AWS：大流行下大无畏的云端重塑

2020 亚马逊 AWS全球年度用户大会re:Invent以特别的方式了刷屏：全球50多万注册用户参加为期3周的虚拟大会，正值非常时期，铁定流名青史。

 

本地时间12月1日，re:Invent的首台keynote仍然以AWS首席执行官Andy Jassy打头炮，而且重炮连连。从计算到存储，从容器到无服务器，从机器学习到AI，从应用到行业，一直贯穿到边缘。

Andy Jassy首先报盘AWS最新业务发展进程，他说：“我们花了123个月，或10年多时间，才发展成为一家价值100亿美元的企业。然后我们花了23个月从价值100亿美元增长到200亿美元，再从200亿美元到300亿美元用了13个月时间，然而从300亿美元发展到400亿美元价值的公司，我们只用了12个月。”

在今年全球大流行背景下，几乎所有的商业和消费一夜之间切换到云端，造就了全球云计算空前绝后的大跃进。全球众多公司不得不急迫向AWS求助。

其间，AWS逆流而上，成为全球抗疫中流砥柱。包括完美支持Zoom用户从日均1千万陡然增长3亿洪峰。AWS云平台作为Moderna疫苗研发数据分析和机器学习工作负载的标准，力助Moderna成功推出95%高有效率新冠疫苗。

 

Andy Jassy补充说，新冠加速了云部署数年时间，AWS的增长继续以惊人的速度加速。

如今，AWS是世界第五大企业IT公司，排位在赫赫有名SAP和甲骨文等公司之前。目前AWS占有全球云市场份额45%，是排名第二的供应商微软Azure的两倍多。

然而，放眼全球IT市场。Andy Jassy指出：“我们不断提醒自己，我们是更广泛的全球市场的一部分，如果你看看全球IT在云端的总支出，目前只有4%。”

当天，Andy Jassy一共27个发布。或更加方便现代应用的开发和运营，或重新定义混合云。进一步，AWS正前瞻将其云堆栈推向边缘，并为开发人员提供现代可编程的基础架构平台，为边缘和物联网工作负载创建下一代应用平台。

部分重点摘要如下：

计算：实例-容器-无服务器

Andy Jassy指出，计算仍在不断被重塑，实例-容器-无服务器这三种主要的计算模式将继续存在。实例是运行计算的传统方式，尤其是在其应用程序中获取所有资源时。然后是诸如容器之类的较小的计算单元，人们可以在其中构建微服务，因为它可以使其移动得更快，更便携。第三个是事件驱动的无服务器计算，人们无需担心服务器或集群。

在这三种计算模式，AWS均有大无畏的创新与重塑。

新的Graviton c6gn实例

Graviton是AWS自己基于Arm上构建的芯片，第一代为A1。它确实适用于横向扩展工作负载，例如Web层工作负载。Jassy 说，人们喜欢这种芯片，其使用速度超预期。真是没有想到客户在EC2系列产品上对该芯片如此感兴趣。

第二版Graviton芯片Graviton2为客户提供的价格性能比其它供应商提供的最新一代x86处理器高40％。

 

在今天的主题演讲中，Jassy宣布了c6gn系列EC2实例，这些实例提供100 Gbps网络带宽，38 Gbps EBS（弹性块存储带宽），网络改进以及更具吸引力的性价比模型。与经典的c6g实例相比，这是一个巨大的进步（在某些情况下，性能可提高4倍以上）。

C6gn实例将提供各种规格，以满足客户的处理需求。这些实例将在本月下半月（2020年12月）上市。

其实，除了自有芯片外，AWS唯一一家使客户能够使用Intel，AMD和Arm芯片运行实例的云提供商。

 

航空开发商Boom超音速飞机XB-1成功在EC2 HPC集群上完成设计。创始人Blake Scholl对AWS充满信心，将500 TB以上的设计和测试数据移至AWS。从西雅图到东京仅4个半小时，如此神速，你心动了吗？

ECS Anywhere和 EKS Anywhere

ECS（弹性容器服务）和EKS（弹性Kubernetes服务）是AWS生态系统中的两个服务，专用于提供容器管理支持。当今最受欢迎的容器化产品是Docker，开发人员可以在其中使用易于设计的Dockerfile配置和启动其实例。

 

通过ECS Anywhere和EKS Anywhere，AWS桥接基于云和本地两者工作负载。该服务的目的是允许用户在自己的数据中心和硬件上运行ECS和EKS框架，是AWS对混合容器管理和运营的重大升级。

这些新产品解决了许多开发人员可能涉及的安全性问题。由此，客户可以将其数据保留并锁定在自己的数据中心。敏感度较低的工作负载始终可以在云中运行。

 

此外，基于客户需求AWS发布对EKS 开源。EKS Distro是由Amazon EKS部署的相同版本的Kubernetes的发行版，您可以使用它在任意选择的位置手动创建自己的Kubernetes集群。

EKS Distro提供了Amazon EKS使用的开源Kubernetes的可安装版本和代码，包括依赖项和AWS维护的补丁程序。使用选择的集群创建和管理工具，您可以在AWS上的Amazon Elastic Compute Cloud（EC2）上，其他云中以及本地硬件上创建EKS Distro集群。

Jassy说，在过去的几年中，客户已开始使用越来越小的计算单元（即容器和无服务器），而且增长非常惊人，而在云中运行的三分之二的容器运行在AWS上。

Lambda 毫秒级别结算

以前，Lambda通过四舍五入到最接近的百分之一毫秒来计算调用所花费的时间。这意味着，如果您的调用花费的时间少于5毫秒，则您仍需为整个100毫秒的时间付费。乍一看，这似乎可以忽略不计，但是如果您以非常快的速度进行足够的调用，则成本很快就会叠加失控。

按新发布，Lambda现在以毫秒级粒度计费。用户应通过ID查看新的“ Billed Duration”字段来反映其AWS控制台中的更新，该字段反映了所花费的确切毫秒数。这样计费更准确。特别是对于运行时间较短的lambda函数而言，毫秒计费分粒度模式将节省大量成本。客户省钱福音。

AWS Lambda再创新

使用Lambda的容器映像支持，无需考虑服务器就可以上传并运行代码。许多客户喜欢这种方法的工作方式，但是，如果客户已经为开发工作流投资了容器工具，那么使用相同的方法来使用Lambda构建应用程序并不容易。

 

为了帮助解决此问题，客户现在可以将Lambda函数打包和部署为最大10 GB的容器映像。

AWS Proton 全新的完全托管的容器和无服务器部署 

AWS Proton是第一个针对容器和无服务器应用程序的完全托管的应用程序部署服务。平台工程团队可以使用Proton连接和协调基础架构配置，代码部署，监视和更新所需的所有不同工具。

即使是最有能力的平台团队，使用不断变化的基础架构资源和连续集成/连续交付（CI / CD）配置来维护数百个（有时甚至数千个）微服务也是几乎不可能完成的任务。

 

AWS Proton通过为平台团队提供管理此复杂性和执行一致标准所需的工具来解决此问题，同时使开发人员可以轻松地使用容器和无服务器技术来部署其代码。

现在开发人员已经大量涌向了容器和无服务器计算。随着越来越小的组件，管理部署变得更加困难。AWS Proton解决了此问题，旨在简化无服务器和基于容器的微服务的部署过程，这些服务总体上被视为单个应用程序。

AWS Proton可以让用户根据模板定义“堆栈”。这些堆栈可以与其他团队共享，因此您可以始终如一地应用最佳实践。

使用Proton仪表板，您可以一次查看和部署堆栈，并根据需要在合适的位置进行基础架构升级。

这项新服务对为了解决新功能而需要处理数十个Lambda函数部署的人来说意义非同凡响。

数据存储

Aurora Serverless

Aurora是AWS的“数据库即服务”产品，可简化开发人员在创建，维护和扩展数据库方面的许多工作。使用Aurora serverless，用户不必使数据库实例保持24/7全天候运行（成本高），而是可以使用“无服务器”模型按需提供数据库数据。

 

客户需要更快的扩展，多可用区以及更好的全方位性能，这些新的Aurora Serverless v2中得以完美解决。

之前有一个潜在问题：Aurora Serverless的最大问题是它的 “冷启动”问题。冷启动意味着在数据库未收到任何流量的时间段内，它将在后台缩减数据库实例的数量。这意味着在经过一段时间的低流量之后，无论何时进行数据库调用，第一次调用都可能需要5到50秒。

按新的发布，Aurora Serverless的冷启动问题已得到最终解决。现在，即使在长时间的低流量或零流量情况下，用户也可以获得亚秒级的即时性能。

Babelfish for Aurora Postgres

这个发布直接对Microsoft挖角。在今年早些时候，Microsoft在修改使用许可时对非Azure云提供商有排它性。对此，Andy Jassy甚至直接暗示微软以竞争对手为重点，并不以产品为重点。

 

出于以客户为中心，Babelfish理解Aurora Postgres上基于Microsoft的TSQL和传统SQL。这项新服务使用户可以轻松地从SQL Server实例迁移到Postgres。

Babelfish为SQL Server提供了一个翻译层，使客户可以轻松地在SQL Server和Postgres之间切换，而无需停机。

这项新服务可以消除供应商在Microsoft用户尝试迁移到AWS时通常面临的锁定障碍。

机器学习

Sagemarker Data Wrangler

Sagemarker Data Wrangler解决了机器学习所需数据准备问题。开发人员通常需要先将数据采集，清理，转换和填写到其数据存储中，然后机器学习应用程序才能使用它们。

 

Sagemarker Data Wrangler使开发人员可以轻松将数据指向数据存储，并观看数据喂料流程识别其数据集中存在的各种数据类型。

随后，开发人员可以使用UI来组合，创建，预览并将转换应用于其数据集。最重要的是转换数据集所需的基础结构将自动配置和执行。

使用Data Wrangler，开发人员不再需要担心调配和部署基础架构来准备其数据的语义，只需简易使用AWS的工具即可。

Sagemaker Feature Store

机器学习模型由几个“特征”组成，这些特征描述了数据的特性。

功能存储其实充当开发人员用于创建，存储和共享在AWS上多个不同的基于ML的应用程序之间功能的存储库。通过Sagemaker Studio可以获得其功能，而且UI界面访问挺直观。

就机器学习语言而论，现在PyTorch已超赶TensorFlow，因为它更易于使用。许多开发商使用多个框架。

 

Sagemaker Pipelines

Sagemaker Pipelines是针对机器学习的持续集成/持续部署管道的首次探索。

尚不清楚此服务是否构建在AWS Code Pipelines之上，但听起来像是它的一个非常标准的CI / CD工具，该工具允许用户定义工作流，其中包含必须取得成功的步骤才能取得进展。

无论哪种方式，Sagemaker Pipelines都是推进ML领域更快的迭代、更短的开发周期令人鼓舞的改进。

Amazon DevOps Guru

发布推出完全托管的运营服务Amazon DevOps Guru，开发人员和运营商可以通过自动检测运营问题并推荐修复程序，轻松地提高应用程序可用性。

DevOps Guru应用了来自Amazon.com和Amazon Web Services（AWS）多年卓越运营经验的机器学习来自动收集和分析数据，例如应用程序指标，日志和事件，以识别与正常运营模式不同的行为。

 

一旦将行为识别为操作问题或风险，DevOps Guru会提醒开发人员和操作员该问题的详细信息，以便他们可以快速了解问题的范围和可能的原因。

DevOps Guru为解决问题提供了明智的建议，从而节省了解决问题的时间。使用DevOps Guru，无需部署硬件或软件，客户只需为分析的数据付费；没有前期成本或承诺。

Amazon QuickSight Q

发布Amazon QuickSight Q，这是一种由机器学习（ML）驱动的自然语言查询（NLQ）功能。借助Q，业务用户现在可以使用QuickSight以日常语言询问有关其数据的问题，并在几秒钟内收到准确的答案。

 

Amazon QuickSight是第一个具有按会话付费定价的商业智能（BI）服务。只需要使用自然语言提问，你可以得到BI甚至AI级别的答案，太爽！谷歌百度在干嘛？

Amazon Connect升级

由于流行性大流行，呼叫中心代理客服需要在家办公的需求比以往任何时候都大。AWS在此领域进行了大量投资，并开发了一些新的增强功能，以使呼叫中心的构建，管理和运营更加轻松。

第一项发布是Amazon Connect Wisdom。此功能可在呼叫进行时即时为代理汇总数据存储中的数据。代理不再需要使用多种工具和数据库来获取相关的客户信息，而可以自动将这些信息呈现给他们。

 

其次是Amazon Connect客户资料。通过此改进，可以在通话之前和通话期间主动获取更多与客户相关的信息。这意味着查询过去的呼叫历史，并将所有信息汇总到客服座席。

第三是Amazon Connect Tasks。它使自动，跟踪和管理联络中心座席任务变得容易。为联络中心经理提供了一个地方，可以在座席使用的不同应用程序中确定客户事务的优先级，进行分配和跟踪，以便他们专注于任何类型的最高优先级工作。

最后是Amazon Connect Voice ID。很讨厌打个客服电话，每次都要说一遍姓名，地址和其他所有信息。Connect Voice ID可以建立语音的音频足迹，方便代理可以自动识别您，致电时不再有烦人的问题。

必须指出，AWS一系列最新发布为机器学习简化与普及迈出重要一步。机器学习和AI的大众化是未来AWS重中之重。

混合云与边缘

 混合云到底是什么？混合到底在云端还是在本地？本地指数据中心，那餐馆、农场、工地、甚至战场它们算本地吗？如果它们是在本地，则它们的要求与本地数据中心的要求完全不同。

以Andy Jassy的最新的定义，AWS认为混合基础架构包括云以及其它各种边缘节点，其中本地数据中心就是其中之一。

 

Andy Jassy说，客户告诉我们，他们要使用我们的混合产品的方式是使用与他们在AWS区域中使用的相同的API，相同的控制平面，相同的工具和相同的硬件。

AWS新的发布无不反映这一大趋势。

两种新的AWS Outposts

新发布两种AWS Outposts，适用于空间受限且需要访问低延迟计算的分支机构，工厂，零售店，诊所，医院和蜂窝站点等场所容量。1U（机架单元）Outposts服务器将配备AWS Graviton 2处理器；2U Outposts服务器将配备英特尔®处理器。两种规格都将能够在本地运行EC2，ECS和EKS工作负载，所有工作负载均由AWS进行配置和管理（包括自动修补和更新）。

 

通过就地工作负载，AWS Outposts具有与AWS云服务相同的API，工具，控制平面和硬件，这种边缘与云的混合模式深受客户欢迎。

在连接受限的地方，AWS Wavelength还能够给予计算，存储和其他基础架构的5G应用支持。

Amazon Lookout

Amazon Lookout用于分析历史传感器数据以帮助检测设备故障。

运营工业设备的公司一直在努力提高运营效率，并避免由于组件故障而导致的计划外停机。Amazon Lookout for Equipment是一项基于API的机器学习（ML）服务，可检测异常设备行为并帮助公司监控其资产的运行状况。

相关的发布还有AWS Panorama Appliance，Amazon Monitron都是把机器学习和应用延伸到边缘。

新增AWS本地区域

今天宣布将再开放三个本地区域，并计划在2021年再开放十二个本地区域。

波士顿，休斯顿和迈阿密的本地区域现在以预览形式提供，计划在2021年在其他主要城市和大都市地区（包括纽约市，芝加哥和亚特兰大）开放本地区域。

 

AWS正在选择目标城市，其目的是允许美国大陆上的绝大多数用户提供毫秒级延迟访问，以部署对本地区域中的延迟最敏感的应用程序，并为用户提供出色的性能。

如果你看看亚马逊正在和要干的那些包罗万象的事，包括最近推出的网上药店。再想想AWS不断升级的产品和服务，以及今天的发布，母子同出一辙，形影相同。你不难预见，AWS岂止于公有云，只要有利于改进客户的生产力，提高客户业务效率，并最终优化客户体验，数字未来AWS将无所不及。