AWS以客户为中心的进化,推动传统企业上云和机器学习

AWS以客户为中心的进化,推动传统企业上云和机器学习
进入到2018年,已经是最早从2006年AWS开始的云计算第12个年头,如果你以为全球市场开始显现疲态,那就大错特错了。2018年6月18日,市场调查公司Synergy Research Group公布了全球2018年第一季度公共云基础设施市场调查,令人意外的是,通常为淡季的第一季度却出现了强劲增长。Synergy Research Group说,这是近9个季度以来增长势头最高的一个季度,比2017年同期增长了32%!而过去9个季度平均每季度也只增长10-20%。

在以服务器、存储、网络、安全和基础设施软件为主的公共云基础设施市场中,2018年第一季度ODM占据了25%的市场份额,即大型公共云服务商自行设计并委托外包生产的硬件。Synergy Research Group就此评价,这意味着超大规模公共云服务商正在不断扩大基础设施。而Synergy Research Group的预测是未来五年的IaaS、PaaS、SaaS和公共云负载将不断增长,这将带来数据中心基础设施的“水涨船高”。

作为全球最大的公共云服务商,AWS在2018年也进入了新的发展阶段。最新2018年第一季度的亚马逊财报指出,AWS作为软件业务已经成熟。从面向小型初创企业的随用随付费服务发展成为面向企业客户的多年合同模式,在2018年第一季度财报中还有至少124亿美元的未来收入,即没被计入收入的已签署合同总价值,这说明了AWS与企业客户的多年合同关系。而这正是AWS不断发展的逻辑的结果:以客户为中心的进化。

持续以客户为中心进化

AWS以客户为中心的进化,推动传统企业上云和机器学习

众所周知,AWS的设计思想就是以客户为中心。最著名的例子,莫过于在一项产品或服务还没有开发之前,先写好新闻稿。

2018年6月29日,在AWS技术峰会2018上海站期间,亚马逊AWS首席云计算企业顾问张侠再次强调了这一做法:AWS在开发任何一个产品项目之前,第一件事是先把新闻发布稿写好,第二把关于新闻发布稿的问答做好,第三再写好用户手册;这些都做到之后,领导团队再去评估立项申请;如果认可就立项,给予相应资源和资金,然后就开始项目。

张侠再次重申:“这是AWS以客户为中心的一套方法,我们不是简单的看竞争对手在做什么、说了什么,也不了解他们的策略。我们会专注于客户的需求、市场的需求,帮助客户成功。甚至,连我们自己的财务指标都不是重要的,我们就是把自己做好。”

实际上,到了2018年,AWS以客户为中心的做法也有了进化。在AWS CTO Werner Vogels的最新博客文章中,介绍了这一最新进展。大家都知道,AWS在近年来陆续推出了多种数据库,在AWS技术峰会2018上海站期间也强调,截止目前AWS在全球已经帮助超过78000套不同类型的数据库通过AWS DMS数据库迁移工具迁移至云上,Amazon Aurora是AWS历史上增长最快的服务。作为经典的关系型数据库管理服务,Airbnb就采用了Aurora构建高性能、高可扩展的应用,Aurora也帮助Airbnb全面管理和运行其MySQL工作负载。

但在另一方面,通过AWS长期的运营,也发现没有一种数据库可以通吃所有应用。开发者们正在使用多种面向特定应用场景的数据库,来构建高度分布式应用。这其实也是开发者的通常作法,即把一个复杂应用切分成若干小部分,再用最好的工具解决每一个小部分的问题,而最好的工具往往是根据每个场景而量身定制。

这就是今天AWS提供六大数据库服务的原因。这六大数据库服务包括:关系型数据库服务Amazon Aurora和Amazon RDS、Key-Value型Amazon DynamoDB、Document型Amazon DynamoDB、Graph型Amazon Neptune、In-memory内存型Amazon ElastiCache for Redis & Memcached、Search搜索型Amazon Elasticsearch Service。

以DynamoDB为例,当初之所以开发这个数据库服务,是因为在支撑Amazon.com快速扩展的时候,已经突破了传统商业数据库的极限,而经过仔细分析后却发现原来70%的运营需求是Key-value型数据的查询,且只需要返回含有主Key值的一行数据即可。于是AWS工程师们意识到,这样大规模的特定需求,需要一种不同类型的数据库,这就是非关系型数据为DynamoDB的源起。

DynamoDB以及其它AWS数据库服务的出现,都是为了满足针对不同应用场景的数据库服务需求,而数据库也需要为了特定目标而构建,从而帮助开发者实现高性能、可扩展的应用。这些的背后,说明AWS在持续把云上用户的需求进行同类归并,达到一定规模后即从技术角度反向推导和设计新的产品与服务。

传统企业持续上AWS

AWS以客户为中心的进化,推动传统企业上云和机器学习

正如今年第一季度财报所揭示的那样,现在AWS的用户群正从小型创业公司转向大型多年期企业客户。

在AWS技术峰会2018上海站活动上,西门子(中国)有限公司执行副总裁 Markus Mildner介绍了西门子与AWS的全球合作伙伴关系。在西门子推出的基于云的开放式物联网操作系统MindSphere中,应用了超过40项AWS服务,MindSphere也运行在AWS之上。

Werner Vogels在AWS技术峰会2018上海站上强调,“现在,没有什么应用不能被迁移到云上。”AWS已经提供了六大类数据库云服务,其中就有针对企业级应用的数据库。Johnson&Johnson就采用了Amazon RDS、DynamoDB和Amazon Redshift数据仓库来最小化收集和提供数据的时间和精力,以便从数据中快速发展洞察。AWS的数据库服务正帮助Johnson&Johnson管理医师的工作流程、优化供应链以及开发新的药品。金融机构Captial One也在使用Amazon RDS存储交易数据,使用Amazon Redshift存储网站日志以便分析时的数据整合,使用DynamoDB存储用户数据以便用户可以从Captial One的APP应用上快速获得自己的信息。

在中国,一家以算法驱动创新的药物科技公司晶泰科技,与AWS从2015年下半年开始合作至今,在AWS上运行计算密集型任务。

晶泰科技的技术中包含有大量的量子物理、人工智能算法,是一个典型的计算密集型产品和服务,晶泰科技大量使用了亚马逊AWS的竞价实例spot instance。晶泰科技基于最前沿的计算物理、量子化学、分子动力学、人工智能与云计算等技术,为药企提供快速、精确的智能化药物研发科技,通过药物模拟来显著提高药物发现与发展关键环节的效率与成功率,降低研发成本,晶泰科技目前已与多家世界顶级药企与科研机构建立深度合作。

实际上药品研发有着相当长的周期,可达10-20年,而临床前的研发就可达约七八年。晶泰科技从药物晶体预测角度切入药品研发,药物晶型是药物研发从化合物确定到临床实验的中间环节,传统上要经过漫长的实验试错,企业在这个环节需要一个可以进行后续药品筛选的预测工具,以提高整体研发效率。所谓药物晶型预测,就是对同一种药物分子的不同晶体结构以及其稳定性、安全性等进行计算预测,并以此为基础,分析药物分子非常关键的、影响后续是否能够研发成功的物理、化学、生物和药物等重要的特征。根据晶泰科技的预测,药企再用更具有针对性的实验进行验证,缩短研发周期。2018年5月,晶泰科技与辉瑞制药达成战略研发合作,建立小分子药物模拟算法平台,提高算法的精确度和适用广泛度,驱动小分子药物的创新。

晶泰科技CEO马健在AWS技术峰会2018上海站活动上表示,“亚马逊的竞价实例是最开始非常吸引我们的一点。在保证效率的同时,也最大化降低了成本。”马健认为AWS的竞价实例很适合高性能计算任务,而AWS整体对晶泰科技来说有三方面优势:首先是庞大、稳定和海量的计算资源;其次是吞吐数据的处理能力,因为晶泰科技的计算过程也会涉及到海量数据的吞吐和分析;第三是安全性能,因为晶泰科技大部分的客户对象是海外大型药企,对于数据安全的要求非常高,而AWS的安全性在整个工业界受到广泛认可。

除了晶泰科技的高性能计算任务外,AWS还服务于全球以及中国多家大型企业以及政府机构。AWS与也VMware、SAP、IBM等合作,提供企业级应用和解决方案,以满足企业客户的需求。

持续改进机器学习服务

AWS以客户为中心的进化,推动传统企业上云和机器学习

AWS在机器学习和人工智能方向除了推出自己的技术与算法外,也以客户为中心优化和简化了开发者使用机器学习进行开发和管理的难度。

2018年4月,AWS宣布数以万计的客户正在使用AWS机器学习服务,活跃用户数量比去年增长250%以上,这主要得益于AWS re:Invent 2017以来Amazon SageMaker被广泛采用。SageMaker是AWS re:Invent 2017上推出的全托管机器学习服务,开发者只需关心数据、机器学习框架和算法即可,其它参数调优等工作都 SageMaker自动完成。

早在2016 AWS re: Invent上就集中发布了AWS的AI产品线,包括文本到语音转换服务Amazon Polly、基于深度学习的图像和人脸识别服务Amazon Rekognition以及可编写自然人机交互的Amazon Lex。2017 AWS re: Invent上进一步发布了Amazon Rekognition Video实时及批量视频分析服务、Amazon Transcribe 自动语音识别文字记录服务、Amazon Translate 自动多语种文字翻译服务、Amazon Comprehend全托管自然语言处理理解服务、Alexa for Business等人工智能和机器学习服务。

特别是2017 AWS re: Invent上推出的首个深度学习摄像头DeepLens,这是AWS继Echo智能音箱后进入又一个新的智能硬件品类。除了预置优化的MXNet框架、支持AWS Greengrass物联网边缘计算核心功能外,还可与多种AWS云服务结合起来,极大降低了人工智能和机器学习应用的开发门槛。

实际上,AWS推出的所有机器学习服务与产品,都是以客户为中心进行持续改进和优化。英语流利说是一款流行的英语口语学习应用,旗舰APP“英语流利说”的注册用户数已逾7000万人,付费用户超百万。在机器学习方面,英语流利说联合创始人兼首席技术官胡哲人介绍,流利说的机器学习团队主要集中在TensorFlow上,但不论是否采用TensorFlow算法,更为重要和本质的是数据和计算能力。而使用数据,这就涉及到权限管理。AWS有一个很有特色的IAM(Identity & Access Management,身份认证与访问控制服务),是一个很好用的权限系统。之前,流程说采用自己的离线计算集群时,把数据从云平台上抓到自己机房时,就需要自己做复杂的权限管理;但现在改用AWS后,只需要把数据传到云,AWS自然有一套贯穿VPC、EC2、S3整个计算体系的IAM系统,流利说的机器学习团队就可以更加集中精力于算法和应用开发本身。

英语流利说的体验再次说明,AWS的优势是整个AWS技术体系的综合优势。例如AWS Glue是完整的数据目录和ETL服务,让企业和开发者可以轻松的在AWS各类存储服务之间调用数据,在AWS的存储和数据库服务与AWS的分析和机器学习服务之间建立无缝连接。Werner Vogels在AWS技术峰会2018上海站活动上强调,AWS Glue让各类企业都可以在数据分析的帮助下获得成功。

AWS目前可以提供125种云服务,超过4200种功能特性,以及2300多种第三方产品。AWS公有云服务覆盖全球18个区域,开设了55个可用区,包含100多个节点。在中国,AWS已经有由光环新网运营的AWS中国(北京)区域,以及2017年12月上线的由西云数据运营的AWS中国(宁夏)区域。在过去一年中,AWS北京和宁夏区域推出了超过16种主要服务,包含150多项服务及功能更新。

时间虽然到了2018年,AWS已经进入了第12个年头,但显然AWS仍然以客户为中心不断进化以满足提升用户体验、降低用户成本、更具强创新能力的需求。从以客户为中心的角度来说,AWS的进化永无止境。(文/宁川)

附:8月9日举行的AWS技术峰会(北京)开始注册

注册链接:

https://awssummit.cn?tc=Smx21V7H4J

相关文章
相关标签/搜索