Nul
Det er alt for nemt at få jaded af omfanget af AWS ‘ s årlige re:Opfinde udstyrsstykke: 50,000+ plus deltagere, jamming flere hoteller længden af Vegas strip, fra Mandalay Bay i syd til Wynn og Encore mod nord. For ikke at nævne den strøm af meddelelser. Mine kolleger har allerede givet et væg-til-væg-dækning i den seneste uge, fra partner meddelelser til machine learning, IoT -, data-søen “dannelse”, at Werner Vogels’ officielle farvel til Oracle.
På analytiker preview event på dagen, før de meddelelser, der er begyndt at gå live, et af spørgsmålene var, om de 60+ – meddelelser, der bliver leveret, før gruppen betydet en opbremsning fra 80 eller så meddelelser, der leveres til sidste år. AWS ‘ s svar? Analytiker forbindelser gruppe tog en Sharpie at redigere down listen.
AWS forventes, at den overskrift ville være machine learning. De adspurgte analytikere før arrangementet. Vi ønskede machine learning. Nu holder den tanke.
Det er svært at ignorere, at der er et våbenkapløb over AI som ingen teknologi sælger er fritaget for afgift. Overveje AI, eller machine learning, som er den nyeste enterprise computing afkrydsningsfeltet konto. Uanset om din organisation er klar til at vedtage AI, du sandsynligvis ikke ønsker at købe fra en leverandør, der står bag kurven.
AI og machine learning er løb, som ingen gode gerninger gå ustraffet hen. Google har ry for at være AI selskab, men i kraft af sin dominans af cloud computing-markedet, Amazon Web Services er det sted, hvor de fleste AI arbejdsmængder gå i produktion. Mens Google har skabt TensorFlow, velsagtens den mest populære machine learning og dybe læring ramme AWS rullet ud statistik viser at 85% af alle TensorFlow workloads, der kører på AWS.
Mens der fortsat vil være debatter om, hvorvidt AWS bidrager til eller forbruger fra fællesskabet (det er open sourcing en ny compiler for dyb læring job), dens centrale budskab handler om produktion. Ja, der var nogle meddelelser, der tager sigte på at opbygge fællesskabet. Åbning af en ny afdeling af AWS Markedsplads specielt til machine learning modeller vil give en klarere vej til udviklere og-skabere til at tjene penge på deres ML algoritmer.
Men retningen af AWS ‘ s ML meddelelser, der er centreret om at reducere omkostningerne og hovedpine i forbindelse med data tovtrækkeri og gøre processen lettere og mere gnidningsfrit. Ægcelle ‘s forskning viser, at data tovtrækkeri nemt hogs hovedparten af data scientist’ s tid. Hvis du kan automatisere nok skridt og få ordentlige støtte fra data ingeniører, måske du kan få at byrde reduceret til omkring halvdelen af de data scientist ‘ s tid.
I den ene ende af spektret, og at dagsordenen var om våbenkapløbet for knasende ML arbejdsmængder – en ny Amazon EC2 P3dn eksempel løfter, 4x netværkets båndbredde og to gange hukommelsen af den eksisterende P3 ‘ s, rettet mod større, mere komplekse modeller. I den anden ende af spektret, Amazon Elastic Slutning var annonceret til at hjælpe kunderne med at udnytte beregne infrastruktur mere effektivt, ved hjælp af skalering op og ned belastninger for at minimere forbruget af ædle GPU ressource. Derudover AWS er at indføre en brugerdefineret chip – AWS Inferentia – tilføjelse af et økonomisk alternativ til Gpu ‘ er.
Med fokus på proces, AWS, er at tilføje en ny service til Amazon SageMaker rettet mod de prøvelser af mærkning træning data. Amazon SageMaker Ground Truth giver tre muligheder: at drage fordel af Mechanical Turk til at mobilisere arbejdskraft på efterspørgslen efter etiketter, plus en egen arbejdskraft, og en automatisk mærkning mulighed.
OK, det er bare et udsnit af AI og ML annonceringer, at AWS i sidste uge. Men lad os komme tilbage til vores centrale punkt: mens AI domineret søgelyset, AWS ‘ s annoncering af et privat preview af en ny hybrid cloud tilbyder viste sig den sovende. AWS Forposter pakker en kurv af AWS beregne og storage til installation i kundens eget datacenter, hvor de kan køre mange af de samme tjenester, der tilbydes af AWS. Den oprindelige meddelelse ikke angive, hvilke tjenester der vil i første omgang køre, og hvad beregne og opbevaring tilfælde vil være understøttet på Forposter. Det vil give to muligheder: den ene til emballering af dine arbejdsbyrder ved hjælp af den velkendte VMware kontrol fly, du allerede bruger på stedet, eller den oprindelige EC2 miljø, som du bruger i AWS cloud. Det gør Forposter de mest markante (og logisk) udvidelse af AWS-VMware forhold, da det blev annonceret for et par år siden.
I betragtning af, at der er fem kategorier, 16 eksempel familier, og 44 eksempel typer af AWS infrastruktur, så vi ville være helt chokerede, hvis AWS tilbydes hver enkelt permutation af EC2 eksempel på Forposter.
Hvad der er vigtigt er, at Forposter er ikke en privat cloud-tilbud, men i stedet en hybrid cloud. Det er en udvidelse af VPC, at kunden er, som allerede kører i den nærmeste AWS regionen. Ideen er at blive i stand til at vælge, hvilke AWS arbejdsmængder køre inden for firewall ‘ en.
I vores sind, vi har det helt latterlige billede af en AWS Snescooter 18-wheeler gøre afgange — læssede ud af hundrede petabytes af data fra nogle kunden til nærmeste Ledighed Zone (AZ), og derefter at tage en bid af, at AZ og leverer det tilbage til en anden kunde. OK, vi bare gør, at man op.
Forposter er ikke det første skridt for AWS uden for rammerne af sin Lecturer: Amazon Greengrass til fjernbetjening, IoT use cases, og Amazon Snowball Kant til forbehandling af data, der var den første strejftog. Og i re:Opfinde, AWS tilføjet til denne familie med en mere beregningstunge tunge Amazon Snebold, der er designet specifikt til at bringe ML ud til kanten.
AWS flytte til hybrid kommer ikke i et vakuum. Mens virksomheder bevæger sig mere arbejdsmængder til sky, der er en række juridiske og praktiske grunde til, at i det mindste nogle-arbejdsmængder og-data, der altid vil forblive på stedet. Som ren cloud-udbyder, dette er et sted, hvor AWS har været en konkurrencemæssig ulempe. Microsoft tilbyder allerede en begrænset kopi af Azure-tjenester med Azure Stak, og i databasen rige, byder på flere muligheder for SQL Server kunder til at få deres arbejdsbyrde, der forvaltes eller overført til skyen. I mellemtiden, Oracle tilbyder en helt managed cloud med Cloud hos Kunden; IBM gengæld tilbyder IBM Cloud Private (ICP), – software, der implementerer IBM Cloud-tjenester på hardware af kundens valg.
Re:Opfinde var næppe kort på database og opbevaring meddelelser. AWS cloud platform udbyder med specialbyggede databaser, har tilføjet et par mere. Amazon Timestream er en ny tid-serien database, der, som navnet antyder, er optimeret for tidsserie data. Mens tidsserie data er næppe ny, IoT har skubbet behovet for en mere effektiv lagring og genfinding af tidsserie data til forsiden-brænder. InfluxData og Tidsplan er blandt en række af nye tidsserier database udbydere, hvis introduktioner har invaderet vores indbakke i løbet af de seneste år. Blandt cloud-udbydere, AWS har affyret advarselsskud.
Under overskriften buzzword overholdelse, AWS har indført Amazon Quantum Ledger Database (QLDB), som i modsætning til sin branding, er en blokkæden, ikke en quantum computing database. Men i det mindste fik din opmærksomhed. Det er målrettet mod en form for use case: der er behov for en centraliseret, uforanderlige ledger, hvor der er en central betroet myndighed. Til brug For sager, der kræver de-centraliseret tillid og har brug for blokkæden, AWS er ved at indføre Amazon Lykkedes Blokkæden Service, som teknisk set, er ikke en database.
AWS har også indført en række udvidelser til sin eksisterende database platforme: Amazon Aurora MySQL tilføjer en Global Database funktion, der giver mulighed for opdateringer i en enkelt region til at blive gentaget på tværs af andre regioner hurtigt. Det strækker sig Aurora ‘ s i-region-log baseret replikation på tværs af regionen replikation. Igen, Amazon DynamoDB har tilføjet nye SYRE transaktion støtte, der i det væsentlige partier opdateringer, der er forbundet med en enkelt interaktion, sammenhæng vil være stærk inden for en region, og til sidst i regioner uden for eu. Og der er en ny On-Demand funktion, der målrettet ansøgning med uforudsigelige eller sjældent forbrug, hvor kunderne betaler per anmodning.
Men at gå tilbage til at undvigende tema for machine learning, der er en af fordelene ved skyen er, at der formodes at forenkle design. Men da en størrelse ikke passer til alle, AWS er vokset sin portefølje af EC2 instanser og managed services over årene til det punkt, hvor du vælger den rette blanding kan være skræmmende. En hjælpsom bevæge sig i retning af at retning er en ny intelligent prioriteringsordning service for S3-lagring, der bruger machine learning til at afgøre, om data kan flyttes til et køligere, tier billigere. Men vi afventer den dag, hvor AWS endelig løfter sløret for en machine learning-værktøj, der analyserer din arbejdsbyrde og data til at anbefale den bedste kombination af EC2 instanser.
Det er her, vil vi kort direkte deres opmærksomhed på en anden start, som vi har fundet på re:Opfinde expo-gulvtæppe: Accelerite er ved at indføre et nyt værktøj til analytics, der introspects dine data og anbefaler, for eksempel om Amazon Athena, Rødforskydning, eller EMR ville være din mest økonomiske løsning. Stay tuned. Vi vil uddele snavs efter de frigiver deres produkt i næste måned.
Relaterede Emner:
Big Data Analytics
Digital Transformation
Datacentre
CXO
Innovation
Opbevaring
0