AWS re:Invent 2017 Keynote Day1 Recap

今年 AWS Keynote 由 CEO - Andy Jassy Release 出不少令人驚艷的服務

有幸今年去到拉斯維加斯現場 Keynote 感受整體的臨場氣氛以外，來做個簡單的中文 Summary 吧!

AWS 在這幾年的努力之後，除了累積了大量的企業用戶，整體的產品線不斷擴張之下使得業務也大量成長

在奠定了良好的雲端架構之後，現在 AWS 要做的目標是:

• Resiliency 彈性
  • Disater recovery 災難復原
• Optimization 最佳化
  • Developer empowerment
  • Build deploy and optimize applications
  • Just focus on writing your code
• Performance 效能
  • Data analysis
  • Innovation agility
  • Customer experience

Andy 今年主要 Announce 所有與服務相關的項目，我們大致上可以分門別類為以下幾個大項

Compute

包含運算單位的機器升級，產品變革。

其中今年關注的最大賣點莫過於 EKS 的釋出，為容器化的世界帶來更大的整合

Elastic Container Service for Kubernetes (EKS)

AWS 宣布 Support Kubernetes 了，這可以確認 Kubernetes 現今在 Container 場的地位

接著 Andy 提到：

managed clusters are great… but what else?

AWS Fargate

• no cluster to manage
• manages underlying infra
• easy to run, easy to scale

基於 ECS 與 EKS 之上的執行 Container.

AWS Fargate 讓管理者只需要規劃 container ，專注於建立你的應用程式而免除管理 EC2 的 instances。

最重要的是當你要做 Scale 的時候，不再需要去選擇你的 instance type 、管理 cluster schedule 或其餘的最佳化

Database

在資料庫層面，今年要強調的是全球化的支援

Aurora Multi-Master

號稱 node failure 跟 AZ 的 failure 沒有 downtime

在 2018 年還會 support Multi-region

Aurora Serverless

自動幫你根據流量來做 scale-up/down

• automatically scales capacity up and down

DynamoDB Global Tables

另一個全球化業務的 Support 就是 DynamoDB 的 Global Tables 對於 Serverless 的架構支援是很大的關鍵，但相信台灣的市場跟業務其實很少有機會使用到

• high performance, globally distributed applications
• low latency

Amazon Neptune

fully managed graph database

• 6 replicas (reliable)
• open support apache and pgrah model
• fast

Analytics & Big Data

S3 and Glacier Select

S3 被廣泛的使用，其中

• most popular choice for data lakes is S3
• 整合性很高，容易部署到其他平台，也容易把資料丟進來 object-level 管理性佳
• 安全性很高
• 透過 AWS Glue 整合到其他串流服務 e.g. kinesis, quicksight
• 表示分析這件事情在 AWS 整合性很高

S3 Select 簡言之即是 partial select，部份擷取將可以更快速也能更省成本

相信這個新的 Feature 將帶給各種業務需求更好的效能支援

Machine Learning

涵蓋範圍有機器學習，自然語言處理，語音辨識

Amazon SageMaker

AWE DeepLens

一台內建深度學習的攝影機

• Amazon Rekognition Video 影片辨識
• Amazon Kinesis Video Streams 即時的影片串流服務
• Amazon Transcrib 語音辨識
• Amazon Trasnslate 翻譯
• Amazon Comprehend
  • entities
  • key phase
  • language
  • discover valuable insights form text 找到文章的重點

在 Machine Learning 就我個人曾經做過一點機器學習研究的淺薄之見， AWS 提供了更多方便的工具降低了串接以及實驗性的門檻， 再者利用運算能力把許多分析做到 realtime。

除了提供開發者更快速的實踐模型之外，在業務成長的時候遇到效能的瓶頸，也能透過 AWS 的服務做到升級

IoT

最後在物聯網的部分，AWS 想要營造的是:

• Easy to trigger
• Easy to management
• Nice security
• Analysis
• Samller devices.

Getting into the Game

• AWS 1-click
  • Trigger by lambda function in every device.

Device Management

• AWS IoT Device Management

IoT Security

• IoT defender
  • audit device policies
  • monitor
  • alarm

IoT Analytics

• AWS IoT analysis
• AWS IoT FreeRTOS

在一次聽下這麼多不同領域的功能發佈的同時，其實該說的是萬事俱備之下