亚马逊AWS官方博客
Category: Open Source
云端的开源数据科学应用框架 -Metaflow
Build data scitence platform with Metflow
将 Apache Airflow 部署到云端
Airflow on AWS
AWS Solutions Constructs – 适用于 AWS CDK 的架构模式库
云应用程序的构建需要使用多种组件，例如虚拟服务器、容器、无服务器函数、存储桶和数据库等。能够以安全、可重复的方式预置和配置这些资源，对于操作过程的自动化无比重要，能让您专注于实施的独有部分。
如何在 AWS 上构建并行文件系统 BeeGFS – 高可用篇
详细介绍了BeeGFS并行文件系统的Buddy Group使用和故障恢复功能。
构建数据湖的一款开源利器 – AWS Data Wrangler
How build Datalake with AWS Data Wrangler
在 Kubernetes 上使用 Spinnaker 构建部署管道
本博文将讨论如何安装 Spinnaker 以及如何为在 Kubernetes 上运行的工作负载构建持续交付管道。
使用 TriggerMesh KLR 在 Amazon EKS 中部署与 AWS Lambda 兼容的函数
自定义 AWS Lambda 运行时已在 re:Invent 2018 大会上推出。Knative 是一个旨在构建、部署和管理无服务器工作负载的开源项目。Sebastien Goasguen 的这篇博文解释道，TriggerMesh 的 Knative Lambda Runtime 是一种自定义运行时环境，可在 Amazon EKS 集群上运行的 Knative 上运行 Lambda 函数。
深度解析 Amazon Retail System 用户倾向预测模型以及使用 DJL 在 Apache Spark 进行深度学习推理任务
在亚马逊，我们使用Apache MXNet构造了一个多标签分类模型用于在数千类别里预测用户倾向。通过预测的结果，我们可以创造一种个性化的内容，帮助用户去选择最好的商品。这个文章将通过准备数据，模型构造和模型部署三个步骤来介绍在构造模型中我们遇到的各种挑战以及使用Deep Java Library (DJL) 在Apache Spark上进行大规模的深度学习推理任务。因为使用的工具完全开源，你也可以尝试去构建类似的应用。
使用 Spring Boot 和 DJL(Deep Java Library) 轻松搭建企业级机器学习微服务
用户无需对已有的资源和人员重新调配，轻松部署机器学习应用在现有的服务中。
Heapothesys问世 — 具有可预测分配速率的开源 Java GC 延迟基准
Amazon Corretto 团队推出了开源 Heapothesys 基准。这是一项综合工作负载，它模拟了影响垃圾收集器 (GC) 延迟的基本应用程序特征。这一基准能创建并测试按照对象分配速率、堆占用和 JVM 旗标定义的 GC 负载情景，然后报告由此产生的 JVM 暂停。OpenJDK 开发人员由此可以创建引用点，研究其正在实现的各项技术的性能边界。