跳至主要内容

AWS Batch

AWS Batch

适用于机器学习模型训练、模拟和任何规模分析的批处理

完全托管的批处理

AWS Batch 是一项完全托管式批量计算服务,可以在 Amazon ECS、Amazon EKS、AWS Fargate 以及竞价型实例或按需型实例等各种 AWS 计算产品中,规划、安排和运行您的容器化批处理机器学习、模拟和分析工作负载。

AWS Batch 的优势

运行数以十万计的批处理机器学习(ML)、模拟和分析计算作业,无需安装软件或服务器。

本地集成 AWS,以实施扩展、联网和管理功能。

根据卷和资源要求优化计算任务分发,以此降低成本。

通过支持大规模处理和模拟的完全托管式基础设施,自动扩展计算资源。

AWS Batch 如何适用于您的行业

AWS Batch 让开发人员、科学家和工程师能够跨行业高效运行数十万个批处理计算作业,同时优化计算资源,因此您可以专注于分析结果和解决问题。

AV/ADAS 功能开发

汽车公司在开发和测试自动驾驶汽车(AV)以及高级驾驶员辅助系统(ADAS)时依赖模拟。工程师使用容器,将模拟中的每项要素(车辆传感器、交通和 3D 环境)建模成更小的模块化组件。由于能够使用 AWS Batch 运行多容器作业,您可以享受到 AWS Batch 的高级扩展、调度和成本优化功能,而无需将您的系统重构为一个复杂的整体式容器。相反,您可以使用多个更小的模块化容器,每个容器代表不同的系统组件。此功能通过减少作业准备步骤来加快开发速度,消除了构建额外内部工具的需求,并简化了软件开发(Dev)、IT 运营(Ops)和调试。

Missing alt text value

高性能计算、交易后分析和欺诈监控

从金融技术初创企业到成熟的大企业,金融服务组织都在利用 AWS Batch 进行自动化,以优化运营、尽可能减少错误,以及提升速度、准确性和成本效益。对于像定价、市场分析和风险管理这样的高性能计算工作负载,AWS Batch 可以自动化资源配置和作业调度,节省成本并加快决策速度。对于交易后分析,AWS Batch 可以在日终时自动处理来自多个来源的大型数据集,帮助您掌握进入次日交易周期的相关风险。为了更好地检测欺诈,您可以结合使用 AWS 机器学习和 AWS Batch,对所需分析进行自动化,以便检测数据中的异常模式。

Investment stock market  Entrepreneur Business Man discussing and analysis graph stock market trading,stock chart concept

药物筛选和 DNA 测序

生物制药和基因组学公司依赖高性能计算来推动产品上市。AWS Batch 简化了不同应用领域的操作,例如计算化学、临床建模、分子动力学,以及基因组测序测试和分析等。在药物筛选期间,AWS Batch 使研究科学家能够高效地搜索小分子库,从而确定最有可能绑定到药物靶标(通常是蛋白受体或酶)的结构。这一过程有助于药物设计,有潜力促进更有效药物和疗法的开发。对于 DNA 测序,在生物信息学家完成对基因组序列的初步分析并生成原始文件后,他们可以利用 AWS Batch 自动执行二次分析,包括将原始 DNA 读取内容汇编成完整的基因组序列,从而减少错误。

Researchers in a laboratory observe data on a computer screen and use a microscope for scientific analysis. The scene highlights teamwork, technology, and scientific research in a modern lab environment.

渲染、转码和媒体供应链

媒体和娱乐公司依靠高度可扩展的批处理计算来实现高效的数据处理和内容创作。AWS Batch 可以加速内容创作、动态扩展媒体打包能力并自动化异步媒体供应链工作流程。内容创作者和后期制作公司可以利用 AWS Batch 来自动化内容渲染,减少人工干预的需要。对于批处理和基于文件的转码,AWS Batch 能够自动化工作流程、克服资源瓶颈,并减少手动操作流程。AWS Batch 通过协调不同处理阶段的独立作业和依赖性作业的执行来简化复杂的媒体供应链工作流程,同时跨团队为常用的内容准备框架提供支持。

Missing alt text value

使用案例

在测试复杂的系统(如机器人、自动驾驶汽车和高级驾驶员辅助系统(ADAS)中所用的系统)时大规模运行模拟。

自动分析当天的交易成本、完成报告和市场表现。

快速地在小分子库中搜索以掌握更适用于药物设计的数据。

自动处理内容呈现工作负载,并通过执行依赖关系降低人为干预的必要性。

以任何规模高效运行计算密集型 ML 模型训练和推理。

找到今天要查找的内容了吗?

请提供您的意见,以便我们改进网页内容的质量。