AWS新產(chǎn)品戰(zhàn)略以資料為主軸，更要朝全解決方案產(chǎn)業(yè)應用來發(fā)展

云計算服務龍頭AWS每年冬天都會在美國拉斯維加斯舉行年度全球用戶大會，但受疫情沖擊，2年前改為全線上進行，盡管相隔一年，隨即于2021年恢復實體舉辦，但實際參加人數(shù)明顯不如往年，甚至不到全盛時期一半，許多人都改線上參加，使得去年整場活動似乎沒有像以往那么火爆。

到了今年re:Invent用戶大會，官方雖還是采實體和線上并行，但從今年現(xiàn)場參加人數(shù)來看，至少超過5萬人參加，人流逐漸恢復到疫情前的水準。今年活動重頭戲，就是首日主題演講，AWS首席執(zhí)行官Adam Selipsky這次登臺，相較去年首次登場，大多時候都在回顧AWS在各項領域發(fā)展，如今執(zhí)掌一年多，他今年對這家公有云公司未來發(fā)展策略，明顯有了更清晰的藍圖。

在他的帶領下，AWS將以資料為主軸，通過集成、治理、安全和透明化，創(chuàng)建更廣闊的數(shù)據(jù)探索領域，來完成數(shù)據(jù)創(chuàng)新，甚至更要朝向“全解決方案”產(chǎn)業(yè)應用來發(fā)展。

一開場，Adam Selipsky先細數(shù)他們?nèi)绾螀f(xié)助大型企業(yè)用AWS云克服自身挑戰(zhàn)，如BMW集團用公有云打造聯(lián)網(wǎng)汽車服務顛覆駕駛體驗，也有美國游戲開發(fā)商Riot Games靠云計算來應對每秒50萬起事件通報與處理，提高用戶體驗以獲得更高收益。還有全球最大證券交易所Nasdaq完成關鍵核心系統(tǒng)上云，提高金融市場證券發(fā)行業(yè)務處理效率，更多系統(tǒng)年底前將上云。

不僅大型企業(yè)有用，Adam Selipsky也引用數(shù)據(jù)強調(diào)，超過8成創(chuàng)業(yè)公司獨角獸都是AWS客戶。

Adam Selipsky不只一開始就大談企業(yè)上云經(jīng)驗，他對于企業(yè)用戶的重視，也反應在今年AWS產(chǎn)品發(fā)布上跟往年明顯不同。長達2小時的主題演說，Adam Selipsky用合適工具（Right Tools）、集成（Integration）、治理（governance）以及洞察（Insight）4大主軸貫穿整場演講。他表示，面對復雜的資料規(guī)模挑戰(zhàn)，企業(yè)需要一套完整工具，可以處理各種類型資料，并將這些資料集成，然后提供治理和安全性，還要能夠以可視化呈現(xiàn)，方便掌握和快速傳遞，來獲得對于公司業(yè)務有價值的洞察。

他所提出的這個企業(yè)數(shù)據(jù)戰(zhàn)略，可以說就是AWS新的產(chǎn)品策略，這次眾多云計算產(chǎn)品發(fā)布和服務更新，都是圍繞這個新策略發(fā)展，推出各種資料集成、治理、安全和透明化的服務方案。

執(zhí)掌1年多，AWS首席執(zhí)行官Adam Selipsky對這家公有云公司未來發(fā)展策略，明顯有了更清晰的藍圖，將通過集成、治理、安全和透明化，來完成數(shù)據(jù)創(chuàng)新，更要朝向“全解決方案”產(chǎn)業(yè)應用來發(fā)展。攝影／余至浩

無服務器新布局:完善Serverless產(chǎn)品線，通吃旗下所有分析服務

在工具上，AWS已提供完整數(shù)據(jù)庫、分析、ML/AI工具，協(xié)助企業(yè)做資料處理和運用。尤其在分析服務上，AWS今年對于無服務器（Serverless）布局更加完整了。

去年AWS在年度大會上宣布AWS數(shù)據(jù)倉庫服務Redshift能支持無服務器服務后，緊接下來，今年其他分析產(chǎn)品也陸續(xù)加入支持行列，包括大數(shù)據(jù)處理平臺EMR、即時分析工具MSK，若加上原本就能用于無服務器形態(tài)的互動式查詢服務Athena、資料流媒體服務Kinesis、資料集成服務AWS Glue以及BI服務QuickSight，就只差搜索和分析引擎服務OpenSearch還沒Serverless化。如今，AWS也把這個缺口填平，在會中宣布OpenSearch也能提供這個服務方案。

Adam Selipsky強調(diào)：“沒有人像我們可以做到所有分析服務都能提供Serverless。”

為何Serverless對于AWS如此重要？Adam Selipsky在會中并沒有明講，但他在去年大會上曾提到說，在他來看，云計算還在初期發(fā)展階段，要先把下水道工程布局布好，所以AWS是以云還在起步的概念來布局，而Serverless就是一個重要戰(zhàn)略，對于Serverless持續(xù)加快布局，就是要把包括分析在內(nèi)的服務都Serveless化，這一步還在持續(xù)發(fā)展，但AWS先從資料分析服務著手，并用資料集成來加以擴大。

AWS今年在數(shù)據(jù)庫和分析服務方面也有推出不少新功能。云計算互動式查詢服務Athena集成Spark，就是其中一個重要更新，使企業(yè)可以在Athena控制臺中使用Jupyter Notebook或Athena API來構建Spark應用程序，速度比起傳統(tǒng)激活做法快75倍，而云計算資料集成服務AWS Glue，加入自動化監(jiān)測和管理功能，來提高集成的資料品質(zhì)。

AWS對資料服務布局還不只如此，還加強服務本身擴展性和可靠度，像是應對集群服務需求，DocumentDB更新后現(xiàn)在可以創(chuàng)建跨多節(jié)點的DocumentDB集群，以獲得每秒數(shù)百萬次讀寫吞吐量與PB級存儲規(guī)模。Redshit數(shù)據(jù)倉庫添加Multi-AZ預覽版功能，可以提供高可用配置設置，能跨多個可用區(qū)進行配置，讓數(shù)據(jù)倉庫也能和其他數(shù)據(jù)庫服務一樣具有高可用。

資料新布局：以實現(xiàn)Zero-ETL愿景的資料集成為目標

AWS今年在資料集成也有新布局，以往要做到不同數(shù)據(jù)庫、數(shù)據(jù)倉庫的資料集成這件事，需要通過ETL（萃取、轉(zhuǎn)置、加載）處理流程，對于分析人員來說，太花時間，因此需要有新的資料集成方式，來加快資料運用。過去手動資料集成方式已經(jīng)跟不上現(xiàn)在資料動態(tài)的特性與企業(yè)運營快速增長。這也成了AWS想要替企業(yè)客戶解決的痛點。

為了讓資料集成能更無縫接軌，AWS這些年一直想要打造一個Zero-ETL的新資料集成方式，以便在分析和ML服務時，就能直接取得這些資料做分析，而不需要搬動任何資料?！拔覀兡繕司褪且獙崿F(xiàn)zero-ETL愿景?！盇dam Selipsky強調(diào)。

原先AWS在少數(shù)資料服務中就提供類似Zero-ETL的資料集成功能，例如使用AWS流媒體服務Kinesis時可以直接取得Redshift的資料，執(zhí)行SageMaker機器學習服務時，也能很快拿到Redshift和Athena數(shù)據(jù)庫的資料做ML訓練，不需要另外創(chuàng)建資料處理流程（data pipeline）或撰寫程序。其他還有提供聯(lián)合查詢工具（federated querying tool），可以跨數(shù)據(jù)倉庫和數(shù)據(jù)庫查詢和分析數(shù)據(jù)。

在今年資料集成更新中，AWS朝向?qū)崿F(xiàn)Zero-ETL邁出更大一步，徹底無縫集成兩大數(shù)據(jù)云計算服務Aurora與Redshift的資料。通過Aurora zero ETL Integration with Redshift這個新功能，每次只要有新資料寫入Aurora數(shù)據(jù)庫中，資料就會直接同步到Redshift數(shù)據(jù)倉庫，不需要重新創(chuàng)建和執(zhí)行繁鎖ETL流程。這種Zero-ETL資料集成方式，也讓企業(yè)在Redshift實例中更多了一種資料分析來源，能從Aurora數(shù)據(jù)庫集群的數(shù)據(jù)分析，來獲得跨多應用的整體洞察。

AWS對于數(shù)據(jù)倉庫的布局，也跨到集成流媒體大數(shù)據(jù)分析領域的主流平臺Spark，企業(yè)以后在Redshift上構建和執(zhí)行Spark應用將變得很容易，不需要使用第三方Apache Spark連接器，就能馬上取得Redshift中的資料，提供給Amazon EMR作為大數(shù)據(jù)分析使用。這也為Redshift帶來新機會，能讓更多分析和ML服務都能用。

不光如此，Redshift在資料安全管控上也有加強措施，利用AWS Lake Formation資料湖治理功能，使Redshift數(shù)據(jù)共享達到顆粒度更高的權限管控，可以針對單一欄或行，來設置不同角色的訪問權限，進而提高資料安全性。這也是AWS端到端資料治理策略一環(huán)。

在AI產(chǎn)品發(fā)展上，AWS延續(xù)去年端到端的資料戰(zhàn)略，AWS從去年就已經(jīng)構建更加完整的機器學習和AI服務，從底層機器學習框架及基礎架構，到機器學習訓練環(huán)境全托管服務SageMaker，以及上層AI服務。目前上萬家企業(yè)用SageMaker創(chuàng)建ML模型，來執(zhí)行每月上兆次的ML預測。

盡管，今年SageMaker沒有重大更新，但AWS仍推出不少局部功能更新，持續(xù)補強SageMaker服務完整性，像是添加ML Governance治理功能，可以讓開發(fā)者在端到端ML開發(fā)過程中，就能開始使用治理和審計，來滿足企業(yè)需求克服ML治理的挑戰(zhàn)。

對于使用SageMaker創(chuàng)建機器學習模型，現(xiàn)在也能支持地理空間類型資料作為ML訓練資料，來幫助開發(fā)團隊創(chuàng)建、訓練和部署這類型的ML模型，還可以將模型預測結果顯示在一個互動式3D地圖來查看。SageMaker以后可以擴展到更多應用領域，如農(nóng)業(yè)、都市發(fā)展、商業(yè)新?lián)c拓展。

在No-Code服務上，AWS針對No-Code的QA工具Quicksight Q推出新功能，不僅能以自然語言進行提問，還能讓用戶可以用“為什么”來發(fā)問，再根據(jù)機器學習模型得到預測和分析的結果，給出建議或答案。而通過采用這個方式，可以降低專業(yè)IT或數(shù)據(jù)科學家的負擔，讓更多非專業(yè)素人更容易運用AI。

AWS云計算機器學習服務SageMaker今年雖然沒有發(fā)布重大更新，大多是提供一些補強功能，但也持續(xù)加強SageMaker服務完整性，像是添加ML Governance治理功能，可以讓開發(fā)者在端到端ML開發(fā)過程中，就能夠開始使用治理和審計，來滿足企業(yè)需求克服ML治理的挑戰(zhàn)。攝影／余至浩

產(chǎn)業(yè)應用新布局:力推云計算供應鏈管理新服務

在產(chǎn)業(yè)應用上，AWS開始朝向全解決方案發(fā)展，新推出的AWS Supply Chain云計算供應鏈管理服務，就是瞄準全產(chǎn)業(yè)供應鏈管理需求。雖然目前是預覽版，但AWS強調(diào)，通過這套服務，企業(yè)未來可以自動組合和分析跨多個供應鏈系統(tǒng)的數(shù)據(jù)。該服務更是借助了Amazon電商物流供應鏈多年經(jīng)驗與技術發(fā)展而來，但不限于電商，其他行業(yè)也能用。

更進一步來說，企業(yè)可以使用該服務內(nèi)置的連接器，創(chuàng)建統(tǒng)一供應鏈數(shù)據(jù)湖，并運用母公司在供應鏈預先訓練完的ML模型，來自動匯集整理各套ERP和供應鏈管理系統(tǒng)中的所有數(shù)據(jù)，然后將分析結果以可視化呈現(xiàn)，不僅方便管理者隨時查看庫存變化，也能以此創(chuàng)建風險預警機制，一旦經(jīng)過ML判斷為潛在高風險情況，就會提供警訊給負責人員，因此就能早一步采取避險行動。

但初期只有支持以SAP S/4HANA、SAP ECC、EDI、Amazon S3這4類為主的ERP、供應鏈相關系統(tǒng)和資料源。美國、歐洲將會先上線，其他地區(qū)陸續(xù)也將推出。

其他產(chǎn)業(yè)應用，還有支持大規(guī)?？臻g模擬的運算服務SimSpace Weaver。AWS表示，通過這個新運算服務，最多能支持超過1百萬個獨立動態(tài)實體，也就是可以在虛擬環(huán)境中模擬大規(guī)模人群、城市規(guī)模的環(huán)境以及復雜交通等。因為是提供企業(yè)或政府創(chuàng)建大型數(shù)字分身應用所需的運算基礎設施，所以將空間模擬擴展到多個EC2執(zhí)行實例，管理底層運算、內(nèi)存或網(wǎng)絡執(zhí)行大規(guī)模模擬，將有助于加速企業(yè)數(shù)字分身應用發(fā)展。

在資料安全性也有獲得不少強化，AWS推出名為Amazon Security Lake的安全部據(jù)湖服務，可以協(xié)助企業(yè)組織聚集、管理和分析日志和事件數(shù)據(jù)，包含AWS和其他合作廠商的數(shù)據(jù)，讓安全威脅檢測、調(diào)查和事件應變速度能更加提升。新數(shù)據(jù)管理服務DataZone則可以讓資料項目團隊在統(tǒng)一資料協(xié)作環(huán)境中發(fā)布所需分析資料，來提供團隊成員查詢、訪問或共享，并搭配治理與訪問權限管控，來確保資料使用安全。GuardDuty EKS Protection防護服務中，也提供部署容器runtime威脅偵測。

云計算基礎設施也迎來不少更新，AWS目前超過600種運算實例類型，涵蓋一般用途、運算優(yōu)化、內(nèi)存優(yōu)化、存儲優(yōu)化、爆漲型性能及加速硬件等，AWS這次發(fā)布采用新一代Nitro系統(tǒng)和Graviton處理器的執(zhí)行實例服務。

Nitro是AWS打造的EC2執(zhí)行實例基礎平臺，歷經(jīng)4代改版后，新一代Nitro大幅提高網(wǎng)絡傳輸能力，每秒封包傳輸速度較前一代提高60%，反應速度加快30%，每瓦性能也有獲得40%改善。AWS還更新Graviton產(chǎn)品，盡管未是如外界預期Graviton4，而是改推出一款經(jīng)改良的Graviton3E處理器芯片，但是該款處理器的矢量指令性能表現(xiàn)，較前一代Graviton3能再提高30%，可適用于HPC應用場景。

AWS運用Graviton3E和Nitro推出多個執(zhí)行實例服務，包含能支持200Gbps超大網(wǎng)絡帶寬的C7gn，還有推出高性能計算專用的Hpc7G等。AWS這次也更新x86架構EC2實例，推出名為R7iz的新類型，能夠支持第4代Intel Xeon Scalable處理器，使每個vCPU性能比z1d再提升20%。C7gn、R7iz先推預覽版，Hpc7G最快明年才推出。

整體來看，AWS今年產(chǎn)品策略以擴大和延續(xù)為主，許多產(chǎn)品發(fā)布都是對既有服務或產(chǎn)品的補強，看似平淡無奇，但是這些更新背后，卻是有著AWS更長遠的企業(yè)數(shù)據(jù)產(chǎn)品戰(zhàn)略的考量，正通過一步步扎實的步伐，一一把各種企業(yè)需求的關鍵拼圖補齊。

AWS推出Supply Chain云計算供應鏈管理新服務，借助母公司電商物流供應鏈多年經(jīng)驗與技術，來匯集整理各套ERP和供應鏈管理系統(tǒng)中所有數(shù)據(jù)，然后將分析結果以可視化呈現(xiàn)，方便管理者從互動地圖上隨時查看庫存變化，也能以此創(chuàng)建風險預警機制。圖片來源／AWS

在基礎設施也迎來不少更新，AWS目前超過6百種運算實例類型，涵蓋一般用途、運算優(yōu)化、內(nèi)存優(yōu)化、存儲優(yōu)化、爆漲型性能及加速硬件等。AWS這次發(fā)布采用新一代Nitro系統(tǒng)和Graviton處理器的執(zhí)行實例服務。包含能支持200Gbps超大網(wǎng)絡帶寬的C7gn（上圖），還有推出高性能計算專用的Hpc7G等。圖片來源／AWS