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