Kunden von AWS Step Functions

Coinbase ist eine sichere digitale Währungsumtauschplattform, die es einfach macht, Kryptowährungen wie Bitcoin, Ethereum und Litecoin zu kaufen, zu verkaufen und zu lagern. Stand 2017 ist Coinbase der größte Bitcoin-Broker der Welt und bedient Benutzer in 33 Ländern. Coinbase verfügt über eine leistungsstarke technische Organisation. Sie stellen hunderte Male pro Tag in Hunderten von Projekten bereit, veröffentlichen neue Funktionen von der Idee bis zur Markteinführung in weniger als einer Stunde und halten die Ausfallraten gering. Dies ist möglich, weil die meisten ihrer Änderungsmanagement- und Bereitstellungsprozesse automatisiert sind und ihre Techniker eine DevOps-Kultur eingeführt haben.

Ein wichtiger Teil dieser Automatisierung ist ihre sichere, automatisierte Bereitstellungspipeline, Odin. Odin nimmt eine Beschreibung einer Projektversion und startet sie dann sicher und geschützt in AWS. Coinbase automatisierte Odin mithilfe von AWS Step Functions und ermöglichte es ihnen, 12-Faktor-Anwendungen einfach, zuverlässig und sicher in AWS bereitzustellen. Step Functions stellte die sofort einsatzbereiten Tools für Zuverlässigkeit und durchgängige Transparenz bereit. Dabei wurde ein Serverless-Betriebsmodell verwendet, bei dem keine Infrastruktur bereitgestellt oder verwaltet werden muss. Indem Odin als Zustandsmaschine für Step Functions konzipiert ist, kann Coinbase den Fortschritt der Bereitstellung visuell überwachen und jede Bereitstellung Schritt für Schritt überprüfen. Mit neuen Erkenntnissen über die Gründe, warum Services ausfielen, konnte Coinbase die Erfolgsquote geschäftskritischer Implementierungen von 90 auf 97 % erhöhen. Die den Technikern gebotene Transparenz ermöglichte es ihnen, ihre eigenen Probleme schnell zu diagnostizieren und zu lösen, und die Anzahl der Supporttickets im Zusammenhang mit erfolglosen Bereitstellungen wurde reduziert.

„Wenn sich ein Team darauf konzentriert, Qualitätsautomatisierung in seine Arbeitsabläufe zu integrieren, folgt Stabilität. Durch den Aufbau einer Qualitätsautomatisierung mit Services wie AWS Step Functions vermeidet Coinbase den Handel mit Geschwindigkeit, um Stabilität zu gewährleisten. Stattdessen erhalten wir beides.“

Graham Jenson, Infrastructure Engineer – Coinbase

Cox Automotive Inc. erleichtert den Kauf, Verkauf, Besitz und die Nutzung von Autos. Um digitale Werbung zu unterstützen, wollten sie das Volumen und die Qualität ihrer Vorhersagemodelle für Machine Learning erhöhen. Sie befürchteten jedoch, dass sich ihre Modelle im Laufe der Zeit ändern könnten, was zu schlechten Entscheidungen führen könnte. Es war die beste Lösung, die Aufsicht von Data Scientists in den Prozess der Modellumschulung einzubeziehen, aber die Herausforderung bestand darin, dies zu tun, ohne das Decision-Science-Team zu verlangsamen.

Cox Automotive entschied sich dafür, seinen Workflow zur Bereitstellung von ML-Modellen mit AWS zu automatisieren, einschließlich einer von AWS Step Functions koordinierten Pipeline zur Modellgenehmigung. Sobald die Modelle mit Amazon SageMaker umgeschult wurden, werden die Ausgabeartefakte und Diagnosen in Amazon S3 hochgeladen, wodurch Step Functions veranlasst wird, einen Modellgenehmigungsworkflow auszuführen. Eine E-Mail wird an einen Datenwissenschaftler gesendet, der das Modell überprüft und entweder auf „Genehmigen“ oder „Ablehnen“ klickt. Bei Genehmigung sendet Step Functions die Artefakte an einen S3-Ziel-Bucketzusammen mit einer Amazon-SNS-Benachrichtigung, die angibt, dass das neue Modell zum Verbrauch bereit ist.

Investitionen in Automatisierung haben beiden Teams mehr Zeit gegeben, wertvolleren Tätigkeiten nachzugehen. Cox Automotive verfügt jetzt über einen wiederverwendbaren, automatisierten Prozess, der es dem Unternehmen ermöglicht, mehr Zeit mit der Erstellung genauerer Modelle und weniger Zeit mit dem Aufbau von Bereitstellungspipelines zu verbringen.

„Die Nutzung von Services wie Amazon SageMaker und AWS Step Functions zur Automatisierung der Modellbereitstellung hat es uns ermöglicht, dem Unternehmen wiederkehrende, qualitativ hochwertige, größtenteils automatisierte Modelle mit minimalem menschlichem Eingreifen und minimalem Aufwand bereitzustellen.“

Jeremy Irwin, Lead Solutions Architect – Cox Automotive

CyberGRX entwickelt eine Risikomanagementplattform, die Cyberrisiken von Drittanbietern lokalisiert, misst und priorisiert und so das Cyberrisikomanagement von Drittanbietern für Unternehmen auf der ganzen Welt transformiert. Es entschied sich für Amazon Web Services (AWS), da die Bereitstellung einfach war und das Design problemlos in die bestehenden Workflows des Unternehmens integriert werden konnte.

„Wir mussten umfangreiche parallele Berechnungen mit unserem Bayes‘schen Netzwerkalgorithmus durchführen und entschieden uns für den verteilten Kartenstatus von AWS Step Functions, da er die Möglichkeit bot, auf eine Weise zu skalieren, die zuvor unerreichbar war. Mit Distributed Map waren wir in der Lage, den gesamten Austausch von Daten im Wert von 227 000 Unternehmen – 57 Milliarden Datenpunkte – in weniger als einer Stunde zu verarbeiten, wofür wir zuvor über 8 Tage für die Verarbeitung benötigten. Es hat uns nicht nur eine Menge an Personalzeit gespart, sondern hat es auch weitaus günstiger gemacht.“

Charles Burton, Direktor, leitender Software-Entwickler – CyberGRX

Xylem ist ein weltweit führendes Wassertechnologieunternehmen, das sich der Entwicklung innovativer Technologielösungen für die weltweiten Wasserprobleme verschrieben hat. Zur Durchführung von Analysen verwendete Xylem einen Hadoop-basierten On-Premises-Data-Lake, um riesige Mengen an Strom-, Wasser- und Gaszählerdaten zu speichern. Diese Lösung schränkte jedoch ihre Datenanalytik-Funktionen ein und war nicht flexibel genug, um das Hinzufügen neuer Projekte zu ermöglichen. Die Datenverarbeitung dauerte täglich vier bis fünf Stunden, und wenn neue Kunden hinzukamen, bis zu mehreren Tagen.

Durch die Umstellung des Xylem-Data-Lakes auf eine AWS-basierte Plattform, die AWS Batch, AWS Step Functions und AWS Lambda nutzt, konnte das Xylem-Datenteam seine Datenanalytik-Funktionen drastisch erweitern. Xylem leitet jede Eingabedatei an eine Step-Functions-Zustandsmachine weiter, die dann die Datei validiert, Metadaten verfolgt und schließlich einen AWS-Batchauftrag startet und überwacht, der die Daten verarbeitet. Jede Zustandsmaschine läuft unabhängig und parallel. Die AWS-Batchaufträge weisen Container automatisch zu, und Xylem kann jetzt Tausende von Dateien gleichzeitig analysieren, ohne sich Sorgen machen zu müssen, dass Aufträge um Ressourcen konkurrieren. Infolgedessen hat Xylem die Datenverarbeitungszeit von 20 Stunden auf nur zwei Stunden reduziert – unabhängig von der Größe des Datensatzes.

„Die Verwendung von AWS Step Functions als Teil des Xylem-Data-Lakes hat unser Innovationstempo verändert. Wir können jetzt interne und externe Analyseprojekte mit weniger Übergaben an andere Techniker, weniger Unterbrechungen bei DevOps und mit mehr Technologien entwickeln, als wir es je für möglich gehalten hätten.“

Mitchell Hensley, Vice President, Software Strategy – Xylem