Tag: AWS CodeCommit

随着CodePipeline在中国北京和宁夏区的发布，越来越多的企业开始把原有的流水线迁移到AWS上。对于不同的业务和需求，流水线的复杂度也各不相同。其中不乏一些较为复杂的流水线，其复杂主要体现在两个方面，一个是流水线的阶段(stage)比较多，另一个则是阶段(stage)里面动作(action)的步骤比较复杂，这就直接导致了流水线的整个执行时间比较长。本文着重从两个方面对流水线的执行进行加速，一是使用缓存对CodeBuild的任务进行加速，二是根据Docker的特性对镜像构建进行加速。

通过AWS CodeBuild为引擎的CI/CD流水线，自动化云上数据应用运维关键步骤，减轻数据开发团队与云运维团队在管理云上数据应用时的额外工作压力

本文基于AWS开发者服务包括CodeCommit、CodeDeploy,再结合中国企业客户常用的主流开源CI/CD工具比如Jenkins、 Sonar、Maven等，演示在AWS云上构建自动化CI/CD流水线

在这篇文章中，我们从头开始来演示如何使用 Amazon CodePipeline 来构建一条流水线，在提交代码的时候自动触发编译、构建、推送镜像以及部署到 Kubernetes 集群一系列的工作。

SageMaker Studio 提供了一个基于 Web 的单一可视化界面，您可以在其中执行准备数据以及构建、训练和部署模型所需的所有 ML 开发步骤。将 Amazon SageMaker Studio 代码存储在 AWS CodeCommit 存储库中，您可以将它们作为独立文档保存以备将来重用。 继续阅读以了解在 CodeCommit 上配置基于 git 的存储库以管理使用 SageMaker 开发的 ML 代码的步骤。

本文通过两个具体实践介绍如何使用 AWS CDK 去快速部署一套包含 Flask Web 应用程序的基础架构环境以及与其对应的 CloudFront CDN 分发服务，并通过 CDK Pipeline 来实现 CloudFront CDN 服务的持续发布。其中，在部署 CloudFront 的同时我们还使用 CDK 为 CloudFront 部署了 Lambda@Edge 以及 CloudFront Functions，并通过两段示例代码来展现在 CloudFront 边缘侧用户自定义功能的函数计算能力。