AWS re:Invent 2019 Andy Jessy KeyNote
新 Instance Type: Ifn1, M6g, R6g, C6g
搭载 AWS Inferentia 芯片的 Inf1 Intstance,针对机器学习运算、成本做优化,和同等级运算效能之 G4 Instance 相比,成本约降低 40%。
搭载最新 Arm-based AWS Graviton2 Processor,和现行 x86-based M5/R5/C5 相比,效能约提升 40%,约在 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%
参考来源至:Graviton2-Powered General Purpose, Compute-Optimized, & Memory-Optimized EC2 Instances
Fargate for EKS !!
从 re:Invent 2017 发布 Fargate 时,便提及会同时支持 ECS & EKS 两大 Container 服务;等了两年的时间,终于正式 GA 支持 EKS!
在目前广为使用部署 EKS Cluster 的工具 eksctl 也及时发布版本更新,支持以 Fargate 作为 pods 的部署单位:
eksctl create cluster --name demo-newsblog --region us-west-2 --fargate
在 EKS Cluster Console 中也可以透过 Fargate Profile 宣告当 pods 部属时所需要的 Fargate 资源。
参考来源至:Amazon EKS on AWS Fargate Now Generally Available
Accelerated Site-to-Site VPN Connections
现在可以自由选择是否在 Site-to-Site VPN connection 启用 Accelerate,加速 VPN connection 的访问速度。
Accelerated VPN connection 使用了去年发布的 AWS Global Accelerator,让 On-Premises 装置点路由至 AWS edge location (PoPs) 进而取代掉相对较远的 VPC VGW 端点,获得较低的联机 Latency ,加速整体的连接速度。缩短之间联机的距离,也能降低因 Public Internet 会有的网络顺断导致 VPN Connection 断开的可能性发生。
参考来源至:Accelerated Site-to-Site VPN Connections
Multicast on Transit Gateways
在 AWS 上原先不支持 Broadcast 和 Multicast 的通讯方式,以往用户若有相关需求,需要自行在 VPC 上以 EC2 做覆盖网络 (Overlay network) solution 虚拟出 Multicast。
现在可以透过 Transit Gateways 支持串接 VPC Subnets 之间以 Multicast 作联系。
Multicast domain:
- 建立 Multicast 网络环境
- 选择要作为 Multicast Router 的 Transit Gateway
- Assocaiate VPC Subnets 至 Multicast domain
Multicast group
- 建立 Source 作为 Multicast Sender、或是作为 Multicast Receiver
- Multicast group IP 为 IPv4 class D:224.0.0.0/4
- Group 成员为 EC2 Instance ENIs
Multicast source
- 发送 Multicast 的 EC2 Instance ENI
Multicast group member
- 接收 Multicast 的 EC2 Instance ENIs 集群
参考来源至:Amazon Transit Gateway
Amazon Managed Apache Cassandra Service (MCS)
除了 Amazon DynamoDB、去年 re:Invent 发布的 Amazon DocumentDB (with MongoDB compatibility) 的 NoSQL Database Solutions,今年又发布以 Apache Cassandra 为托管对象的 Amazon Managed Apache Cassandra Service (MCS)。
跟 DynamoDB 一样为 Serverless 服务,用户仅需为实际使用量付费、依据负载状况做自动化扩展 AutoScaling 以确保 Tables 的运作效能,在使用上也是透过 Cassandra Query Language (CQL) 和 Tables 互动。
对于使用场景不易搬迁至 DynamoDB / MongoDB 的用户是一大福音!
现正以 Open Preview Regions:
- US East (N. Virginia)
- US East (Ohio)
- Europe (Stockholm)
- Asia Pacific (Singapore)
- Asia Pacific (Tokyo)
参考来源至:Amazon Managed Apache Cassandra Service (MCS)
S3 Access Points
当用户的同一个 S3 Bucket 拥有许多的权限控制的 Bucket policy 时,对维运人员来说是一件非常头痛的事情,当我们只想修改其中一项访问权限时,深怕会动到其他项目,因此 S3 Access Points 便是一个很好的解决方案,我们可以针对不同对象或应用程序新增 access point,并个别让这些对象做使用,以做到个别控管。
参考来源至:Easily Manage Shared Data Sets with Amazon S3 Access Points
Sagemaker Studio
此次最重大的更新莫过于在机器学习领域中的 Sagemaker 有了重大的改变。
宣布了一个整合式的机器学习 IDE,里面包含: 用于机器学习(ML)的网页集成开发环境(IDE),使用前须先拥有 IAM 权限才能够使用此服务。此服务拥有 AWS 自己的 Notebooks 名为 Sagemaker Notebooks(预览阶段),可以轻松地创建和共享 Jupyter Notebooks。第二个是 SageMaker Experiments,可以针对每次的训练作业进行一次性的比较,以评估哪一次的训练最为有效,并可以迅速的部署此模型。 当我们在训练模型时难免会遇到问题,SageMaker Debugger 会自动检查训练的模型,并收集数据进行分析,以提供实时通知和建议,SageMaker Model Monitor 可以检视已部署模型的质量偏差(部署结果)并接收警报,最后则是在机器学习中,选择算法是一个非常困难的问题。特别是要选择和掌握可以解决问题的最佳模型。机器学习算法通常需要大量的训练参数,这些参数需要设置通常经过多次修正与训练才能得知最适合的值,以缩小模型的准确性。 用户需要呼叫一次 API 或在 Amazon SageMaker Studio 中点击几下,SageMaker Autopilot 首先检查数据集并创建许多数据预处理步骤,机器学习算法和超参数运行测试。然后,可以使用这种组合来训练管道,并将其部署到实时端点或批处理。
此图为此次更新后于 Sagemaker 服务中的功能对应简图。
参考来源至: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 更新的服务 Fraud Detector 是一个全托管,可识别潜在的诈欺性在线活动的服务,例如在线支付的诈骗和创建假账户。利用机器学习和来自 AWS 和 Amazon.com 的 20 年欺诈检测专业知识,以毫秒为单位自动识别潜在的欺诈活动。
参考来源至:Amazon Fraud Detector FAQs
Amazon CodeGuru
此次新的 AI 服务为一个全托管的代码检测服务,可识别程序代码的严重缺陷和与基于 Java 的 AWS 最佳实践偏差,目前支持 GitHub 与 CodeCommit。
参考来源至:Amazon CodeGuru FAQs
Amazon Kendra
Amazon Kendra 是由机器学习且易于使用的企业搜索服务,开发人员可以在应用程序中添加搜索功能,以便最终用户可以发现存储在整个公司的大量内容中的信息。这包括来自手册,研究报告,常见问题解答,HR文档,客户服务指南的数据,可在各种系统中找到,例如文件系统、网站、Box、DropBox、Salesforce、SharePoint、Amazon S3 等。输入问题时,该服务将使用机器学习算法来了解上下文并回传最相关的结果,无论是精确答案还是整个文档。例如:用户可以问:『公司信用卡上的现金奖励是多少?』,Amazon Kendra 将搜索到相关文档并回传像是『2%之类的特定答案』。
参考来源至:Amazon Kendra
AWS Wavelength
AWS Wavelength 可将 AWS 服务与 5G 网络链接,让开发人员以不到 10 毫秒的超低延迟效能交付应用程序到各种移动装置和终端用户们,对于未来运用在游戏、直播串流或 AR/VR 将会达到更好的成效。
目前支持的电信商与区域:
- Verizon in North America
- Vodafone in Europe
- SK Telecom in South Korea
- NTT Docomo, and KDDI in Japan
参考来源至:AWS Wavelength
Contact Lens for Amazon Connect
是一个通过机器学习并支持 Amazon Connect 的服务,使客服中心主管和分析人员能够了解其客户对话的内容,情感和趋势,从而确定关键客户反馈并改善客户体验,客服中心每天都会接收到大量的客户讯息,从而导致数百万小时的通话记录。 公司希望能够在所有电话中进行搜索,以识别问题,共同主题和代理商指导的机会。他们可以使用现有的联络中心分析产品,但是这些工具价格昂贵,提供通话记录的速度很慢,并且缺乏所需的记录准确性。这使得难以快速检测到客户问题并向其代理商提供可操作的性能反馈。现有工具无法提供实时分析,也就是客服人员无法在挂断电话之前识别和帮助这些沮丧的客户。 而现在可以透过 Contact Lens for Amazon Connect 來實時判斷客戶當下情緒,並快速搜索客戶常建主題以及多項有利於客服人員之功能。