原標題：亞馬遜云科技云原生數(shù)據(jù)戰(zhàn)略更新，幫助客戶更好地釋放數(shù)據(jù)的價值
本次2022亞馬遜云科技re:Invent全球大會聚焦于數(shù)據(jù)、安全、計算性能和行業(yè)應(yīng)用四個方向，并在這四大方向上陸續(xù)發(fā)布了相應(yīng)的新服務(wù)和新功能。下面就來詳細看一下數(shù)據(jù)治理方面的解讀。
數(shù)據(jù)治理方面，亞馬遜云科技在此前Lake Formation的基礎(chǔ)上，又新增了一項新的數(shù)據(jù)治理服務(wù)Amazon DataZone，可以幫助企業(yè)對內(nèi)部數(shù)據(jù)進行編目、發(fā)現(xiàn)、共享和治理。在機器學(xué)習(xí)治理方面，亞馬遜云科技發(fā)布了Amazon SageMaker Governance，可以在數(shù)分鐘內(nèi)自定義用戶的權(quán)限、集中模型信息和文檔、集中監(jiān)控模型的性能。
本次2022亞馬遜云科技re:Invent全球大會中關(guān)于云原生數(shù)據(jù)戰(zhàn)略更新，網(wǎng)宿跨境電商大數(shù)據(jù)解決方案結(jié)合DataZone及Zero ETL新特性，可以幫助客戶更好地釋放數(shù)據(jù)的價值。
網(wǎng)宿跨境電商大數(shù)據(jù)解決方案基于Amazon Well-Architected框架設(shè)計大數(shù)據(jù)平臺云架構(gòu)，實現(xiàn)端到端數(shù)據(jù)存儲、數(shù)據(jù)處理、數(shù)據(jù)消費完整流程。實現(xiàn)商品更精準、更快捷地觸達，通過智能搜索匹配到新需求而提升銷量。本方案能夠幫助企業(yè)及時了解區(qū)域消費者的特征與需求，更準確地判斷市場行情，及時把握海外流行趨勢，快速改進及商品的設(shè)計和上架。運營層面，通過大數(shù)據(jù)，可以進行BI分析、銷售預(yù)測、制定精準營銷策略與活動，實現(xiàn)高效決策和業(yè)務(wù)創(chuàng)新，加強品牌知名度的塑造。
安全一直被亞馬遜視為重中之重，此次亞馬遜也同時發(fā)布了多項安全相關(guān)的服務(wù)。借助Amazon Verified Permissions應(yīng)用程序開發(fā)人員可以讓其終端用戶管理權(quán)限并共享數(shù)據(jù)訪問權(quán)限。例如，應(yīng)用程序開發(fā)人員可以使用Amazon Verified Permissions來定義和管理精細權(quán)限，以確定哪些Amazon Cognito用戶可以訪問哪些應(yīng)用程序資源;Amazon Security Lake自動將來自云、本地和自定義來源的安全數(shù)據(jù)集中到一個專門構(gòu)建的數(shù)據(jù)湖中，存儲在用戶的賬戶中。
通過Security Lake，用戶可以輕松分析安全數(shù)據(jù)，從而更全面地了解整個組織中的安全性;Amazon GuardDuty RDS Protection現(xiàn)在可以為Amazon Aurora提供威脅檢測，以識別對存儲在Aurora數(shù)據(jù)庫中的數(shù)據(jù)的潛在威脅;Amazon KMS推出了External Key Store(XKS)，一項面向希望通過存儲在受其控制下的外部密鑰管理系統(tǒng)中的加密密鑰來保護數(shù)據(jù)的客戶的新功能。該功能客戶能夠在Amazon之外的外部密鑰管理系統(tǒng)中使用加密密鑰、獨立授權(quán)和審核來加密或解密數(shù)據(jù);Amazon Macie推出自動化敏感數(shù)據(jù)發(fā)現(xiàn)功能可以自動、智能地對S3桶中的對象進行采樣和分析，從而檢查其中的敏感數(shù)據(jù)，例如個人身份信息(PII)、財務(wù)數(shù)據(jù)和Amazon憑證。
亞馬遜云科技從2013年就開始了自研芯片的戰(zhàn)略，目前亞馬遜云科技的芯片自研路線分為虛擬化芯片Nitro、云原生處理器芯片Graviton、機器學(xué)習(xí)訓(xùn)練芯片Tranium和推理芯片Inferentia。本次大會自研芯片又進一步升級，新一代Nitro5性能提升60%、延遲減低30%，同時能耗降低40%;Amazon Graviton3芯片相較于x86提升60%的性價比，比Graviton2性能提升25%，本次新推出的C7gn和HPC7g實例使用Graviton3E處理器，是整個Graviton家族中性能最強的處理器，與Graviton3對比性能增強2倍;訓(xùn)練芯片新推出Trn1n實例，網(wǎng)絡(luò)吞吐優(yōu)化至1600Gbps，非常適合超大模型的分布式訓(xùn)練;推理方面新增Inf2實例，吞吐量提高4倍，延遲降低至1/10。
投稿郵箱：chuanbeiol@163.com 詳情請訪問川北在線：http://dstuf.com/
