料的即時分析，並使用 CloudWatch 來建立警示和檢視指標。如需詳細資訊，請參閱[將 Aurora PostgreSQL 日誌發佈至 Amazon CloudWatch Logs](AuroraPostgreSQL.CloudWatch.md)。
+ 將資料從 Amazon S3 儲存貯體匯入 Aurora PostgreSQL 資料庫叢集，或將資料從 Aurora PostgreSQL 資料庫叢集匯出至 Amazon S3 儲存貯體。如需詳細資訊，請參閱[將資料從 Amazon S3 匯入 Aurora PostgreSQL 資料庫叢集 ](USER_PostgreSQL.S3Import.md)和[將資料從 Aurora PostgreSQL 資料庫叢集匯出至 Amazon S3](postgresql-s3-export.md)。
+ 使用 SQL 語言，將以機器學習為基礎的預測新增至資料庫應用程式。Aurora Machine Learning 使用 Aurora 資料庫與 AWS 機器學習 (ML) 服務 SageMaker AI 和 Amazon Comprehend 之間的高度最佳化整合。如需詳細資訊，請參閱[將 Amazon Aurora Machine Learning 與 Aurora PostgreSQL 搭配使用](postgresql-ml.md)。
+ 從 Aurora PostgreSQL 資料庫叢集叫用 AWS Lambda 函數。若要執行此操作，請使用 Aurora PostgreSQL 提供的 `aws_lambda` PostgreSQL 擴充功能。如需詳細資訊，請參閱[從 Aurora PostgreSQL 資料庫叢集 叫用 AWS Lambda 函數](PostgreSQL-Lambda.md)。
+ 整合來自 Amazon Redshift 和 Aurora PostgreSQL 的查詢。如需詳細資訊，請參閱《*Amazon Redshift 資料庫開發人員指南*》中的[開始對 PostgreSQL 使用聯合查詢](https://docs.aws.amazon.com/redshift/latest/dg/getting-started-federated.html)。