Zero
È troppo facile per ottenere stanchi dalla scala di AWS annuale re:Inventare stravaganza: 50,000+ plus partecipanti, jamming più hotel la lunghezza della striscia di las Vegas, da Mandalay Bay, a sud, al Wynn e Encore nord. Per non parlare del flusso di annunci. I miei colleghi hanno già fornito da parete a parete copertura durante la scorsa settimana, dal partner annunci di machine learning, IoT, dati lago “formazione”, di Werner Vogels’ ufficiale l’addio di Oracle.
Presso l’analista evento in anteprima il giorno prima gli annunci iniziato ad andare in live, una delle domande era se il 60+ annunci vengano recapitati prima che il gruppo ha significato un rallentamento da 80 o più annunci consegnati lo scorso anno. AWS risposta? Le relazioni degli analisti il gruppo ha preso un Pennarello per modificare l’elenco verso il basso.
AWS atteso che il titolo sarebbe il machine learning. Hanno interrogato il analisti prima dell’evento. Abbiamo voluto macchina di apprendimento. Ora, tenere quel pensiero.
È difficile ignorare che c’è una corsa agli armamenti oltre AI da cui nessun fornitore di tecnologia è esente. Considerare AI, o machine learning, e la più recente enterprise computing casella di voce. Indipendentemente dal fatto che l’organizzazione è pronta ad adottare AI, probabilmente non si desidera acquistare da un venditore che è dietro la curva.
AI e di apprendimento automatico sono gare per le quali non buone azioni impuniti. Google ha la reputazione di essere l’IA società, ma in virtù della sua posizione dominante di mercato del cloud computing, Amazon Web Services è il luogo dove la maggior parte AI carichi di lavoro di andare in produzione. Mentre Google ha creato TensorFlow, senza dubbio il più popolare di machine learning e di profonda contesto di apprendimento, AWS lanciato statistiche che mostrano che l ‘ 85% di tutti i TensorFlow carichi di lavoro in esecuzione su AWS.
Mentre continuerà ad essere dibattiti su se AWS contribuisce a consuma o dalla comunità (è open source un nuovo compilatore per un profondo apprendimento posti di lavoro), un messaggio di fondo è tutto di produzione. Sì, ci sono stati alcuni annunci, finalizzato alla costruzione della comunità. L’apertura di una nuova sezione del Marketplace AWS specificamente per l’apprendimento automatico di modelli di fornire un percorso chiaro per gli sviluppatori e creatori di monetizzare i propri ML algoritmi.
Ma la direzione di AWS s ML annunci centrata sulla riduzione dei costi e il mal di testa associati con i dati litigi e rendere il processo più facile e più semplice. Ovulo ricerca mostra che i dati dispute facilmente maiali la mole di dati da scienziato. Se è possibile automatizzare abbastanza procedura e ottenere un supporto decente da dati tecnici, forse si può ottenere che il peso ridotto di circa la metà dei dati scienziato.
Ad una estremità dello spettro, l’ordine del giorno era di circa la corsa agli armamenti per scricchiolano ML carichi di lavoro – un nuovo Amazon EC2 P3dn istanza promesse di 4 volte la larghezza di banda della rete e il doppio della memoria esistente, P3, il targeting più grandi, i modelli più complessi. All’altra estremità dello spettro, Amazon Elastic Inferenza è stato annunciato per aiutare i clienti a utilizzare calcolare infrastrutture in modo più efficiente, attraverso la scala su e giù per carichi per ridurre al minimo il consumo di prezioso GPU risorsa. Inoltre, AWS è l’introduzione di un chip – AWS Inferentia – aggiunta di un’alternativa economica per le Gpu.
Concentrarsi sul processo, AWS è l’aggiunta di un nuovo servizio di Amazon SageMaker targeting il calvario di etichettatura di dati di training. Amazon SageMaker Verità a Terra fornisce tre opzioni: approfittando di Mechanical Turk di mobilitare la forza lavoro sulla domanda di etichette, oltre a un privato organico opzione, e un sistema automatizzato di etichettatura opzione.
OK, questo è solo un esempio di intelligenza artificiale e la ML annunci che AWS fatto la scorsa settimana. Ma torniamo al nostro punto di base: mentre AI dominato sotto i riflettori, AWS annuncio di un privato anteprima di un nuovo ibrido di offerta di cloud dimostrato il dormiente. AWS Avamposti pacchetti di un rack di AWS calcolo e storage per l’installazione presso il cliente un data center in cui possono eseguire molti degli stessi servizi che vengono offerti da AWS. Il primo annuncio non specifica quali servizi vorresti eseguire inizialmente e quello di calcolo e archiviazione istanze sarebbe supportato su Avamposti. Esso offrirà due opzioni: una per il confezionamento dei carichi di lavoro con il familiare VMware piano di controllo già in uso nei locali, o il nativo EC2 ambiente che si sta utilizzando nel cloud AWS. Che rende Avamposti più significativi (e logico) estensione di AWS-VMware rapporto da quando è stato annunciato un paio di anni fa.
Dato che ci sono cinque categorie, 16 istanza di famiglie, e il 44 tipi di istanze AWS infrastrutture, saremmo totalmente scioccato se AWS offerti ogni permutazione di istanza EC2 su Avamposti.
Quello che è importante è che gli Avamposti non è un offerta di cloud privato, ma, invece, di un cloud ibrido. Si tratta di un’estensione del VPC che il cliente è già in esecuzione nella più vicina AWS regione. L’idea è di poter scegliere quale AWS carichi di lavoro esecuzione all’interno del firewall.
Nella nostra mente, abbiamo questo totalmente ridicolo immagine di una AWS Motoslitta 18-wheeler fare andata e ritorno — kart fuori un centinaio di petabyte di dati da parte di alcuni clienti per la più vicina Disponibilità di Orario (AZ), e poi prendere un pezzo di AZ e la consegna ad alcuni altri clienti. OK, stiamo solo facendo quello.
Avamposti non è la prima mossa per AWS al di fuori dei confini della sua AZs: Amazon Greengrass remoto, IoT casi d’uso, e Amazon Valanga di Bordo per la pre-elaborazione dei dati sono state le prime incursioni. E al re:Inventare, AWS aggiunto a questa famiglia con più di calcolo pesante Amazon palla di neve progettato specificamente per portare ML a bordo.
AWS mossa ibrido non nasce nel vuoto. Mentre le imprese si stanno muovendo di più carichi di lavoro per il cloud, ci sono una serie di motivi legali e pratici perché almeno alcuni carichi di lavoro e i dati rimarranno sempre in locale. Come puro fornitore di servizi cloud, questo è l’unico posto dove AWS è stato in una posizione di svantaggio. Microsoft offre già una limitata replica di servizi Azure con Azure Stack, e nel database regno, offre diverse opzioni per i clienti di SQL Server per avere i loro carichi di lavoro o gestito la transizione verso il cloud. Nel frattempo, Oracle offre una completamente managed cloud Cloud presso il Cliente; IBM offre IBM Cloud Privato (ICP), il software che implementa Cloud di IBM servizi hardware scelta dal cliente.
Re:Inventare, a stento breve su database e archiviazione di annunci. AWS, la piattaforma di cloud provider con costruito appositamente database, ha aggiunto un paio di più. Amazon Temporale è una nuova serie di database che, come suggerisce il nome, è ottimizzato per le serie di dati. Mentre i dati di serie temporali è qualcosa di nuovo, IoT, ha spinto l’urgenza di una più efficiente di archiviazione e recupero di dati di serie storiche per la parte anteriore del bruciatore. InfluxData e la Tempistica sono tra una serie di nuovo tempo di serie database di fornitori di cui introduzioni hanno invaso la nostra posta in arrivo nel corso dell’anno passato. Tra i servizi cloud AWS ha sparato il colpo d’avvertimento.
Sotto il titolo di buzzword di conformità, AWS ha introdotto Amazon Quantum Database di Contabilità (QLDB), che al contrario del suo marchio, è un blockchain, non un quantum computing database. Ma almeno ha attirato la vostra attenzione. Si rivolge a una forma di caso d’uso: la necessità di un sistema centralizzato e immutabile di contabilità dove c’è una centrale autorità di certificazione. Per i casi d’uso che richiedono de-centralizzata fiducia e bisogno di blockchain, AWS è l’introduzione di Amazon Gestito Blockchain Servizio, che, tecnicamente, non è un database.
AWS ha anche introdotto una serie di estensioni esistenti piattaforme di database: Amazon Aurora MySQL aggiunge un Database Globale di funzionalità che consente aggiornamenti in un’unica regione ad essere replicato in altre regioni rapidamente. Si estende Aurora in regione registro basato replica di cross-regione replica. A sua volta, Amazon DynamoDB ha aggiunto un nuovo ACIDO operazione di supporto che, in sostanza, i lotti relativi aggiornamenti con una singola interazione; la consistenza sarà forte all’interno di una regione ed eventualmente in al di fuori delle regioni. E c’è una nuova funzione On-Demand, mirato all’applicazione imprevedibili o saltuario utilizzo in cui i clienti pagano per ogni richiesta.
Ma tornando a quel fantomatico tema di machine learning, uno dei vantaggi del cloud è che dovrebbe semplificare il calcolo. Ma come una dimensione non va bene per tutti, AWS ha visto crescere il suo portafoglio di istanze EC2 e servizi gestiti nel corso degli anni al punto in cui la scelta del giusto mix può essere scoraggiante. Un utile muoversi verso quella direzione è un nuovo sistema intelligente di gestione a livelli di servizio per S3 di archiviazione che utilizza la macchina di apprendimento per determinare se i dati possono essere spostati in un ambiente più fresco, più economico di livello. Ma siamo in attesa del giorno in cui AWS, infine, svela una macchina di apprendimento strumento che analizza il carico di lavoro e i dati di consigliarvi la migliore combinazione di istanze EC2.
Ecco dove faremo una breve dirigere la vostra attenzione per l’avvio di un altro, che abbiamo scoperto sulla re:Inventare pavimento expo: Accelerite sta per introdurre un nuovo strumento di analisi che analizza i dati e raccomanda, per esempio, se Amazon Athena, Redshift, o EMR sarebbe la scelta più economica. Stay tuned. Noi piatto lo sporco dopo il rilascio del loro prodotto, il mese prossimo.
Argomenti Correlati:
Big Data Analytics
La Trasformazione Digitale
Centri Dati
CXO
L’innovazione
Archiviazione
0