AWS Introduces Amazon S3 Annotations
TL;DR · AI 摘要
AWS推出S3注解功能，允许在S3对象上附加可搜索的上下文，提升数据管理灵活性。
核心要点
- S3注解支持1000个可变注解/对象，总容量达1GB，远超原有2KB元数据限制
- 注解可通过Iceberg表实现跨对象查询，兼容Athena/Redshift等工具
- 社区反馈注解的可修改特性将解锁新工作流，避免全量对象重写
结构提纲
按章节快速跳转。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- Amazon S3 Annotations
- 核心特性
- 1000注解/对象，1GB容量
- JSON/XML/YAML格式支持
- 技术优势
- 可修改元数据
- Iceberg表集成查询
- 应用场景
- 媒体资产管理
- 金融合规数据
金句 / Highlights
值得收藏与分享的关键句。
Annotations address these needs by providing metadata capabilities at a fundamentally different scale and flexibility
The really important part here is that annotations can be modified
every annotation flows automatically into a fully managed Iceberg table
AWS 推出 Amazon S3 注解功能 - InfoQ
InfoQ 首页 News AWS 推出 Amazon S3 注解功能
云
在线 InfoQ AI 安全与隐私工程认证（8月26日）：在受监管环境中部署 AI 的挑战？
AWS 推出 Amazon S3 注解功能
2026年7月5日 2分钟阅读
作者：
- Renato Losio
#### 关注我们
YouTube
232K 粉丝
26K 粉丝
新
RSS
19K 读者
X
57.1k 粉丝
21K 点赞
Bluesky
收听本文 -
0:00
音频准备就绪
您的浏览器不支持音频元素。
正常
1.25x
1.5x
点赞
新下拉阅读列表
- 阅读列表
AWS 最近宣布推出 Amazon S3 注解功能，该功能允许团队将摘要、分类、合规数据或 AI 生成的洞察等丰富且可搜索的上下文直接附加到 S3 对象上。注解可以独立于对象进行更新，并跨数据集进行查询，减少了对独立元数据系统的依赖。
以 JSON、XML 或 YAML 格式编写，注解为 AI 代理和分析工具提供了在 S3 中查找和使用对象所需的上下文。虽然对象存储已经在对象级别支持标签以及系统和用户定义的元数据，但 AWS 高级解决方案架构师 Daniel Abib 解释称：
尽管这些功能在其预期用途上表现良好，但当需要在不构建和维护独立元数据系统的情况下附加更丰富的上下文时，它们存在局限性。注解通过提供根本不同规模和灵活性的元数据功能来解决这些需求，相比 10 个不可变标签或 2 KB 的标头，每个对象可提供可修改、可查询的上下文。
S3 注解通过允许每个对象最多 1000 个可修改注解（总容量达 1 GB），显著扩展了 S3 的元数据模型，相比用户定义的元数据 2 KB 和每个对象仅 10 个标签。这种扩展的灵活性使 S3 注解适合存储丰富的结构化业务上下文，而非简单的属性或生命周期元数据。在 AWS 技术副总裁 Mai-Lan Tomsen Bukovec 的文章《大规模数据和 AI 代理的情境智能》中补充道：
注解可通过 S3 元数据进行查询。当在存储桶上启用注解表时，所有注解会自动流入一个完全托管的 Iceberg 表。您可以使用 Amazon Athena、Amazon Redshift 或任何 Iceberg 兼容引擎跨所有对象进行查询，代理可通过 S3 表 MCP 服务器以自然语言发现注解。
在 S3 上编辑对象元数据是社区长期期待的功能。Reddit 上的反馈 overwhelmingly 积极，用户 ReturnOfNogginboink 写道：
这里真正重要的部分是注解可以被修改。与对象元数据不同，后者需要您从 S3 读取整个对象，并以新元数据重新写入 S3。这才是关键所在。这将解锁各种新的工作流程可能性。
注解的预期使用场景包括在媒体、金融服务和生命科学领域，直接将操作、分析和合规上下文附加到数据资产上，使元数据更易于管理、发现和查询，无需独立系统。The Duckbill Group 首席云经济学家 Corey Quinn 在其通讯中写道：
S3 现在在对象存储中获得了对象存储功能，现在你还可以为每个对象附加多达 1GB 的“上下文”信息，因为现有的四种元数据机制已经够令人困惑了。如今的每项公告都在你身后低语着“智能体工作流”（agentic workflows），这在西雅图的意思是“你的 AI 会生成数据，然后付费让 Athena 读取这些数据”。垂直整合确实很强大，但现在账单将由你自己承担。
S3 注解（Annotations）的存储和计费均按照 S3 标准速率进行，与底层对象的存储层级无关。当对象被复制时，注解也会被复制，每个注解副本都会被计为独立的 PUT 请求并进行计费。S3 注解功能现已在全球所有区域正式上线。
main wrapper for authors section
关于作者
section title
main wrapper for each author
#### Renato Losio
显示更多
显示更少
#### 本内容属于云技术主题
##### 相关主题：
- 架构与设计
- 人工智能、机器学习与数据工程
- 云计算
- S3
- 云技术
- Apache Iceberg
- 元数据
- AWS
- 智能体
- 数据管理
- 相关编辑内容
- 相关赞助商
- 相关赞助商 2026 年 7 月 16 日，东部时间下午 1 点 工程智能体时代：如何设计、构建、测试和运营 AI 驱动的系统 主办方：Juveria Kanodia - Harness 工程高级总监
InfoQ 新闻通讯
每周五汇总 InfoQ 最新内容，每周二发送。加入超过 25 万名高级开发者的社区。查看示例
我们保护您的隐私。 /think