亚马逊AWS官方博客

上次我们初步介绍了使用 SageMaker 快速训练和部署 Factorization Machines 模型，接下来我们利用Endpoint进行预测模拟的实际用例。

本博客中的实验采用国内用户对大量国内外电影的评论作为训练数据集，利用AWS SageMaker自带的因子分解机算法构建模型，通过SageMaker的超参调优服务观察参数调整对模型表现的影响。最后，以实际应用中经常会遇到的用法演示模型的预测结果。本次实验全部使用Python3.6完成，在SageMaker中选用conda_python3的Kernel。

本文我们将利用更多的Terraform功能，来实现较复杂场景的部署。

AWS 中国区域很多客户或合作伙伴都在多云平台上进行云端资源部署，Cloudformation 在 AWS 云端支持能满足AWS的部分，但是客户或和合作伙伴需要更多的选择，更简单快捷，上手容易的自动化部署工具。Terraform 是一个很好的选择，它也是AWS APN Technology Partner与AWS DevOps Competency Partner。本文将对简单引入Terraform的概念，并将之与CloudFormation进行区分，还将对安装、配置以及如何利用Terraform进行S3桶的自动化构建、修改、删除进行介绍。

对于希望整合数据库工作负载的客户而言，兼容 MySQL 的 Amazon Aurora 是热门选择。Aurora MySQL 是关系数据库引擎，它兼具高端商业数据库的速度和可靠性与开源数据库的简便性和高成本效益。它的吞吐量还可达到标准 MySQL 社区版本的五倍。这篇博文提供了一些意见，希望能够帮助您针对大型整合数据库工作负载优化 Amazon Aurora。

在本博客中，我们将演示 BigDL，适用于 Apache Spark 的开源分布式深度学习框架，它可以利用 AWS C5 实例中提供的新功能，这些功能可以显着改善大型深度学习工作负载。具体来说，我们将展示 BigDL 如何使用 C5 实例来利用低精度和量化，以便最多将模型大小缩小 4 倍，使推理速度提升近 2 倍。

文章宏观地描述了如何在 AWS 云中实现安全性。这直接呼应了 AWS 架构完善的框架和成千上万的客户成功案例。当您了解责任共担模式和每项服务的价值时，您就可以在 AWS 云中实现更好的安全性和更好地进行构建。

我们很高兴地宣布，AWS 现已加入 GraphQL 基金会，我们迫不及待要帮助该基金会建设一个开放且富有活力的 GraphQL 社区。本文将解释一下为什么GraphQL 基金会对亚马逊公司、AWS 客户都如此重要。

文章将介绍如何将 OPA 部署到 Amazon Elastic Container Service for Kubernetes (EKS) 集群中并实施检查，仅允许存在来自您自己的 Amazon Elastic Container Registry (ECR) 或 EKS ECR 存储库的映像。

我们推出 Open Distro for Elasticsearch 以为开发人员在 Apache 2.0 许可证版 Elasticsearch 上游项目的基础上，自由贡献开源的增值功能。我们计划为开源 Elasticsearch 库的上游贡献补丁，以让所有人都受益。Open Distro for Elasticsearch 欢迎整个行业的开发人员和贡献者投入这些重要的技术，可以放心这些技术将始终保持开源和宽容的许可条款。开源的总体理念是多个用户和公司都可以将它投入运行，然后每个人都可以为它的改进做出贡献。Open Distro for Elasticsearch 践行了我们进行必要的投资以确保开源项目真正开源，让每个人都可以受益于我们的贡献的承诺。