亚马逊AWS官方博客

Category: 最新发布

使用AWS 媒体服务构建全球直播解决方案

作为全球云服务的领导者,AWS始终在创新的路上飞驰,仅2017年一年AWS就发布了1300多项新的服务、功能或者特性,这其中就包括在2017年reInvent上发布的5个全新的媒体服务,MediaConvert, MediaLive, MeidaPackage, MediaStore和MediaTailor,这些完全托管的服务,使得用户可以在云中轻松构建具有广播品质的可靠视频工作流。用户在构建互联网视频,OTT视频业务的时候直接在AWS控制台上即可启动直播,转码,存储,广告插入等广播级的业务流程,可以按照使用量即用即付,随时启停,而无需前期投入购买昂贵的设备资产,无需进行基础架构运维的成本投入,。AWS平台具有全球部署能力,可以分分钟将业务扩展到全球各个区域。

Read More

Gluon 简介:AWS 和 Microsoft 合作推出的新机器学习库

作者:Matt Wood 博士 今天,AWS 和 Microsoft 联合发布了 Gluon – 一种新的开源深度学习接口,可帮助开发人员更轻松、更快速地构建机器学习模型,而不牺牲任何性能。Gluon 采用一系列预先构建并经过优化的神经网络组件,为定义机器学习模型提供清晰、简洁的 API。刚刚接触机器学习的开发人员会发现此接口更像传统代码,因为他们可以像使用任何其他数据结构那样定义和操作机器学习模型。经验丰富的数据科学家和科研人员也会发现它的宝贵价值:快速构建原型和利用动态神经网络图实现全新模型架构,而又不减缓训练进度。Gluon 现已在 Apache MXNet 中可用,日后将“进驻”Microsoft Cognitive Toolkit 及其他架构。 神经网络与开发人员 使用神经网络的机器学习 (包括“深度学习”) 包含三个主要部分:训练数据、神经网络模型和训练神经网络的算法。您可以将神经网络看成是一种有向图:它有一系列输入 (数据),通过一系列连接的层和权重连接到一系列输出 (预测)。在训练期间,算法根据网络输出中的错误调整网络中的权重。这就是网络学习的过程 – 一种可能需要持续数天时间的内存和计算密集型过程。Caffe2、Cognitive Toolkit、TensorFlow 以及 Apache MXNet 等深度学习框架能够部分解决“如何加快这一过程?”的难题。与数据库中的查询优化器一样,训练引擎越了解网络和算法,越能更好地优化训练过程 (例如,它可以根据其他部分的改变,推断需要重新计算图中的哪些部分并跳过不受影响的权重,从而加快训练进度)。此外,这些框架还提供并行功能,可通过分发计算过程来减少总体训练时间。但是,要实现上述优化,大多数框架要求开发人员完成一些额外工作:首先,提供网络图形式定义,然后“定图”并调整权重。网络定义可能极其庞大而复杂 (包含数百万个连接),通常必须手动构建。深度学习网络十分“笨重”,难以调试,因而很难在项目间复用代码。 这种复杂性可能会令初学者“无从下手”,对经验丰富的科研人员来说也是一项耗时的任务。AWS 在 MXNet 中尝试了一些更灵活易用的新方法定义和训练神经网络。Microsoft 也是开源项目 MXNet 的开发者,对部分新想法感兴趣。于是我们进行了沟通,结果发现双方抱持几乎相同的愿景:借助此类技术降低机器学习的复杂性,让更多的开发人员能够轻松发挥其强大威力。 Gluon 特点:动态图,快速迭代,可扩展训练 Gluon 包含四大创新。 友好的 API:可以使用简单、清晰、简洁的代码定义 Gluon 网络 – 相比某些更晦涩、更形式化的网络及相关加权评分函数定义方法,这更易于开发人员学习,理解难度大幅降低。 动态网络:Gluon 中的网络定义是动态的:它可以像任何其他数据结构一样“收缩和扩展”。这有别于更常见的形式化网络符号定义 (既深度学习框架要求必须保持网络定义不变,才能在训练期间有效地优化计算)。相比之下,动态网络更容易管理。借助 Gluon,开发人员可以在定义网络和算法时轻松混用快速的符号表示和更友好、动态的“命令式”定义。 […]

Read More

Amazon Linux AMI 2017.09 现已推出

我很高兴地宣布,Amazon Linux AMI 的最新版本 (2017.09) 现可供所有 AWS 区域中当前一代的所有 EC2 实例使用。此 AMI 包含受支持和维护的 Linux 映像,该映象旨在为 EC2 上运行的应用程序提供稳定、安全和高性能的环境。 易于升级 只需运行以下两条命令然后重启,就可将现有实例升级: $ sudo yum clean all $ sudo yum update 好处多多 此 AMI 包含许多新功能,其中有很多都是应客户要求而添加的。总结如下: Kernel 4.9.51 – 此内核以 4.9 稳定内核系列为基础,包括 ENA 1.3.0 驱动程序,还支持 TCP 瓶颈带宽和 RTT (BBR)。请阅读我的文章 Elastic Network Adapter – Amazon EC2 高性能网络接口,了解有关 ENA 的更多内容。要了解如何启用 BBR,请阅读发行说明。 Amazon […]

Read More

Microsoft SQL Server 2017 在 Amazon EC2 上的实践

Microsoft SQL Server 2017 (几天前刚刚发布) 包含许多强大的新功能,包括支持图形数据库和数据库自动优化,还能创建无集群 Always On 可用性组。它还能在 Linux 和 Docker 容器中运行。 在 EC2 上运行 我很高兴地在此宣布,现在,您可以启动运行 Windows Server 2016 以及 SQL Server 2017 的四个版本 (Web、Express、Standard 和 Enterprise) 的 EC2 实例了。今天,AMI (Amazon 系统映像) 已在所有 AWS 区域提供,可以在各种 EC2 实例类型上运行,包括全新的 x1e.32xlarge (具有 128 个 vCPU 和接近 4 TB 的内存)。您可以通过 [控制台] 或 [Marketplace] 启动这些实例。以下是它们在控制台中的样子: 以及在 AWS Marketplace 中的样子: […]

Read More

释放创造力 – AWS Step Functions 让您事事顺利

我经常进行有关 Amazon 创新文化的演讲,通常,开场幻灯片都会引用 Amazon 创始人 Jeff Bezos 一句发人深省的话: 我喜欢和客户坐在一起,听他们讲述我们如何帮助他们释放了创造力,让他们能够追寻梦想。今年早些时候,我与可口可乐公司的 Patrick 聊天,想了解他们如何使用 AWS Step Functions 和其他 AWS 服务支持 Coke.com Vending Pass 计划。此计划包括,在支持使用可口可乐 Vending Pass 进行移动支付的自动贩售机上购买产品可以赢得饮品奖励。参与者可轻扫已启用 NFC 的手机,完成 Apple Pay 或 Android Pay 购买,同时向自动贩售机表明身份,并赢取积分,将来即可在自动贩售机上免费获得饮品 轻扫之后,SNS 主题和 AWS Lambda 函数的组合会对部分现有后端代码启动两次调用,以计算贩售点数并更新参与者的记录。遗憾的是,后端代码响应太慢,还有一些计时依赖性,从而导致漏掉更新,并有可能使 Vending Pass 参与者觉得很困惑。解决这个问题的最初方案非常简单:修改 Lambda 代码,在两次调用之间加入 90 秒延迟。这样确实可以解决问题,但平白消耗了处理时间 (对 Lambda 函数的使用计费取决于请求的持续时间,以 100 毫秒为间隔)。 为了使解决方案更加经济高效,团队转而使用 AWS Step Functions,并构建了非常简单的状态机。我在之前的一篇博文中介绍过,Step Functions 能够使用易于构建的可视化工作流,大规模协调分布式应用程序的组件和微服务。 […]

Read More

Amazon Linux AMI 2017.09 现已推出

我很高兴地宣布,Amazon Linux AMI 的最新版本 (2017.09) 现可供所有 AWS 区域中当前一代的所有 EC2 实例使用。此 AMI 包含受支持和维护的 Linux 映像,该映象旨在为 EC2 上运行的应用程序提供稳定、安全和高性能的环境。 易于升级 只需运行以下两条命令然后重启,就可将现有实例升级: $ sudo yum clean all $ sudo yum update 好处多多 此 AMI 包含许多新功能,其中有很多都是应客户要求而添加的。总结如下: Kernel 4.9.51 – 此内核以 4.9 稳定内核系列为基础,包括 ENA 1.3.0 驱动程序,还支持 TCP 瓶颈带宽和 RTT (BBR)。请阅读我的文章 Elastic Network Adapter – Amazon EC2 高性能网络接口,了解有关 ENA 的更多内容。要了解如何启用 BBR,请阅读发行说明。 Amazon […]

Read More

新增 – 停止和恢复 EC2 竞价型实例上的工作负载

EC2 竞价型实例可让您以高达按需费率 90% 的折扣访问备用 EC2 计算容量。从能够请求特定数量的特定大小实例开始,我们通过支持竞价型队列和 Auto Scaling 竞价型队列,让竞价型实例变得更加有用和灵活,从而允许您保持任何所需级别的计算容量。 EC2 用户很早就能够在保持 EBS 卷的挂载状态的情况下停止正在运行的实例,这让应用程序能够在实例再次开始运行时自动从它们中断的地方重新开始。 停止和恢复竞价型实例 今天,我们正在整合这两个重要功能,允许您设置竞价出价和竞价队列,以便在没有等于或低于您的出价的容量可用时,通过停止 (而不是终止) 实例进行响应。挂载到已停止实例的 EBS 卷保持不变,EBS 支持的根卷也保持不变。当有容量可用时,实例将会启动,并且可以继续进行,而无需花时间配置应用程序、设置 EBS 卷、下载数据、加入网络域等。 许多 AWS 客户已经增强了他们的应用程序来创建和利用检查点,这增加了一些弹性,并获得了在此过程中利用 EC2 的启动/停止功能的能力。这些客户现在可以在竞价型实例上运行这些应用程序,平均节约 70-90% 的成本。 当实例停止时,您可以修改 EBS 优化、用户数据、Ramdisk ID 和终止时删除属性。已停止的竞价型实例不会产生任何计算时间费用;挂载的 EBS 卷的空间按通常费率收费。 以下是创建竞价出价或竞价型队列并指定使用停止/开始的方法: 需知信息 此功能现已推出,您可以立即在提供竞价型实例的所有 AWS 区域中开始使用此功能。它旨在与 EC2 实例和 EBS 卷新的按秒计费功能结合使用,并具有远远超过竞价型实例提供的成本节约的潜力。 EBS 卷始终存在于特定可用区 (AZ) 内。因此,指定特定可用区的竞价请求和竞价型队列请求将始终在该可用区中重新启动。 与有可能跨越各种实例类型的竞价型队列一起使用此功能时,应小心谨慎。由于队列的构成可能会随时间而变化,因此您需要注意账户对 IP 地址和 EBS 卷的限制。 我期待听到关于这个功能,您想到了新的和富有创意的用途。如果您原本认为您的应用程序不适合使用竞价型实例,或者处理中断所需的开销太高,则是时候再看一眼了! […]

Read More

新功能 – EC2 实例和 EBS 卷的每秒计费功能

在过去,如果您需要使用计算能力,则需要购买或租用服务器。当我们在 2006 年推出 EC2 时,使用一个实例一个小时只需支付一小时的费用是头条新闻。即付即用模式激励我们的客户思考开发、测试和运行所有类型的应用程序的新方法。 如今,AWS Lambda 等服务证明我们可以在短时间内完成大量有用的工作。我们的许多客户都在设计适用于 EC2 的应用程序,以便能够在更短的时间内 (有时仅为几分钟) 充分利用大量实例。 EC2 和 EBS 的每秒计费 于 10 月 2 日开始生效,以按需、预留和竞价形式发布的 Linux 实例的使用将按 1 秒的增量计费。同样,EBS 卷的预置存储也将按 1 秒的增量计费。 每秒计费功能也适用于 Amazon EMR 和 AWS Batch: Amazon EMR – 我们的客户增加了其 EMR 群集的容量以更快地获得结果。借助适用于群集中的 EC2 实例的每秒计费功能,添加节点要比以往任何时候都更经济高效。 AWS Batch – 我们的客户运行的许多批处理作业在 1 小时内即可完成。AWS Batch 已启动和终止竞价型实例;利用每秒计费功能,批处理将变得更划算。 Elastic GPUs – Elastic GPUs […]

Read More

新增 – 适用于 Windows 的 Amazon EC2 Elastic GPU

作者:Randall | 原文链接 今天,我们高兴地宣布,适用于 Windows 的 Amazon EC2 Elastic GPU 正式推出。Elastic GPU 是一种 GPU 资源,可以挂载到 Amazon Elastic Compute Cloud (EC2) 实例来提升应用程序的图形性能。Elastic GPU 提供 medium (1GB)、large (2GB)、xlarge (4GB) 和 2xlarge (8GB) 几种大小,可以作为 G3 或 G2 等 GPU 实例类型 (用于 OpenGL 3.3 应用程序) 的成本更低的替代方案。您可以将 Elastic GPU 用于多种实例类型,灵活地为应用程序选择适当的计算、内存和存储资源,使之达到平衡。您现在就可以在 us-east-1 和 us-east-2 区域预配置 Elastic GPU。 对于 eg1.medium,Elastic GPU 的起始价仅为每小时 […]

Read More