亚马逊AWS官方博客

新增功能 – AWS Step Functions 的计算、数据库、消息传递、分析和机器学习集成

AWS Step Functions 是面向应用程序开发人员的完全托管式工作流服务。您可以从总体上进行思考和工作,以可靠和可重复的方式连接和协调活动,同时保持业务逻辑与工作流逻辑分离。在设计和测试工作流(我们称之为状态机)之后,您可以大规模进行部署,使数万甚至数十万个工作流同时独立运行。Step Functions 跟踪每个工作流的状态,负责重试瞬态故障活动,并简化监控和日志记录。要了解更多信息,请逐步浏览使用 AWS Step Functions 和 AWS Lambda 创建无服务器工作流教程。

AWS LAMBDA

新增功能 – AWS Toolkits for PyCharm、IntelliJ(预览版)和 Visual Studio Code(预览版)

软件开发人员都有自己偏爱的工具。有些使用功能强大的编辑器,还有的使用针对特定语言和平台定制的集成开发环境 (IDE)。2014 年,我使用 Lambda 控制台中的编辑器创建了我的第一个 AWS Lambda 函数。现在,您可以从一组丰富的工具中进行选择,以构建和部署无服务器应用程序。例如,去年 AWS Cloud9 发布时,Lambda 控制台中的编辑器得到了极大的改进。 对于 .NET 应用程序,您可以使用 AWS Toolkit for Visual Studio 和 AWS Tools for Visual Studio Team Services。

新增功能 – 机器学习算法和模型包现已在 AWS Marketplace 上线

在 AWS,我们的使命是让机器学习成为每个开发人员的利器。因此我们在 2017 年推出了 Amazon SageMaker。从那以后,它已成为 AWS 历史上增长最快的服务之一,全球已经有数千客户。使用 Amazon SageMaker 的客户可以使用 Amazon SageMaker 中提供的优化算法,可以运行完全托管的 MXNet、TensorFlow、PyTorch 和 Chainer 算法, 也可自带算法和模型。在构建自己的机器学习模型时,许多客户花费大量的时间开发算法和模型,但只能解决已经解决的问题。

Amazon SageMaker Ground Truth — 构建高度准确的数据集并将添加标签的成本最高降低 70%

今天,大部分机器学习任务都使用一种被称为监管学习的方法:通过一种算法从带标签的数据集中学习模式或行为。带标签的数据集包含数据样本以及每个样本的准确答案,也就是“地面实况”。根据所拥有的问题不同,人们可以使用带标签的图像(“这是一只狗”、“这是一只猫”)、带标签的文本(“这是垃圾邮件”、“这不是”)等等。

Amazon DynamoDB On-Demand – 无需规划容量,采用按请求付费的定价模式

就在几年前,创建一个既能以任何规模支持业务需求,同时又可保持稳定低延迟的数据库不过是白日做梦。但 2012 年当我读到 Werner Vogels 宣布推出 Amazon DynamoDB 的博客文章时(比我加入 AWS 早了几个月),情况发生了改变。DynamoDB 依据 Amazon 于 2007 年发表的原始 Dynamo 报告 所述的原则构建。几年之后,随着许多新功能的推出,AWS 客户使用数据库的方式进一步简化。您现在可以创建完全托管的多区域多主数据库表,并获得静态加密、时间点还原、内存中缓存以及 99.99% 正常率服务等级协议 (SLA) 等功能。