亚马逊AWS官方博客

2015 年我们推出了 AWS 架构完善的框架，我也问过您是否做到了架构完善？ 此框架包含五大支柱，囊括了在云中架构系统的一组核心策略和最佳实践

最近人工智能和深度学习的发展迅速，其中一个原因是图形处理单元 (GPU) 神奇的计算能力。大约十年前，研究人员学会了如何利用大规模硬件并行架构来进行机器学习和高性能计算：爱好探索的人将对 2009 年斯坦福大学发表的半年度报告 (PDF) 趋之若鹜。

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。

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。

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。

请仔细查看 AWS re:Invent 活动目录，确认您要参加的会议的日期、时间、地点！

如您所知，您可以轻松构建高度可扩展的 AWS 应用程序，从而根据需要启动新的 EC2 实例。虽然实例可以在几秒钟内启动并运行，但启动操作系统和应用程序可能需要相当长的时间。此外，缓存和其他以内存为中心的应用程序组件进行预加载或预热也可能需要一些时间（有时需要几十分钟）。如果您需要非常快速地增加容量，以上两个因素都会导致延迟，进而迫使您过度配置。

AWS Cloud Map 会跟踪您的所有应用程序组件，以及这些组件的位置、属性和运行状况。现在，您的应用程序使用 AWS SDK、API 甚至 DNS 即可查询 AWS Cloud Map，以发现其依赖项的位置。这使您的应用程序可以动态扩展并直接连接到上游服务，从而提高应用程序的响应能力。

新推出的 AWS Resource Access Manager (RAM) 可以方便 AWS 账户之间的资源共享。通过它可以在您的 AWS 组织内部共享资源，可以从控制台、CLI或通过一组 API 来使用。我们现已推出对 Route 53 解析器规则的支持（昨天已在 Shaun 的优秀博文中宣布）并且将很快支持更多资源类型。

如我们在欢迎参加 AWS re:Invent 2018 一文中所承诺，Andy Jassy 主题演讲中的发布、预览和预告活动概括详见本博文