AWS re:Invent 2019 Andy Jassy Keynote
新 Instance Type: Ifn1, M6g, R6g, C6g
搭載 AWS Inferentia 晶片的 Inf1 Intstance,針對機器學習運算、成本做優化,和同等級運算效能之 G4 Instance 相比,成本約降低40%。
搭載最新 Arm-based AWS Graviton2 Processor,和現行 x86-based M5/R5/C5 相比,效能約提升 40%,約在 2020 Q1 GA。
- SPECjvm® 2008: +43% (estimated)
- SPEC CPU® 2017 integer: +44% (estimated)
- SPEC CPU 2017 floating point: +24% (estimated)
- HTTPS load balancing with Nginx: +24%
- Memcached: +43% performance, at lower latency
- X.264 video encoding: +26%
- EDA simulation with Cadence Xcellium: +54%
參考來源至:Graviton2-Powered General Purpose, Compute-Optimized, & Memory-Optimized EC2 Instances
Fargate for EKS !!
從 re:Invent 2017 發布 Fargate 時,便提及會同時支援 ECS & EKS 兩大 Container 服務;等了兩年的時間,終於正式GA支援EKS!
在目前廣為使用部署 EKS Cluster 的工具 eksctl 也及時發布版本更新,支援以 Fargate 作為 pods 的部署單位:
eksctl create cluster --name demo-newsblog --region us-west-2 --fargate
在 EKS Cluster Console 中也可以透過 Fargate Profile 宣告當 pods 部屬時所需要的 Fargate 資源。
參考來源至:Amazon EKS on AWS Fargate Now Generally Available
Accelerated Site-to-Site VPN Connections
現在可以自由選擇是否在 Site-to-Site VPN connection 啟用 Accelerate,加速 VPN connection 的存取速度。
Accelerated VPN connection 使用了去年發布的 AWS Global Accelerator,讓 On-Premises 裝置點路由至 AWS edge location (PoPs) 進而取代掉相對較遠的 VPC VGW 端點,獲得較低的連線 Latency,加速整體的連線速度。縮短之間連線的距離,也能降低因 Public Internet 會有的網路順斷導致 VPN Connection 斷開的可能性發生。
參考來源至:Accelerated Site-to-Site VPN Connections
Multicast on Transit Gateways
在 AWS 上原先不支援 Broadcast 和 Multicast 的通訊方式,以往使用者若有相關需求,需要自行在 VPC 上以 EC2 做覆蓋網路 (Overlay network) solution 虛擬出 Multicast。
現在可以透過 Transit Gateways 支援串接 VPC Subnets 之間以 Multicast 作聯繫。
Multicast domain:
- 建立 Multicast 網路環境
- 選擇要作為 Multicast Router 的 Transit Gateway
- Assocaiate VPC Subnets 至 Multicast domain
Multicast group
- 建立 Source 作為 Multicast Sender、或是作為 Multicast Receiver
- Multicast group IP 為 IPv4 class D:224.0.0.0/4
- Group 成員為 EC2 Instance ENIs
Multicast source
- 發送 Multicast 的 EC2 Instance ENI
Multicast group member
- 接收 Multicast 的 EC2 Instance ENIs 集群
參考來源至:Amazon Transit Gateway
Amazon Managed Apache Cassandra Service (MCS)
除了 Amazon DynamoDB、去年re:Invent發布的 Amazon DocumentDB (with MongoDB compatibility) 的 NoSQL Database Solutions,今年又發布以 Apache Cassandra 為託管對象的 Amazon Managed Apache Cassandra Service (MCS)。
跟 DynamoDB 一樣為 Serverless 服務,使用者僅需為實際使用量付費、依據負載狀況做自動化擴展 AutoScaling 以確保 Tables 的運作效能,在使用上也是透過 Cassandra Query Language (CQL) 和 Tables 互動。
對於使用場景不易搬遷至 DynamoDB / MongoDB 的使用者是一大福音!
現正以Open Preview Regions:
- US East (N. Virginia)
- US East (Ohio)
- Europe (Stockholm)
- Asia Pacific (Singapore)
- Asia Pacific (Tokyo)
參考來源至:Amazon Managed Apache Cassandra Service (MCS)
S3 Access Points
當使用者的同一個 S3 Bucket 擁有許多的權限控制的 Bucket policy 時,對維運人員來說是一件非常頭痛的事情,當我們只想修改其中一項存取權限時,深怕會動到其他項目,因此 S3 Access Points 便是一個很好的解決方案,我們可以針對不同對象或應用程式新增 access point,並個別讓這些對象做使用,以做到個別控管。
參考來源至:Easily Manage Shared Data Sets with Amazon S3 Access Points
Sagemaker Studio
此次最重大的更新莫過於在機器學習領域中的 Sagemaker 有了重大的改變。
宣布了一個整合式的機器學習 IDE,裡面包含: 用於機器學習(ML)的網頁整合式開發環境(IDE),使用前須先擁有 IAM 權限才能夠使用此服務。此服務擁有 AWS 自己的 Notebooks 名為 Sagemaker Notebooks(預覽階段),可以輕鬆地創建和共享 Jupyter Notebooks。第二個是 SageMaker Experiments,可以針對每次的訓練作業進行一次性的比較,以評估哪一次的訓練最為有效,並可以迅速的部署此模型。當我們在訓練模型時難免會遇到問題,SageMaker Debugger 會自動檢查訓練的模型,並收集數據進行分析,以提供實時通知和建議,SageMaker Model Monitor 可以檢視已部署模型的質量偏差(部署結果)並接收警報,最後則是在機器學習中,選擇演算法是一個非常困難的問題。特別是要選擇和掌握可以解決問題的最佳模型。機器學習演算法通常需要大量的訓練參數,這些參數需要設置通常經過多次修正與訓練才能得知最適合的值,以縮小模型的準確性。使用者只需要呼叫一次 API 或在 Amazon SageMaker Studio 中點擊幾下,SageMaker Autopilot 首先會檢查數據集並創建許多數據預處理步驟,機器學習算法和超參數運行測試。然後,可以使用這種組合來訓練管道,並將其部署到應用程式或做一些批次處理。
此圖為此次更新後於 Sagemaker 服務中的功能對應簡圖。
參考來源至:ついにSageMekerの統合環境が登場!「SageMaker Studio」が発表されました #reinvent
Amazon Fraud Detector
此次 AI 更新的服務 Fraud Detector 是一個全託管,可識別潛在的詐欺性在線活動的服務,例如在線支付的詐騙和創建假賬戶。利用機器學習和來自 AWS 和 Amazon.com 的 20 年欺詐檢測專業知識,以毫秒為單位自動識別潛在的欺詐活動。
參考來源至:Amazon Fraud Detector FAQs
Amazon CodeGuru
此次新的 AI 服務為一個全託管的代碼檢測服務,可識別程式碼的嚴重缺陷和與基於 Java 的 AWS 最佳實踐偏差,目前支援 GitHub 與 CodeCommit。
參考來源至:Amazon CodeGuru FAQs
Amazon Kendra
Amazon Kendra 是由機器學習且易於使用的企業搜索服務,開發人員可以在應用程式中添加搜索功能,以便最終用戶可以發現存儲在整個公司的大量內容中的信息。這包括來自手冊,研究報告,常見問題解答,HR文檔,客戶服務指南的數據,可在各種系統中找到,例如文件系統、網站、Box、DropBox、Salesforce、SharePoint、Amazon S3等。輸入問題時,該服務將使用機器學習算法來了解上下文並回傳最相關的結果,無論是精確答案還是整個文檔。例如:使用者可以問:『公司信用卡上的現金獎勵是多少?』,Amazon Kendra 將搜索到相關文檔並回傳像是『2%之類的特定答案』。
參考來源至:Amazon Kendra
AWS Wavelength
AWS Wavelength 可將AWS服務與5G網路連結,讓開發人員以不到10毫秒的超低延遲效能交付應用程式到各種移動裝置和終端使用者們,對於未來運用在遊戲、直播串流或AR/VR將會達到更好的成效。
目前支援的電信商與區域:
- Verizon in North America
- Vodafone in Europe
- SK Telecom in South Korea
- NTT Docomo, and KDDI in Japan
參考來源至:AWS Wavelength
Contact Lens for Amazon Connect
是一個通過機器學習並支援 Amazon Connect 的服務,使客服中心主管和分析人員能夠了解其客戶對話的內容,情感和趨勢,從而確定關鍵客戶反饋並改善客戶體驗,客服中心每天都會接收到大量的客戶訊息,從而導致數百萬小時的通話記錄。公司希望能夠在所有電話中進行搜索,以識別問題,共同主題和代理商指導的機會。他們可以使用現有的聯絡中心分析產品,但是這些工具價格昂貴,提供通話記錄的速度很慢,並且缺乏所需的記錄準確性。這使得難以快速檢測到客戶問題並向其代理商提供可操作的性能反饋。現有工具無法提供實時分析,也就是客服人員無法在掛斷電話之前識別和幫助這些沮喪的客戶。而現在可以透過 Contact Lens for Amazon Connect 來即時判斷客戶當下情緒,並快速搜索客戶常見主題以及多項有利於客服人員之功能。