RightScale utilise Amazon SWF dans le cadre de ses offres d'automatisation d'infrastructures. Selon Thorsten von Eicken, directeur technique chez RightScale, « L'utilisation d'Amazon SWF nous permet de réduire le temps de mise sur le marché de nos fonctions d'automatisation de niveau supérieur. Nous pouvons nous concentrer sur notre valeur ajoutée sans avoir à nous inquiéter des défis associés à la mise en œuvre d'un moteur de workflow distribué. Ce qui nous permet finalement de mettre plus rapidement sur le marché de nouvelles fonctions sans avoir à nous soucier de la maintenance de ce moteur. »
Afin d'encadrer la collaboration entre les chercheurs, Sage Bionetworks a créé un environnement en ligne appelé Synapse. Synapse héberge des ensembles de données génomiques cliniques et met à la disposition des chercheurs une plate-forme destinée aux d'analyses collaboratives. Michael Kellen, directeur technique chez Sage Bionetworks affirme : « Amazon SWF nous a permis de décomposer rapidement des pipelines d'analyse de manière ordonnée en séparant la logique de transition d'état des activités réelles à chaque étape du pipeline. Ainsi, les ingénieurs ont pu travailler sur la logique de transition d'état et nos scientifiques sur la mise en oeuvre des activités, et ce de manière simultanée. » En savoir plus.
JPL intègre Amazon SWF à plusieurs missions, y compris Mars Exploration Rover (MER) et Carbon in the Arctic Reservoir Vulnerability Experiment (CARVE). En permettant l'orchestration dans le cloud, Amazon SWF donne la possibilité au JPL d'exploiter les ressources situées à l'intérieur et à l'extérieur de son environnement et de répartir en toute transparence l'exécution des applications dans le cloud public, ce qui permet à ses applications d'évoluer de manière dynamique et de s'exécuter dans un environnement réellement distribué. Les ingénieurs JP utilisent le traitement de données Amazon SWF des images de Mars dans le cadre d'opérations tactiques. Ils ont ainsi pu acquérir une maîtrise et une visibilité sans précédent de l'exécution distribuée de leurs pipelines. Pour en savoir plus, consultez l'étude de cas.