概览
工作原理
本指南可帮助您深入了解客户在X、Facebook和Instagram等社交媒体网站上对您的产品和服务的评价。您可以使用 Amazon Bedrock 中的大型语言模型 (LLM) 构建一个近乎实时的警报系统，该系统使用社交媒体数据并提取主题、实体、情绪和位置等见解，而不是手动筛选帖子。
自信地进行部署
为部署做好准备了吗？ 查看 GitHub 上的示例代码，了解详细的部署说明，以根据需要按原样部署或进行自定义部署。
Well-Architected 支柱
上面的架构图是按照 Well-Architected 最佳实践创建的解决方案示例。要做到完全的良好架构，您应该遵循尽可能多的 Well-Architected 最佳实践。
Amazon CloudWatch 保留在文本处理工作流程中执行的操作的日志，从而可以高效监控应用程序状态。Amazon CloudFormation 允许部署的可重复性，还可以在部署失败时回滚到稳定状态。此外，Amazon Bedrock 是一项托管服务，可通过简单的界面使用LLM。这种监控、可重复部署和 AWS 托管 LLM 的使用组合可提供强大的自然语言处理功能，无需管理底层基础设施。
存储在 A mazon S3 中的数据使用 AWS 密钥管理服务 (AWS KMS) 密钥进行静态加密，并利用 AWS 身份和访问管理 (IAM) 来控制对数据的访问。具体而言，AWS KMS 协助创建和管理用于安全加密存储在 A mazon S3 中的数据的加密密钥。而 IAM 提供了根据角色配置精细权限的功能，以实现对该数据的最低权限访问控制。
数据存储在 Amazon S3 中，这是一项对象存储服务，可提供 99.999999999%（11 个 9 个）的耐久性。LLM 是使用 Amazon Bedrock 通过简单高效的 API 接口调用的，该接口可以自动向上和向下扩展。A@@ thena 、 QuickSig ht 和 AWS Gl ue 用于大规模查询和可视化数据，无需预置基础设施。
本指南旨在通过使用各种无服务器托管式 AWS 服务，让您的工作负载实现高性能效率，自动扩展资源以满足工作负载的需求，并为您提供无缝体验，让您能够从社交媒体平台获取见解。例如，无服务器计算服务 Lambda 可根据需求自动向上和向下扩展，确保计算容量针对工作负载进行优化。使用 Amazon Bedrock ，您可以从大量目录中调用 LLM，而无需预置和管理底层服务器。
该架构中使用 Lambda 来处理事件和启动批量转换分析，从而无需持续运行的服务器。此外，AWS G lue 任务用于对批量用户数据而不是单个记录执行提取、转换和加载 (ETL)。通过聚合数据并以更大的块进行处理，总体计算和存储要求降低，与单独处理每条记录相比，成本更低。最后，Amazon Bedrock 允许使用最符合您预算要求的 LLN，这样您就不会因功能更强大、但可能超额配置的模型而产生不必要的开支。
Lambda 、 AWS G lue、A thena 和 QuickSight 都是按需运行的无服务器服务，它们会调整其资源使用量以适应当前的工作负载。这有助于确保最大限度地提高性能和资源利用率，因为服务可以自动纵向扩展和缩减以满足必要需求。通过使用这些无服务器产品/服务，该架构可以高效利用必要的资源，避免计算、存储和其他基础设施组件过度预置或利用不足。
相关内容
使用 Twitter、Amazon SageMaker 和 Hugging Face 构建基于新闻的实时警报系统
这篇文章演示了如何构建一个实时警报系统，使用来自 Twitter 的新闻，并且使用来自 Hugging Face Hub 的预训练模型对推文进行分类。