最新のアプリケーション向けの永続的なファイルストレージ

ウェブサービスおよびコンテンツ管理システムには、複数のコンテナ化されたアプリケーションインスタンス間での共有データアクセス、データの永続性、およびデータの耐久性が必要です。WordPress や Drupal などのアプリケーションはその一例です。これらのアプリケーションは、パフォーマンスと冗長性のために複数のインスタンスにスケールアウトから恩恵を受けることができ、アップロード、プラグイン、およびテンプレートを共有する必要があります。

ステートフルマイクロサービスは、緩く結合されたアプリケーションの一部であり、天気予報アプリケーションが居住都市を記憶するように、実行のたびにその状態についていくつかの事項を記憶する必要があります。これらのモダンアプリケーションの場合、Amazon EFS はデータ基盤であり、AWS への確実かつ一貫したデプロイのためにコンテナおよびサーバーレステクノロジーと連携して動作し、データがアプリケーションの状態を維持できるようにします。

コンテナを使用すると、複数の環境で一貫して実行される機械学習 (ML) トレーニングジョブ、推論エンドポイント、およびツールをデプロイできます。コンテナを使用することにより、一貫性、移植性、依存関係の管理などの問題を解決することができます。これらの問題は、インフラストラクチャではなくコード、データセット、およびトレーニングモデルに注力する必要があるデータサイエンティストやデベロッパーにとって、物事を複雑にします。Amazon SageMaker Notebooks などの機械学習ツール、および Jupyter などのオープンソースツールは、データサイエンティストのホームディレクトリを管理するために Amazon EFS を使用します。Amazon FSx for Lustre は、大量のスループットが要求され、かつ、コンピューティングが極めて多い機械学習トレーニングジョブに使用できます。