Urbanbase 利用 AWS 将启动服务的速度加快 20 倍

Urbanbase

成立于 2014 年,Urbanbase 是一家空间数据平台公司。他们现在拥有 80% 韩国公寓的空间数据,以及 7000 种 3D 产品的数据。该公司为室内设计、建造、家居设备和家具公司提供应用程序编程接口 (API) 服务,如自动 3D 转换、3D 家居装修,以及增强现实服务。

Urbanbase 计划从住宅 3D/VR 空间数据扩展到娱乐设施,例如,体育馆和剧院,以及飞机和船舶等交通运输产品。

“如果我们以传统方式构建基础设施,所需的时间可能比使用 Amazon SageMaker 长 20 倍。”

– Bang HyunWoo,Urbanbase 的 CTO

  • 关于 Urbanbase
  • Urbanbase 是一家空间数据平台公司,他们通过 VR/AR 技术和数据帮助企业合作伙伴为其客户发现潜在的价值。

  • 优势
    • 新的微服务架构
    • 服务启动速度快 20 倍
    • 开发速度快 100 倍
    • 减少深度学习成本
    • 实现海外拓展
  • 使用的 AWS 服务

挑战

初期,Urbanbase 借助于 Amazon Web Services 的 AWS Startups 支持计划的帮助在云中构建与运营服务平台。这使其能够在数秒之间将 2D 绘图自动转换为 3D,使用 3D 数据渲染和装饰虚拟室内布局,并且基于空间和照片信息打造增强现实 (AR) 体验。

随着全球对 3D/VR 空间相关服务需求的迅速成长,为支持其海外拓展目标,Urbanbase 需要微服务架构所能提供的最优质的大容量 Web 服务。

“我们为服务平台使用过整体式架构,当平台的规模还小的时候,它完全不是问题。但随着公司的发展,我们需要构建与运营更大型系统,所以我们要寻找新的架构”,Urbanbase 的 CTO Bang HyunWoo 说道。

要改变成熟的服务平台的架构不是一件容易的事情,因为迁移问题可能同时对客户与合作伙伴产生影响。所以 Urbanbase 制定了简单的策略:将现有系统升级到基于容器的环境,而新的服务将以无服务器架构作为基础。

为什么选择 Amazon Web Services

Urbanbase 使用 Amazon Elastic Compute Cloud (Amazon EC2) 升级其现有的 VM 环境,这项高性能容器编排服务采用计算机视觉和深度学习技术提供空间分析、物体识别、用户品味分析和产品推荐。

“对于像我们这样的初创公司来说,快速原型开发非常重要。微服务架构帮助我们稳步将新的想法付诸实现”,Bang 先生表示。“我们不需要浪费时间设计模型,因为我们使用 Amazon SageMaker 内置的算法。建模、训练和终端节点创建都很简单,所以我们可以开发全面运行的无服务器前端应用程序。”

优势

切换到无服务器架构使 Urbanbase 能够更快速而高效地开发与运营新的服务平台。通过结合使用 Amazon Simple Storage Service (Amazon S3)、AWS Lambda 和 Amazon SageMaker,开发空间分析平台变得快速、高效而且顺畅。开发人员无需再担心基础设施,而它也让 Urbanbase 可以提供一致的开发和运营环境。

“对于需要 AI 功能的开发,性能显得十分重要。随着模型训练时间的增加,开发时间将会延长。与本地工作站相比,Amazon SageMaker 的性能差不多快 100 倍”,Bang 先生解释道。“它的灵活配置也使得我们能够轻松地开发与训练模型,并且有选择性地将 CPU 用于推理,帮助节约成本。”

“如果我们以传统方式构建基础设施,所需的时间可能比在无服务器环境中使用 Amazon SageMaker 长 20 倍”,Bang 先生补充道。


了解更多

若要了解更多信息,请访问 Amazon Web Services