AWS 案例研究:大连爱捷是

ajis-logo1

“我们对AWS最满意的就是服务,包括丰富服务资源的介绍以及专业的技术难题攻坚。我们站在巨人(AWS)的肩膀上,看得更高,才能走得更远。”

——大连爱捷是科技有限公司系统部部长 赵磊

关于大连爱捷是

大连爱捷是科技有限公司(以下简称“大连爱捷是”)是由日本爱捷是集团出资设立的IT企业。爱捷是集团公司主营业务是为国际连锁零售巨头和知名连锁品牌店提供专业的第三方盘点服务,于2004年开始海外扩展,先后进入韩国,马来西亚,泰国等国家地区。大连爱捷是科技有限公司主要从事盘点服务相关机器的研发、制造及软件开发;同时负责全国范围的响应、为系统和内部开发的库存终端和软件提供24小时服务。

面临的挑战

作为一家1978年成立的第三方盘点公司,科技的不断推陈出新也使得爱捷是的信息化建设经历了多次转型。随着业务全球化的快速扩张,2015年,爱捷是集团开始尝试摆脱当时自建机房和IDC托管服务的部署形式。一方面,爱捷是使用的传统IT架构成本过于高昂;另一方面,随着业务的发展和变化,实时处理系统的处理能力已经跟不上业务增长,大量的异地冗余数据备份、分散负荷、数据库、运维、授权许可成本等问题增加了IT开发人员的工作压力。

大连爱捷是科技有限公司一直以来为总公司提供各种架构解决方案、开发系统,供全球爱捷是的业务部门使用。期间,公司自主使用的ERP系统中的AI盘点人员计划分配(即派工系统)在实际落地过程中遇到一些问题。彼时,大连爱捷是已采用了一套固定算法,通过对主要的影响因素函数计算,进行盘点人员自动分配接口。但是现场情况复杂,固定算法不足以涵盖所有情况,导致自动分配算法准确率不高,运行效率低,常常现场人员进行人为手动修改。

为了应对这些挑战,大连爱捷是考察了多款产品的可用性、稳定性、安全性和服务能力,最终选择了AWS,将大部分业务系统部署在AWS云上,并计划在IDC期满后将全部系统迁移至AWS;同时,通过使用Amazon SageMaker对已有的真实历史数据进行训练、构建模型,迭代大连爱捷是的派工系统,实现秒级派工。

为什么选择AWS

  • 稳定高可用,丰富的行业经验分享

    “爱捷是在选择AWS之前尝试过两次转型,整个周期维持在1年半左右,我们首要考虑的是性能、安全等因素;但是实际落地中发现,不是所有云服务商都能满足我们的需求,比如地域限制的使用功能、操作的简洁实用、价格等多方面因素。”为了应对这些挑战,爱捷是考察了多款产品的可用性、稳定性、安全性和服务能力,最终爱捷是日本本部选择与AWS合作:“AWS提供的产品、价格和服务能够满足我们所有的使用需求。AWS是云计算领域的先行者,相关的服务提供了很高的SLA,并在行业内有许多成功案例,很好地帮助我们实现转型。”

  • 托管服务减轻运维压力

    2015年初,集团提出了由传统IT架构向云计算转型的方向,大连爱捷是在日本本社的主导下开始着手准备转型工作。爱捷是的数据量非常庞大,“一个系统一年采集的数据大概在10亿条,文件数量在几十万个。”大数据应用场景非常多,因此需要对数据进行灵活采集,实现高效、稳定的数据传输:“AWS的多区域和多可用区的方案,可以达到同城容灾的效果,两个可用区之间的延迟低于2ms,提高了整个方案的可用性。另外,原生托管服务Amazon Relational Database Service (Amazon RDS)具有跨可用区部署的性能,自动进行数据库的备份和切换;各服务都有提供API与CLI服务,可以调用脚本做自动化,在运维上大量降低人力成本。安全性的梯度设计也符合公司内部的需求,针对不同访问对象设置不同的安全策略,Amazon Simple Storage Service(Amazon S3)存储备份的耐用性更高达99.999999999%,有效保护公司内部的业务数据,保证整个AWS解决方案的可用性。”

  • 借助Amazon SageMaker实现秒级派工

    在与AWS合作期间,大连爱捷是一直尝试解决公司内部派工系统准确性的问题。派工系统的质量决定了相关业务工作效率、成本和用户体验。Amazon SageMaker可以覆盖整个机器学习的工作流程,替代现有工作流程,无需专业数据背景的人员参与数据分析、构建模型、训练、调优和部署等环节,使用人员只需要参与上层应用部分,底层基础设施完全可以交给AWS。Amazon SageMaker可以提供现成的算法并支持自定义算法,爱捷是技术团队在使用中只需在构建模型环节参与一部分代码的编写。

    作为一款机器学习产品,Amazon SageMaker需要企业开发人员配合一定的业务场景判断,才能更精准的提供服务。刚刚接触Amazon SageMaker的时候,大连爱捷是技术团队有些犯难:“此前没有接触过类似产品,我们不知道如何‘下手’。”因此,AWS的技术人员为大连爱捷是开发团队进行了产品讲解与分析,并规划了主要的构建方向。

    “有了方向后,真正动手的时候我们又遇到了问题,比如我们编写的代码不合适或与我们预期效果不一致。整个过程,AWS的销售和技术人员给我们提供了很多的支持和服务,包括代码的改写意见;接下来,程序运行后怎么调优、选什么数据、如何训练等,我们也会让AWS给出专业的判断。”赵部长说。使用Amazon SageMaker后,人工辅助工作也明显地减少了,系统用秒级的速度替代人工去处理问题,节约了时间成本。

    在没有AI大数据专家的背景下,无需运维,快速构建、训练和部署模型,实时对模型进行优化,使得计算结果越来越准确,接口灵活易用,对现有核心系统的影响度小,代码改动少。“使用Amazon SageMaker后给我们带来的便利显而易见。大连爱捷是派工系统构建过程的每一个关键阶段,AWS的工作人员都能够及时帮助我们解决问题,AWS的技术支持服务也是我们最满意的地方。”赵部长表示。

获得的成效

目前,大连爱捷是的核心系统、盘点系统、人事系统、报表系统、考勤系统、监控系统均已迁移至AWS,实现平台、数据、应用高度集成,灵活高效;派工系统使用了Amazon SageMaker之后,完美的解决了业务难题,并且大量节约开发人员的时间和精力。与AWS的合作加速了大连爱捷是向数字化、智能化企业转型的脚步。大连爱捷是使用的AWS服务包括Amazon SageMaker, Amazon EC2, Amazon RDS, Amazon Redshift, Amazon S3,Amazon Cognito, AWS Elastic Beanstalk, AWS Lambda等,图1是大连爱捷是系统架构示意图。

ajis-arch-diag
图1 大连爱捷是基于AWS系统架构示意图

“速度太快了,以前的速度和现在是没有办法比的。” 大连爱捷是开发团队如此形容和AWS合作后的直观感受,这种高效的处理能力体现在方方面面。比如几个简单的场景:以前开发软件需要经历长时间的审批,包括采购项目(硬件、软件授权许可)、成本核算等,周期至少在1个月以上。现在只需要选择AWS提供的产品和服务,1周之内即可完成搭建。AWS提供的云服务功能使得开发人员可以快速生成搭建环境,缩短整个部署周期。在另一场景中,企业需要通过数字报表以支持业务发展和运营决策,现在爱捷是从收集数据到逻辑判断后生成决策数据的周期由几天缩短至几个小时,这都得益于使用了AWS的数据处理服务。 Amazon Redshift可以快速直接地在Amazon S3中查询数据,整合新的数据源;Elastic Beanstalk可以实现负载均衡、灵活自动扩展等部署工作,使得工作人员可以专注于应用程序,享受便捷快速、高可用的底层服务。

依托Amazon SageMaker开发的派工系统同样在速度、效率上表现抢眼:“Amazon SageMaker生成的模型相比原有的计算模型维度更加丰富,大部分可以自动生成,极大地提高了办公效率。原来大型、复杂的派单工作需要后台人员花半个小时做人为干预,现在无需人工干预,Amazon SageMaker直接实现秒级派工”。爱捷是的派工系统每3个月为一个周期进行一次训练,经过2年的数据累积,整个系统也越来越精准、稳定,越来越接近系统生产环境的运行要求。

展望未来

随着全球数字经济发展,大连爱捷是也在向数字化、智能化转型的道路上加速迈进。通过Amazon SageMaker实现智能化派单也是大连爱捷是与AWS合作探索、快速构建AI产品的重要基石,图像识别、电子标签已纳入大连爱捷是未来规划:“和我们同样类型的企业是否可以借鉴这个案例,使得他们通过标准化流程,快速开发切实可用的产品?未来我们在实现商业化的应用落地时可否借鉴此次经验?爱捷是未来还有哪些智能化的探索?”这些都是Amazon SageMaker给大连爱捷是开发团队带来的无尽想象。

更多信息

了解如何利用AWS快速构建、训练和部署机器学习模型,实现业务数字化转型,请访问“AWS 上的机器学习”详细信息页面。