整理花了很多时间,CCP不需要知道这么多,还是刷题吧,至于题目嘛~~
Machine Learning … 42
Amazon SageMaker 是一项完全托管的服务,可以帮助开发人员和数据科学家快速构建、训练和部署机器学习 (ML) 模型。SageMaker 完全消除了机器学习过程中每个步骤的繁重工作,让开发高质量模型变得更加轻松。
传统的 ML 开发是一个复杂、昂贵、迭代的过程,而且没有任何集成工具可用于整个机器学习工作流程,这让它难上加难。您需要将工具和工作流程拼接在一起,这既耗时又容易出错。SageMaker 在单个工具集中提供了用于机器学习的所有组件,让这一难题迎刃而解,因此模型将可以通过更少的工作量和更低的成本更快地投入生产。
Amazon SageMaker Ground Truth 可帮助您快速构建用于机器学习的高准确度培训数据集。SageMaker Ground Truth 通过 Amazon Mechanical Turk 提供对标签机的便捷访问,并为它们提供内置的工作流程和接口以便执行常见的标记任务。您还可以使用自己的标签机或通过 AWS Marketplace 联系 Amazon 推荐的供应商。此外,SageMaker Ground Truth 通过使用自动标记功能,最多可降低 70% 的标记成本。自动标记的工作原理如下:根据人工标记的数据培训 Ground Truth,从而使服务学会独立标记数据。
成功的机器学习模型建立在大量的高质量培训数据的基础之上。但是,创建构建这些模型所需的培训数据的过程通常十分昂贵、复杂和耗时。今天创建的大多数模型都需要人工以手动方式标记数据,从而使模型学习如何做出正确决策。例如,构建一个足够可靠的计算机视觉系统来识别物体(例如交通信号灯、停车标志和行人)需要数千小时的视频录像,其中包括数亿个视频帧。在您要开发的模型上开始任何工作之前,需要一一人工标记这些帧的所有重要元素,比如道路、其他汽车和标牌。
Amazon SageMaker Ground Truth 大大减少了为培训创建数据集所需的时间和精力,从而降低了成本。这些节省都是通过使用机器学习自动标记数据来实现的。通过不断学习人工标识器创建的标签,随着时间的推移,该模型将能够逐渐变得越来越好。
如果标记模型基于其迄今所学的内容认为其结果的置信度较高,则它将自动将标签应用于原始数据。如果标记模型认为其结果置信度较低,它会将数据传递给人工标识器进行标记。人工生成的标签将提供回标记模型,供其进行学习和改进。随着时间的推移,SageMaker Ground Truth 可以自动标记越来越多的数据,并大大加快创建培训数据集的速度。
Amazon Comprehend 是一项自然语言处理 (NLP) 服务,可通过机器学习发现文本中的见解和关系。不需要有机器学习经验。
在您的非结构化数据中可能存在一个宝库。通过客户电子邮件、支持票证、产品评论、社交媒体甚至广告文案,都可以深入了解可以为您的企业服务的客户情感。问题是如何实现它? 事实证明,机器学习特别擅长准确识别大量文本中的特定感兴趣项目(例如在分析员报告中查找公司名称),并且可以学习隐藏在语言中的情感(识别负面评论或客户与客户服务代理的积极互动),规模几乎无限。
Amazon Comprehend 使用机器学习来帮助您发现非结构化数据中的见解和关系。该服务可以识别文本语言,提取关键短语、地点、人物、品牌或事件信息,理解文本语义的肯定或否定含义,使用分词断句和词性分析文本,还可以自动按照主题整理一组文本文件。您还可以在 Amazon Comprehend 中使用 AutoML 功能来构建一组自定义实体或文本分类模型,这些实体和模型可根据您组织的需求进行专门定制。
您可以使用 Amazon Comprehend Medical 从非结构化的文本中提取复杂的医学信息。此服务可以从医生笔记、临床试验报告以及患者健康记录等多种来源识别医学状况、药物、剂量、使用强度和频率等医学信息。Amazon Comprehend Medical 还可识别所提取药物和试验、治疗和程序信息之间的关系,从而更加方便分析。例如,此服务可识别从非结构化的临床笔记中与特定有关的特定剂量、使用强度和频率。
Amazon Comprehend 是完全托管的,因此无需预配置服务器,也无需构建、培训或部署机器学习模型。您只需按您的实际使用量付费;既没有最低费用,也无需预付费。
Amazon Lex 是一种使用语音和文本在任何应用程序中构建对话界面的服务。Amazon Lex 提供先进的自动语音识别 (ASR) 深度学习功能,可以将语音转换为文本,还提供自然语言理解 (NLU) 功能,可以识别文本的意图,让您能够构建用户体验极具吸引力且会话交互逼真的应用程序。Amazon Lex 正是 Amazon Alexa 所采用的深度学习技术,现在可供所有开发人员使用,从而使您能够轻松快速地构建出成熟的自然语言对话机器人(“聊天机器人”)。
语音识别和自然语言理解是计算机科学领域需要解决的一些最具挑战性的问题,需要根据大量数据和基础设施培训复杂的深度学习算法。Amazon Lex 让所有开发人员都能够利用 Alexa 的强大功能,使这些深度学习技术得以普及。利用这些技术,Amazon Lex 让您能够开发出支持对话界面的全新产品。
Amazon Lex 是一种完全托管的服务,可以自动扩展,因此您无需担心基础设施的管理事宜。使用 Amazon Lex 时,您只需按实际用量付费。不存在预先承诺和最低费用。
Amazon Polly 是一种将文本转换为逼真语音的服务,它允许您创建能够说话的应用程序,并构建全新类别的支持语音功能的产品。Polly 的文本转语音 (TTS) 服务使用高级深度学习技术来合成听起来像自然人类语言的语音。Amazon Polly 提供众多语言的几十种逼真语音,您可以构建适用于许多不同国家/地区的具有语音功能的应用程序。
除了标准 TTS 语音外,Amazon Polly 还提供神经文本转语音 (NTTS) 声音,通过全新的机器学习方法提高语音质量。此外,Polly 的神经 TTS 技术支持两种说话风格,使您能够更好地将演讲者的说话风格与应用程序匹配:一种是针对新闻叙述用例量身定制的新闻主播阅读风格,一种是适用于双向通信应用程序(如电话应用程序)的对话式说话风格。
最后,Amazon Polly 的“品牌之声”功能可以为组织打造定制语音。这是一个定制项目,您将与 Amazon Polly 团队合作,为您的组织量身打造专属 NTTS 语音。单击此处了解更多信息。
使用经过验证的、高度可扩展且无需机器学习专业知识就可使用的深度学习技术,Amazon Rekognition 可以轻松将图像和视频分析功能添加到您的应用程序中。借助 Amazon Rekognition,您可以在图像和视频中识别对象、人物、文本、场景和活动,也可以检测任何不适宜的内容。Amazon Rekognition 还提供高度精确的面孔分析和面孔搜索功能,您可以使用这些功能来检测、分析和对比面孔,以处理各种用户验证、人员计数和公共安全使用案例。
借助 Amazon Rekognition 自定义标签,您可以识别图像中特定于您的业务需求的对象和场景。例如,您可以构建模型来对装配线上的特定机器部件进行分类,或检测运行状况不佳的设备。Amazon Rekognition 自定义标签可以帮您完成繁重的模型开发工作,因此您无需具备机器学习经验。您只需提供想要识别的对象或场景的图像,剩下的工作都交由此项服务处理。
Amazon Translate 是一项神经网络机器翻译服务,可提供快速、高质量且经济实惠的语言翻译。神经网络机器翻译是一种语言翻译自动化形式,采用深度学习模型,可以提供比基于规则的传统统计式翻译算法更准确、更自然的翻译。利用 Amazon Translate,您可以对面向国际用户的网站和应用程序等内容进行本地化,并轻松高效地翻译大量文字。
Amazon Transcribe 可让开发人员轻松地为其应用程序添加语音转文本功能。搜索和分析音频数据对于计算机而言几无可能。因此,需要先将录制的语音转换成文本,然后再将文本用于应用程序中。以往,客户不得不与转录提供商合作。提供商会要求客户签署昂贵的合同,同时也难以集成到客户的技术堆栈中以完成转录任务。许多提供商都使用过时的技术,无法很好地适应不同的情况(例如联络中心常见的低保真度通话录音),从而导致转录准确性较差。
Amazon Transcribe 使用一种称为自动语音识别 (ASR) 的深度学习过程,快速准确地将语音转换为文本。Amazon Transcribe 可用于转录客户服务电话、自动添加隐藏式屏幕文字和对白字幕,以及为媒体资产生成元数据以创建完全可搜索的存档。 您可以使用 Amazon Transcribe Medical 将医疗语音转文本功能添加到临床文档应用程序。
借助 Amazon Elastic Inference,您可以将低成本 GPU 驱动的加速附加到 Amazon EC2 和 Sagemaker 实例或 Amazon ECS 任务,以将运行深度学习推理的成本降低多达 75%。Amazon Elastic Inference 支持 TensorFlow、Apache MXNet、PyTorch 和 ONNX 模型。
推理是使用经过训练的模型做出预测的流程。在深度学习应用程序中,推理最高占总运营成本的 90%,其原因有二。首先,独立 GPU 实例通常专为模型培训而设计,而非用于推理。虽然训练作业可并行批量处理数百个数据样本,但推理作业往往会实时处理单个输入,因而仅占用少量 GPU 计算。这使得独立 GPU 推理成本高且效率低。另一方面,独立 CPU 实例不是专为矩阵操作提供的,因此对于深度学习推理来说过于缓慢。其次,不同模型对 CPU、GPU 和内存的要求也各不相同。针对某项资源进行优化可能导致其他资源利用率低下,成本增高。
Amazon Elastic Inference 可以解决这些问题,方法就是允许您将适当数量的 GPU 驱动的推理加速连接到任何 EC2 或 SageMaker 实例类型或 ECS 任务,而无需更改代码。借助 Amazon Elastic Inference,您可以针对您的应用程序的整体计算和内存需求在 AWS 中选择最适用的 CPU 实例,然后再分别配置所需量级的 GPU 驱动推理加速,从而有效利用资源,降低成本。
Amazon Forecast 是一项完全托管的服务,使用机器学习来提供高度准确的预测。
如今,各公司都在尝试使用各种工具(从简单的电子表格到复杂的财务规划软件)来准确预测未来的业务成果,如产品需求、资源需求或财务绩效。这些工具通过查看历史系列数据(称为时间序列数据)来构建预测。例如,此类工具会查看之前的雨衣销售数据,并根据“未来由过去决定”这一基本假设,尝试预测雨衣的未来销售。这种方法很难为具有不规则趋势的大型数据集生成准确的预测结果。此外,它也无法轻松地将随时间变化的数据系列(例如价格、折扣、网络流量和员工数量)与相关的独立变量(如产品功能和商店位置)结合起来。
Amazon Forecast 以 Amazon.com 使用的相同技术为基础,利用机器学习将时间序列数据与其他变量相结合,以获得预测结果。使用 Amazon Forecast 无需具备任何机器学习经验。您只需要提供历史数据,以及您认为可能会影响预测结果的任何其他数据。例如,对衬衫的特定颜色的需求可能会随着季节和商店位置而变化。这种复杂的关系很难单独确定,但机器学习能够很好地进行识别。在您提供数据后,Amazon Forecast 会自动检查这些数据,识别有意义的内容,并生成一个预测模型,该预测模型的预测准确度要比单独查看时间序列数据高出 50%。
Amazon Forecast 是一项完全托管的服务,因此无需预置服务器,也无需构建、培训或部署机器学习模型。您只需按实际使用量付费,没有最低费用,也无需预付费用。
Amazon Textract 是一项从扫描的文档中自动提取文本和数据的服务。Amazon Textract 的功能不只是简单的光学字符识别 (OCR),它还可以识别表单中字段的内容和表格中存储的信息。
目前,许多公司通过手动输入数据从文档和表单中提取数据(速度缓慢且成本高昂),或者通过简单光学字符识别 (OCR) 软件(需要手动自定义或配置)提取数据。每次更改表单或处理多个表单时,都需要对每个文档和表单的规则和工作流进行硬编码和更新。如果表单不匹配规则,输出内容通常是混乱的,无法使用。
Amazon Textract 通过使用机器学习即时“读取”几乎任何类型的文档来准确提取文本和数据,而无需任何人工操作或自定义代码,从而克服了这些障碍。借助 Textract,您可以快速自动执行文档工作流,数小时可处理数百万个文档页面。捕获到信息后,您可以在业务应用程序中对其执行操作,以便启动贷款申请或医疗索赔处理的后续步骤。此外,您还可以创建智能搜索索引,构建自动批准工作流,并通过标记可能需要校订的数据,更好地保持对文档存档规则的符合性。
结合 Amazon Augmented AI (Amazon A2I) 后,您可以通过内置人工审核来管理需要人工判断的细微或敏感工作流,从而取得高确信度的预测或对预测进行持续审计。了解更多有关 将 Amazon A2I 与 Amazon Textract 结合使用的更多信息。
Amazon Personalize 就像拥有自己的 Amazon.com 机器学习推荐团队一样,全天 24 小时为您效劳。
基于 20 多年的推荐经验,Amazon Personalize 支持您提供个性化的产品和内容推荐以及有针对性的营销促销活动,从而提高客户参与度。通过机器学习,Amazon Personalize 为您的网站和应用程序创建更高质量的推荐。即使以前没有任何的机器学习经验,您也可以开始使用简单的 API,只需单击几下即可轻松构建复杂的个性化功能。Amazon Personalize 将处理和检查您的数据,确定有意义的内容,允许您选择机器学习算法,并根据您的数据训练和优化自定义模型。您所有的数据都经过加密以确保私有和安全,仅用于为用户创建推荐。
您只需按实际使用量付费,没有最低费用,也无需预付费用。
AWS Deep Learning AMI 可以为机器学习从业人员和研究人员提供基础设施和各种工具,从而加快在云中进行任意规模的深度学习的速度。您可以快速启动预先安装了常见深度学习框架和界面(如 TensorFlow、PyTorch、Apache MXNet、Chainer、Gluon、Horovod 和 Keras)的 Amazon EC2 实例来训练复杂的自定义 AI 模型、试验新算法或学习新技能和技巧。
无论您需要 Amazon EC2 GPU 还是 CPU 实例,都无需为 Deep Learning AMI 支付额外费用,您只需为存储和运行应用程序所需的 AWS 资源付费即可。
AWS DeepLens面向开发人员的全球首个支持深度学习的摄像机
AWS DeepRacer通过基于云的 3D 赛车模拟器、由强化学习驱动的全自动 1/18 比例赛车和全球赛车联盟亲身体验机器学习。
Apache MXNet 是一种快速并且可扩展的训练与推理框架,附带简单易用的机器学习 API。
MXNet 采用 Gluon 接口,让各种技能水平的开发人员都可以在云、边缘设备和移动应用程序上进行深度学习。只需编写几行 Gluon 代码,您就可以构建线性回归、卷积网络和复现 LSTM,用于实现对象检测、语音识别、建议和个性化。
您可以在 AWS 上利用 Amazon SageMaker 这个可以大规模构建、训练和部署机器学习模型的平台开始使用具有完全托管体验的 MXNet。或者,您可以使用 AWS 深度学习 AMI,通过 MxNet 以及其他框架(包括 TensorFlow、PyTorch、Chainer、Keras、Caffe、Caffe2 和 Microsoft Cognitive Toolkit)来构建自定义环境和工作流程。
TensorFlow™ 让开发人员能够快速轻松地在云中开始使用深度学习。这一框架已在业界得到广泛支持,成为深度学习研究和应用程序开发的热门选择,尤其在计算机视觉、自然语言理解和语言转换等领域。
您可以在 AWS 上开始体验完全托管的 TensorFlow 和 Amazon SageMaker,后者是一个可大规模构建、训练和部署 Machine Learning 模型的平台。您还能使用 AWS Deep Learning AMI 来构建自定义环境和工作流程,从而使用 TensorFlow 和其他常见的框架,包括 Apache MXNet、PyTorch、Caffe、Caffe2、Chainer、Gluon、Keras 以及 Microsoft Cognitive Toolkit。
对加速深度学习的需求在快速增长,并且跨越了广泛的应用领域。个性化搜索建议、动态定价或自动化客户支持等应用程序越来越复杂,其生产成本越来越高。随着越来越多的应用程序嵌入机器学习功能,需要加速的工作负载比例越来越高,其中包括需要低延迟、实时性能的工作负载。这些应用程序受益于为执行机器学习算法而优化的基础设施。
AWS 的愿景是将深度学习普及给日常开发人员,并推广以低成本、即用即付型使用模型提供的前沿硬件。AWS Inferentia 是帮助我们实现这一愿景的重要一步和一份承诺。AWS Inferentia 旨在提供云中的高性能推理,降低推理的总成本,并使您能够轻松地将机器学习集成为标准应用程序特性和功能的一部分。AWS Inferentia 附带 AWS Neuron 软件开发工具包 (SDK),该工具包由编译器、运行时和分析工具组成。它支持使用基于 AWS Inferentia 的 Amazon EC2 Inf1 实例执行在常用框架(例如 Tensorflow、PyTorch 和 MXNet)中创建和训练的复杂神经网络模型。
Management and Governance…52
Amazon CloudWatch 是一种面向开发运营工程师、开发人员、站点可靠性工程师 (SRE) 和 IT 经理的监控和可观测性服务。CloudWatch 为您提供相关数据和切实见解,以监控应用程序、响应系统范围的性能变化、优化资源利用率,并在统一视图中查看运营状况。CloudWatch 以日志、指标和事件的形式收集监控和运营数据,让您能够在统一查看在 AWS 和本地服务器上运行的资源、应用程序和服务。您可以使用 CloudWatch 检测环境中的异常行为、设置警报、并排显示日志和指标、执行自动化操作、排查问题,以及发现可确保应用程序正常运行的见解。
AWS Auto Scaling 可以监控您的应用程序并自动调整容量,从而以尽可能低的成本来保持稳定、可预测的性能。使用 AWS Auto Scaling,您可以在几分钟内为多项服务中的多个资源轻松设置应用程序扩展。该服务可以提供一个简单而功能强大的用户界面,让您可以为 Amazon EC2 实例和 Spot 队列、Amazon ECS 任务、Amazon DynamoDB 表和索引以及 Amazon Aurora 副本等资源制定扩展计划。AWS Auto Scaling 可以提供建议,让您能够优化性能、成本或实现二者的平衡,从而使扩展变得简单。如果您已经在使用 Amazon EC2 Auto Scaling 来动态扩展 Amazon EC2 实例,那么现在可以将其与 AWS Auto Scaling 结合使用,为其他 AWS 服务扩展其他资源。有了 AWS Auto Scaling,您的应用程序就始终能在合适的时间获得合适的资源。
AWS Control Tower 可自动设置基准环境或登录区,这是安全且架构完善的多账户 AWS 环境。登录区的配置是基于我们与数千位企业客户以创建安全环境为目标合作构建的最佳实践,支持您更轻松地使用安全性、运营和合规性规则管理 AWS 工作负载。
企业迁移到 AWS 之后通常有大量应用程序和分布式团队。他们往往希望创建多个账户,以便自己的团队能在独立工作的同时保持一致的安全与合规级别。此外,他们使用 AWS 的管理和安全服务(如 AWS Organizations、AWS Service Catalog 和 AWS Config)来提供非常精细的工作负载控制。他们希望保持这种控制,但也希望有一种方法能够跨环境中的所有账户集中管理 AWS 服务并确保它们得到充分利用。
Control Tower 可以自动设置登录区,并能基于既定最佳实践在安全、合规的多账户环境中配置 AWS 管理和安全服务。分布式团队能够快速预置新的 AWS 账户,而中央团队可以确信新账户符合集中建立的、公司范围适用的合规性策略,从而能高枕无忧。如此,您便能控制整个环境,无需损失 AWS 为您的开发团队提供的速度和敏捷性。
AWS Systems Manager 让您能够查看和控制 AWS 上的基础设施。Systems Manager 可以提供一个统一的用户界面,供您查看多种 AWS 服务的运行数据,并在 AWS 资源上自动执行操作任务。借助 Systems Manager,您可以按应用程序对 Amazon EC2 实例、Amazon S3 存储桶或 Amazon RDS 实例等资源进行分组、查看运行数据以便进行监控和故障排除,并对各组资源采取行动。Systems Manager 可以简化资源和应用程序管理、缩短检测和解决运行问题的时间,并让您轻松安全地大规模运行和管理基础设施。
AWS CloudFormation 为您提供了一种通用语言,用于对您的云环境中的 AWS 和第三方应用程序资源进行建模和预配置。AWS CloudFormation 使您可以跨所有区域和账户,使用编程语言或简单的文本文件以自动化的安全方式,为您的应用程序需要的所有资源建模并进行预置。这为您提供了 AWS 和第三方资源的单一数据源。
AWS CloudTrail 是一项支持对您的 AWS 账户进行监管、合规性检查、操作审核和风险审核的服务。借助 CloudTrail,您可以记录日志、持续监控并保留与整个 AWS 基础设施中的操作相关的账户活动。CloudTrail 提供 AWS 账户活动的事件历史记录,这些活动包括通过 AWS 管理控制台、AWS 开发工具包、命令行工具和其他 AWS 服务执行的操作。此事件历史记录可以简化安全性分析、资源更改跟踪和问题排查工作。 此外,您可以使用 CloudTrail 来检测 AWS 账户中的异常活动。这些功能可帮助您简化分析和问题排查。
AWS Config 服务可供您评估、审计和评价您的 AWS 资源配置。Config 持续监控和记录您的 AWS 资源配置,并支持您自动依据配置需求评估记录的配置。借助 Config,您可以查看配置更改以及 AWS 资源之间的关系、深入探究详细的资源配置历史记录并判断您的配置在整体上是否符合内部指南中所指定的配置要求。如此一来,您将能够简化合规性审计、安全性分析、变更管理和操作故障排除。
AWS OpsWorks 是一款配置管理服务,提供 Chef 和 Puppet 的托管实例。Chef 和 Puppet 是自动化平台,允许您使用代码来自动配置服务器。借助 OpsWorks,您可以使用 Chef 和 Puppet 自动完成所有 Amazon EC2 实例或本地计算环境中的服务器配置、部署和管理。OpsWorks 提供三种产品:AWS Opsworks for Chef Automate、AWS OpsWorks for Puppet Enterprise 和 AWS OpsWorks Stacks。
利用 AWS Service Catalog,组织可以创建和管理已批准在 AWS 上使用的 IT 服务的目录。这些 IT 服务可谓包罗万象,从虚拟机映像、服务器、软件和数据库,再到完整的多层应用程序架构。AWS Service Catalog 使您可以集中管理普遍部署的 IT 服务,帮助您实现一致性管理并满足您的合规性要求,同时使用户能够仅快速部署他们所需的已批准的 IT 服务。
AWS Trusted Advisor 是一个在线工具,可为您提供实时指导以帮助您按照 AWS 最佳实践预置资源。
无论是创建新工作流、开发应用程序还是在持续改进期间,都可以利用 Trusted Advisor 定期提供的建议来确保以最佳方式预置解决方案。
AWS Personal Health Dashboard 可在 AWS 遇到可能会影响您的事件时提供提醒和修正指导。当“服务运行状况控制面板”显示 AWS 服务的一般状态时,Personal Health Dashboard 可提供 AWS 资源底层的 AWS 服务性能和可用性的个性化视图。
仪表板会及时显示相关信息,帮助管理进行中的事件,同时提供主动通知以帮助计划既定的活动。Personal Health Dashboard 能够在 AWS 资源的运行状况发生改变时触发提醒,为您提供事件分析和指导,帮助您快速诊断和解决问题。
在企业客户大规模采用云技术的过程中,一些客户发现他们的员工需要帮助和时间来获得 AWS 技能和经验。AWS Managed Services (AMS) 代表您操作 AWS,可提供安全合规的登陆区、成熟的企业运营模式、持续的成本优化,以及日常基础设施管理。AWS Managed Services 利用最佳实践来维护您的基础设施,可以帮助您降低运营开销和风险。AWS Managed Services 可以自动执行常见活动(例如变更请求、监控、补丁管理、安全性和备份服务),并可以提供全生命周期服务来预置、运行和支持您的基础设施。AWS Managed Services 可以减轻基础设施运营带来的负担,因此您可以将资源投入到企业的发展上。
AWS Console Mobile Application借助适用于 iOS 和 Android 的 Amazon Web Services (AWS) 管理控制台,您可以在手机或平板电脑上轻松、快速地查看和管理您的现有 EC2 实例、负载均衡器、Route 53 托管区域、RDS 实例、Auto Scaling 组、AWS Elastic Beanstalk 应用程序、Amazon DynamoDB 表单、AWS OpsWorks 堆栈和 CloudWatch 警报。
使用 AWS License Manager,可在 AWS 和本地服务器上轻松地管理来自 Microsoft、SAP、Oracle、IBM 等软件供应商的许可证。AWS License Manager 允许管理员创建模拟其许可协议条款的自定义许可规则,然后在启动 EC2 实例时强制执行这些规则。管理员可以使用这些规则来限制许可违规,例如使用比协议规定的更多许可证,或者在短期内将许可证重新分配给不同的服务器。通过实际停止实例启动或通知管理员有关侵权的信息,AWS License Manager 中的规则使您能够限制许可违规。管理员可以使用 AWS License Manager 控制面板获得对其所有许可证的控制和可见性,并降低由于许可超额而导致的不合规、误报和额外成本的风险。
AWS License Manager 与 AWS 服务集成,可通过单个 AWS 账户简化跨多个 AWS 账户、IT 目录和本地的许可证管理。许可证管理员可以在 AWS Service Catalog 中添加规则,这样他们可以创建和管理经批准可在其所有 AWS 账户中使用的 IT 服务的目录。通过与 AWS Systems Manager 和 AWS Organizations 的无缝集成,管理员可以管理组织和本地环境中所有 AWS 账户的许可证。AWS Marketplace 买方还可以使用 AWS License Manager 跟踪从 Marketplace 获得的自带许可 (BYOL) 软件,并保留其所有许可证的整合视图。
AWS Well-Architected Tool 可帮助您检查工作负载的状态,并将其与最新的 AWS 架构最佳实践进行对比。该工具以 AWS 架构完善的框架为依托,该框架已开发完成,可帮助云架构师构建安全、高性能且高效的弹性应用程序基础设施。此框架已用于 AWS 解决方案架构团队进行的数万次工作负载审核,为客户和合作伙伴提供了一种评估架构的一致方法,并提供指导来帮助其实施能够随应用需求在不同时期的变化而扩展的设计。
要使用此免费工具(在 AWS 管理控制台中提供),您只需定义工作负载,并回答一系列有关卓越运营、安全性、可靠性、性能效率和成本优化的问题即可。然后,AWS 架构完善的工具将提供有关如何使用既有最佳实践针对云进行构建的计划。
Media Services … 60
Amazon Elastic Transcoder 是在云中进行媒体转码的工具。该工具高度可扩展、易于使用且经济实惠,可供开发人员和企业将媒体文件从源格式转换(或称为“转码”)到其他版本,以便在智能手机、平板电脑和 PC 等设备上播放。
AWS Elemental MediaConnect 是一种高质量的直播视频传输服务。如今,广播公司和内容拥有者依靠卫星网络或光纤连接将其高价值内容发送到云中或传输给合作伙伴,以便进行分发。卫星和光纤传输方式都很昂贵,需要很长的提前设置时间,并且缺乏灵活性来适应不断变化的要求。为了更加灵活,某些客户尝试使用通过 IP 基础设施来传输直播视频的解决方案,但在可靠性和安全性方面遇到了问题。
而现在利用 AWS Elemental MediaConnect,您既可以获得卫星和光纤传输的可靠性与安全性,又可以实现 IP 网络的灵活性、敏捷性和经济性。MediaConnect 让您可以构建任务关键型直播视频工作流程,并且花费的时间和成本只占卫星或光纤服务的一小部分。您可以使用 MediaConnect 接收来自远方活动现场(例如体育场)的直播视频,与合作伙伴(如有线电视分销商)共享视频,或者复制视频流进行处理(例如 OTT 服务)。MediaConnect 结合了可靠的视频传输、高度安全的流共享以及实时网络流量和视频监控功能,让您可以专注于自己内容而无需处理传输基础设施。
Migration and Transfer …62
Mobile… 66
Networking and Content Delivery …68
Robotics … 74
Satellite …75
Security, Identity, and Compliance …76
Storage… 84
Next Steps…87 Conclusion… 88 Contributors… 88
Further Reading…88
Document Revisions…89