AWS在re: Invent 2017大会上确立公有云发展节奏 原创

在re: Invent大会上,AWS讨论了其如何通过深入投资核心基础设施即服务与云数据库产品以实现差异化优势。展望未来,该公司明确表示将通过对人工智能、流媒体以及“物联网”等足以改变游戏规则的重要技术进行战略投资,进一步实现业务的持续增长。

至顶网软件频道消息:Amazon Web Services公司继续在公有云市场上保持主导地位。在上周于拉斯维加斯召开的第六届re: Invent大会上,AWS讨论了其如何通过深入投资核心基础设施即服务与云数据库产品以实现差异化优势。展望未来,该公司明确表示将通过对人工智能、流媒体以及“物联网”等足以改变游戏规则的重要技术进行战略投资,进一步实现业务的持续增长。

 AWS在re: Invent 2017大会上确立公有云发展节奏

在本届大会第一天的主题演讲当中,AWS首席执行官Andy Jassy(如上图)强调称,AWS在全球云市场继续保持着惊人的增长速度与一马当先的发展势头。过去一年来,其年营收水平同比增长42%,达到180亿美元。目前AWS拥有数百万活跃客户,且客户群体涵盖以AWS为起点的初创企业、各大垂直行业中的大型私营机构、政府、学术乃至其它组织客户。

在这种势头的背后,可以看到诸多用户都在积极利用公有云支持自身核心应用程序与工作负载。此外,客户正陆续将其它新型工作负载——例如机器学习与深度学习——引入AWS云当中。为了应对全球各地的市场需求增长,Jassy宣布AWS计划将云服务推广到全球更多服务区内,且各服务区也将拥有更为丰富的可用区选项。此外,此次大会的主要讨论还集中在AWS如何在各个领域内拓展其合作伙伴生态系统,从而立足各类垂直与应用场景提供令人满意的云解决方案。

正如Jassy及其他多位主要发言人所提到,AWS正在以下核心领域推进战略投资:

IaaS

凭借着本次大会上与IaaS相关的公告内容如雨点般袭来,AWS很明显将进一步深化其以云计算为核心的价值主张。该公司也将更有力地转向平台即服务方向,进而与微软、IBM、谷歌以及其它厂商展开正面竞争。然而,就目前来看,AWS的多元发展计划还没有涵盖软件即服务领域——因此身处这一领域的微软、甲骨文以及Salesforce.com可以暂时松一口气了。另外,此次大会上并没有提供任何与多供应商、多云场景相关的可靠消息——但这也可以理解,毕竟目前大多数客户应付单一云环境(通常为AWS)都感到吃力,更遑论多云选项了。

AWS公司已经不再满足于原本的业务发展重心——即鼓励各企业客户将其旧有应用程序、数据及工作负载全面迁移至云环境中——而开始专注于客户开发新的、更具价值以及颠覆性的云应用程序。为此,在今年的大会上,AWS反复强调了开发商与独立软件供应商生态系统这一议题。对AWS而言,这无疑是在对Azure以及Google Cloud Platform在公有云IaaS市场上的挑衅举动所作出的回应。AWS的解决思路在于进一步强调其在开发工具层面的创新——特别是在机器学习、深度学习、人工智能以及分析等层面——并将借此化解竞争对手的攻势。

在本届大会上,AWS公司还公布了一系列核心EC2基础设施即服务的全新实例类型。这些实例专门用于为客户的各类基础设施即服务工作负载提供更具性价比的使用体验:

  • Amazon EC2 P3: 这些实例支持利用通用型图形处理单元计算实例以处理深度学习及其它AI型工作负载。AWS最多可提供8个英伟达Volta GV100 GPU,用于以较低成本与更佳敏捷性加速客户的高级工作负载。
  • Amazon EC2 H1: 这些实例负责为客户提供指向TB级别数据的高速连续访问能力,同时带来更多虚拟中央处理单元、更为可观的内存容量与每TB本地磁性存储比,外加高达25 Gb每秒的选定AWS服务区内逻辑分组或实例集群的网络传输带宽。
  • Amazon EC2 M5: 这些实例相较于M4实例拥有更为强大的性价比表现,可支持两倍于M4的浮点运算处理能力。
  • Amazon EC2 T2无限: 这些实例可在任何时段内提供高CPU性能,而价格则按临时使用率峰值计算。
  • Amazon EC2裸机:这些实例允许操作系统直接运行在底层硬件之上,且不致对AWS的各项固有优势造成影响。

除此之外,AWS还宣布简化对EC2竞价实例容量的访问方式。通过帮助客户为新一代容器化、无服务器以及其它云微服务方案提供规模更小的云实例,此举相较于按需实例将为客户节约高达90%的使用成本。

AWS还公布了其全新系统管理器。AWS系统管理器提供一套统一的仪表板,可帮助客户以规模化方式操作并管理EC2基础设施。其支持对计算及存储资源进行逻辑分组、自动进行常规部署与工作流管理,并可实现云基础设施的安全管理。

顺带一提,令我们期待万分、但并没有被AWS纳入公告的一项重要消息,在于其如何将AI技术纳入服务管理工具,从而进一步促进对IaaS、容器、数据库以及其它云资源进行更为细致且动态的监控与优化。考虑到AWS已经在其大量解决方案组合中整合了机器学习及其它人工智能功能,此次服务管理中AI的缺席实在令人有些费解。

基于VMware的混合云

客户希望能够在公有云与内部数据中心之间实现混合云一致性,而其关键在于利用相同的软件对两端基础设施进行管理。

正因为如此,AWS与VMware之间的合作对于两家公司才拥有如此重要的意义。为了支持AWS/VMware公有/私有混合云方案的扩展,两家公司宣布将进一步推动VMware Cloud on AWS在全球更多AWS服务区中上线。美国东部服务区的客户们现在已经能够使用VMware Site Recovery以及VMware vMotion,从而大规模移动、运行并保护生产云工作负载。

VMware Cloud on AWS目前支持三十二套主机集群以及每组织多软件定义数据中心,未来还将支持每软件定义数据中心十套主机集群。这意味着单一客户将能够支持包含数以万计虚拟机的庞大运行环境。客户软件定义数据中心环境将运行在高性能、专用且高度安全的下一代AWS硬件基础设施之上。

在本届大会上,两家合作伙伴还公布了以下新功能,用于增强混合云的功能性、性能、可用性、迁移方式与灵活性:

  • AWS 与VMware正着手扩展VMware Cloud on AWS的规模、网络连接性以及安全功能,旨在进一步支持更多资源密集型应用程序——具体包括Oracle、Oracle RAC、微软SQL Server、Apache Spark以及Hadoop。
  • 借助VMware vSphere vMotion、新的L2扩展网络功能以及AWS Direct Connect,客户将能够把应用程序由内部VMware集群迁移至VMware on AWS当中,不会造 成任何应用程序中断,且无需变更任何网络配置。
  • VMware Hybrid Cloud Extension是一款面向VMware Cloud on AWS的附加SaaS方案,负责在运行有vSphere 5.0+的内部环境与VMware Cloud on AWS之间实现大规模迁移,且无需进行任何平台重构、重新测试或者工具变更。
  • VMware Wavefront云服务允许客户立足VMware Cloud on AWS实现对应用程序的可视化、警报设置与故障排查。Wavefront by VMware还提供一套开放API平台,可支持超过80项集成并借此从各类应用程序量化指标收集程序(例如Java、Ruby、Python以及Go)中收集时序数据,并将结果交付至MySQL、Pivotal、Kubernetes以及AWS等服务指标收集程序处。

云原生计算服务

AWS对其平台即服务方案作出了显著强化,旨在满足希望在EC2上运行容器化微服务、函数即服务以及其它云原生应用程序的客户的实际需求。通过这种方式,AWS将自身定位为一套功能更加全面的平台,从而进一步丰富其作为云服务供应商的业务涵盖范围。

在这方面公布的最为重要的内容,无疑是Amazon弹性容器服务(简称AWS ECS)for Kubernetes,整体简称为EKS。作为AWS现有ECS产品的替代方案,AWS EKS能够在ECS之上运行全托管Kubernetes编排服务,且无需客户自行安装、操作及维护Kubernetes集群。AWS亦在与云原生计算基金会开展密切合作,确保供应商提交的Kubernetes支持与标准同开源库实现紧密结合。

与此相关的还有Amazon Fargate的推出——其立足ECS与EKS之上负责支持容器的精简部署与管理。Fargate能够在几秒钟之内将业务流程扩展到数万个容器,且无需用户管理底层基础设施。借助Fargate,AWS客户不再需要调配、配置或者扩展虚拟机集群以运行容器。相反,他们能够直接上传容器镜像并指定资源需求,而Fargate会即时完成容器启动。

为了满足AWS产品组合中的PaaS与中间件功能,该公司还宣布了新的安全威胁监控服务(Amazon GuardDuty)、新的预配置应用程序安全规则(AWS Web应用程序防火墙合作伙伴托管规则)、新的消息代理服务(Amazon MQ)以及一款用于发现资源的无服务器应用程序(AWS Serverless App Repository)。

对于开发者群体,AWS进一步扩展了其对无状态、事件驱动型微服务的编程方式的简化范畴。此次推出的AWS Cloud9是一套立足浏览器的集成开发环境,支持Lambda函数协同编码、执行与调试。Cloud9提供一套预配置软件开发工具包,其中包含的各类库、插件与共享库可帮助开发团队解决复杂云无服务器应用开发工作中出现的各类难题。

对于成千上万使用无服务器功能的AWS客户而言,这项新方案的出现无疑是个好消息。事实上,过去一年中,客户对AWS Lambad的使用率提高了约300%。AWS目前已经在其众多服务当中全面嵌入Lambda,这将引导客户更加深入地将相关函数应用至自身云应用程序当中。

数据存储、处理与管理服务

AWS的Aurora关系云数据库运行于众多开源引擎之上(包括PostgreSQL与MySQL),且已经成为增长速度最快的Amazon服务。

在本届大会上, AWS方面宣布对Aurora以及其它现有云数据库进行多项重要功能强化,为图形分析添加新的特定云数据库选项,同时在自家服务组合内引入更多数据保护与管理功能。这些项目进一步提升了AWS数据管理体系的完整性,帮助相关AWS客户得以享受到这一系列性能出色且极为灵活的云计算服务。

AWS方面宣布了两项新的基于Aurora的服务——其中全新Aurora Multi-Master支持跨越多座数据中心实现数据库读取与写入操作的向外扩展,从而确保任何AWS实例或可用区出现故障时,皆不致引发停机问题。而新的Aurora Serverless则负责为应用程序及其各类工作负载提供按需数据库自动规模伸缩能力。其以点播方式启动,在不再使用时自行关闭,且整个过程无需额外管理。客户仅需要为其实际使用的数据库容量进行按秒付费。

在Amazon DynamoDB云NoSQL数据库方面,AWS公司引入了以下两项新服务:

  • DynamoDB Global Tables:负责创建多主节点表,用于自动跨越两个或更多AWS服务进行复制。其优势在于能够构建起高性能且全球分布式云应用程序,支持对本地可用表的低延迟读取与写入,亦可通过多服务区冗余保障应用程序可用性。这些功能易于设置,且无需对应用程序进行任何重写。
  • DynamoDB份与恢复: 可通过即时及按需方式自动连续备份数百TB级别的数据,且不会对应用程序性能造成任何影响。其还支持时间点数据恢复功能。

新推出的Amazon Neptune图形数据库适用于需要配合高度关联性数据集的应用程序,例如推荐引擎、反欺诈与社交网络等等。Neptune能够存储数十亿项图形关系,自动扩展容量、支持低延迟查询、跨可用区进行数据复制,同时支持完整的备份与恢复功能。其在SparQL中启用图形查询,并可将结果实现为Apache TinkerPop与W3C RDF图形模型。

在其核心Amazon S3数据湖服务方面,AWS推出了新的S3 Select API。这使得各类应用程序能够检索其中的数据子集,从而显著提升应用程序性能表现——这是因为当需要处理的内容存在于子集当中时,应用程序将无需检索整体对象。

其它新的云数据管理功能还包括服务器端数据库加密及自动将移动应用程序数据同步至AWS云当中。

分析、机器学习、深度学习与AI

本届大会上的相当一部分公告着力对AWS的分析、机器学习、深度学习以及人工智能产品组合作出补充。其中一部分内容旨在帮助开发人员更快围绕AWS云构建起复杂的AI应用程序以及开放式生态系统。此外,AWS还宣布一个新的研究项目以及新的实验室建设计划,旨在促进机器学习技术在云领域的发展以及商业化进程。

其中最值得一提的当数Amazon SageMaker。这项新的AI相关云服务顺利将AWS引入了日益增长的AI开发工具市场,同时为用户提供内置有DevOps工作流方案。这项全托管服务可为数据科学家与开发者团队提供一个抽象层,从而以协作方式构建并部署复杂的AI驱动型应用。SageMaker还帮助开发人员从其S3数据湖内提取数据,提供一套预优化算法库、以规模化方式构建及训练模型,通过机器学习驱动型超参数优化功能实现模型优化,最终以实时方式将这些模型部署在生产EC2云实例当中。SageMaker还可配合AWS近期公布的Gluon API,从而加快高性能模型的编码速度。

用于构建及训练模型的底层开发构架与运行时库无法为用户所接触; 开发人员通过预告构建的Jupyter记事本访问SageMaker,并利用其选择的AI建模框架(包括MXNet、TensorFlow、CNTK、Caffe 2、Theano、Torch或者PyTorch)加以运行,最终可利用内置的自动规模伸缩机制实现EC2内模型部署。

考虑到自然语言处理已经成为多种AI应用程序的核心,AWS此次公布了多项新服务,用于支撑并扩展去年推出的Polly NLP(即自然语言处理)产品。新的Amazon Clair提供一项持续训练隆恩,利用机器学习技术以加速分析存储在S3中的大量文档。新的Amazon Transcribe预览版则可将S3中存储的音频对象进行语音到文本转化,可识别不同说话者,支持自定义词汇表,确保标点符号与格式正确,并在输出结果中应用时间戳。新的Amazon Translate则可立足多种人类语言进行实时机器学习驱动型翻译。最后,新的Amazon Comprehend利用机器学习技术识别文本对象中的实体,包括关键性短语、主题以及情感倾向等等。

在另一组以前一年人工智能公告内容为基础的新消息中,AWS推出了Amazon Rekognition Video。此项新服务将利用深度学习技术对流媒体及静态视频内的对象及活动进行检测、追踪人员位移、识别人脸、审查内容并发现名人。在相关公告中,最新发布的AWS DeepLens(现为内部预览版本)为一款可完全编程的摄像机; 开发人员可利用其配合SageMaker、预建模型以及代码示例一同构建并训练出能够对AWS云内传输的视频流进行分析的人工智能模型。

流媒体

AWS的大部分人工智能方案主要集中在流媒体的实时处理领域。为了为新一代低延迟富媒体应用提供补充性EC2后端,AWS升级了现有流媒体服务,并推出一系列新的流媒体基础设施服务选项。

AWS方面为其Kinesis实时流计算解决方案添加了新的Video Streams功能。这项新服务可传输流视频与时间编码数据,从而针对各视频内容对象使用低延迟机器学习、深度学习与其它分析技术——且无论内容处于动态抑或静态之下。Kinesis Video Streams简化了视频类云服务的开发流程,其能够从数百万台设备处获取视频流,同时提供安全、持久且可搜索的媒体时间索引与其它内容对象存储功能,并通过无服务器Lambda函数进行编程。

新的Elemental基础设施服务家族负责云环境下视频货币化视频资产的创建、开发、发布、优化以及管理。新的解决方案包括AWS Elemental MediaStore(为媒体内容提供一致URL的库)、AWS Elemental MediaPackage(流媒体对象及时打包)、AWS Elemental MedialLive(实时视频加载与压缩)、AWS Elemental MediaConvert(基于文件的视频处理)以及AWS Elemental Media Tailor(面向个性化与货币化视频内容的服务器端广告插入服务)。

物联网

在边缘场景中,往往涉及大量新型云应用——包括移动、嵌入式与物联网设备。在本届大会上,AWS大幅扩展了其物联网产品组合,旨在支持设备管理、安全性、分析以及其它边缘支持型基础设施服务。

在边缘分析方面,AWS显然将其无服务器Lambda函数定位为开发人员用于构建边缘应用程序的基础性工具,同时亦继续保持着公有云对所有内容的集中控制肋条。然而,与AWS的其它服务一样,这些新的物联网与边缘计算计划并未扩展至私有、混合或多云环境层面。

在本届大会上与物联网相关的公告中,AWS先后公布了Greengrass增强方案以进一步提升边缘部署的复杂难题解决能力。新的AWS Greengrass ML Inference可直接将各类机器学习模型部署在设备当中,而无论该设备当前是否接入云端,其都可以实现本地推理。在新版本中,AWS Greengrass现在能够支持设备级Lambda函数,从而实现模型本地加载与本地推理。此外,AWS Greengrass现在还能够支持增强型数据与状态同步、设备安全与运行中更新。除此之外,Greengrass现在还包含一套OPC-UA协议适配机制,且部署有多套面向英特尔与英伟达硬件的边缘优化型机器学习模型。

为了支持AI注入式边缘应用程序的开发、部署、优化以及管理,AWS还公布了以下新产品:

  • Amazon FreeRTOS: 这款新型免费开源微控制器操作系统使得小型低功耗边缘计算设备变得更易于编程、部署、保护以及维护。其可轻松接入AWS Greengrass核心设备,且包含有本地AWS Greengrass、IoT Core以及各类安全库。其还包含一款来自Microchip、TI、ST以及NXP的预打包微控制器驱动程序。
  • AWS IoT 1-Click: 这项新服务简化了利用本地与云Lambda函数构建新型物联网应用程序的具体流程。通过点击编程,开发人员将能够轻松建立起定制化无服务器功能,并触发各类预先嵌入的设备操作。
  • AWS IoT Device Management: 这项新服务可帮助企业快速添加、高效组织、持续监控及远程管理接入的物联网设备。其支持批量智能设备添加、运行中更新、元数据与状态索引、细粒度监控、日志记录以及全局搜索等功能。
  • AWS IoT Device Defender: 计划于2018年推出,这项新服务将帮助企业强化物联网的审计、保护、认证与加密能力,同时保障政策得到切实执行。其支持全局设备审计、安全配置、行为基准与监控、漏洞评估、异常检测、警报以及修复等功能。
  • AWS IoT Analytics:目前处于预览阶段,此项新服务能够轻松对物联网设备数据进行分析。其可从多台设备及其它云数据源处收集物联网数据,对这些数据进行预处理与填充,并以原始或时序格式将其存储在AWS云中,并通过AWS云计算技术实现即时查询或者通过AWS QuickSight解决方案进行更为复杂的分析与可视化处理。分析师们将能够利用预先构建的Jupyter记事本深入探索这些数据并进行建模。AWS IoT Analytics包含多种Jupyter记事本、经过优化的SQL查询引擎且可与AWS SageMaker自动集成。

以设备为中心的云解决方案

在本届大会上,亦出现了一些与新型解决方案相关的重要消息。事实上,此类解决方案将能够把复杂的新设备同AWS现有的各类数据驱动型AI云服务融合在一起。

最值得注意的是,AWS公布了Alexa for Business。这一新产品能够将Alexa设备、Alexa技能以及Alexa用户以安全方式大规模纳入业务应用之内。其中提供的API可用于根据实际工作应用情况建立囊括情景信息的语音技能,从而顺利解决诸如日程管理、会议安排与数据库查询等任务。其还支持将员工的个人Alexa设备添加至采用Alexa的业务环境之内,从而实现集中式管理。另外,其还提供多种预打包Alexa技能,并允许开发人员通过定制确保其满足企业的实际需求。

如上所述,新近发布的AWS DeepLens内部预览版提供一款可完全编程的视频摄像机,开发人员可利用其配合SageMaker、预建模型以及代码示例共同构建并训练出能够对AWS云内所传输视频者分析的模型。

最后但同样重要的是,AWS发布了Amazon Sumerian预览版——这是一套工具包,可立足浏览器帮助开发人员快速创建并运行虚拟现实、增强现实与3D应用程序,且无需掌握任何专业的编程或3D图形知识。Sumerian能够在Oculus Rift、HTC Vive以及iOS移动设备等流行硬件之上提供身临其境般的交互式场景,且即将支持Android ARCore。Sumerian与Amazon Lex以及Amazon Polly的整合,则让开发人员能够在虚拟人物与人类用户之间建立起更加引人入胜的语音互动功能。

来源:siliconANGLE

0赞

好文章,需要你的鼓励

2017

12/08

09:45

分享

点赞

邮件订阅
白皮书