2020亚马逊云计算的轨迹线

亚马逊云计算联合 InfoQ 发布迷你书《2020亚马逊云计算的轨迹线》,较为系统地回顾了过去一年亚马逊云计算的技术进展,通过对“AI人脸特效”黑科技,机器学习环境构建,数据湖与数据仓库,容器服务与无服务架构等技术的探讨,带你了解最前沿的云计算相关技术与最佳落地实践。
用户头像
下载此书
2020亚马逊云计算的轨迹线

卷首语


时光飞快,一转眼已到了 2021 年。回望在人类历史长河中都会被牢记的 2020 年,亚马逊云计算也经历了非常多的不一般。


作为机器学习技术领导力的持续引领者,亚马逊云计算围绕着拳头产品 Amazon SageMaker 机器学习开发平台,进行了大量技术更新和迭代,并尤其强调“把机器学习交付到每一位开发者手中”。在刚过去的年度 re:Invent 大会期间,与机器学习相关的新产品,就发布了 20 多款之多。


“无数据不成云”,数据已是云计算的“基础工程”。对上,数据为人工智能等新型应用提供基础,而对下,数据如何在各种不同需求下都能平滑地“存、管、用”,这对底层计算与存储提出了新的要求。此外随着数据处理技术的不断成熟,如何让数据技术更好地契合业务应用需求,这些都是不断演进发展的课题。


云中一切的源头非计算莫属,因此计算作为基础,其重要性再怎样说都不为过。继早先的“虚拟化”,后来的“容器”等风潮之后,现在“云原生”成为了“当红炸子鸡”。池化、解耦、可迁移等,在这个路径演进中得以持续深入。这其实呼应了网络化应用形态从量变到质变的过程,即:过去以终端计算为中心,现在越发以云为中心来构建应用模型。这样的发展变化是深刻且不可逆的。又由于疫情的推动,企业上云的需求刚性达到了历史高位,直观地体现着市场对云计算基础的趋势性需求。


以下的文章选编,只是 2020 年 AWS 整体技术市场演进的“沧海一粟”,希望透过这些点滴的代表,为大家折射出这一段的发展,并更好地展望新的一年。


目录


人工智能 | 变身漫画道具玩了没?这样的 AI 人像特效机器学习服务帮你实现


人工智能 | 机器学习项目复杂繁琐 ,该如何构建安全的机器学习环境?


数据智能 | 企业出海服务为何这么难?


数据智能 | 不懂业务的开发人员,就不是好的数据科学家


数据智能 | 数据湖火了,那数据仓库怎么办?


容器服务 | AWS 打造容器服务体系,Amazon EKS 这块拼图有多重要?


无服务架构 | 开发运维配置繁杂,是时候给应用架构做减法了


开发人员相关资源


欲了解 AWS 的更多信息,请访问【AWS 技术专区】

阅读数:1发布于:2021 年 1 月 11 日 11:22

免费下载此书(PDF)

评论

发布
暂无评论