拉攏企業上雲，AWS積極擴展資料應用

綜觀各家IT廠商的全球用戶大會，AWS舉辦的re:Invent是歲末年終壓軸的最後一場盛事，今年大會的主題演講足足花了三個小時，展現了身為雲端業者龍頭的技術發展與業務營運實力，印證他們能夠將最廣、最深的雲端平臺，提供給用戶。

舉例來說，單就運算服務而言，AWS如今可供應175種執行個體，容器服務的部份，有ECS、EKS和fargate等三種，Serverless有Lambda和faragte；而在資料庫服務的提供，則有關聯式資料庫、非關聯式資料庫（包含鍵值資料庫、記憶體內資料庫、圖學資料庫），以及資料庫遷移等三大類型；儲存服務方面，AWS提供區塊儲存、物件儲存、檔案儲存、資料傳輸等四大類；至於資訊安全相關的服務，目前AWS涵蓋加密與金鑰管理，以及威脅偵測與應用程式安全，並且取得多種法規遵循的認證。

在眾多基礎架構類型的雲端服務項目當中，AWS丟出的第一顆震撼彈，是號稱單位儲存成本可低於磁帶的S3 Glacier Deep Archive，每月每GB費用是0.00099美元起價（每月每TB是1.01美元），服務可靠度達到11個9（99.999999999），而且，免除了管理磁帶的負擔，若要將備份在當中的資料還原，也僅需幾個小時，不需耗費到數天、甚至數週。

而在檔案儲存方面，AWS看準為數眾多的Windows用戶，以及需要處理大量檔案資料的高效能運算用戶需求，推出FSx for Windows Server，以及FSx for Lustre。

在管理與安全性強化上，AWS也發表三項新的服務。針對橫跨整個AWS環境的多組帳戶管理需求，以及提供集中管控安全、掌握法規遵循狀態，AWS發布了Control Tower和Security Hub。對於大數據存取的保護與管理，他們也新推出Lake Formation來因應。

在整場主題演講當中，AWS對於資料庫及人工智慧部分的介紹，花了最多時間。

首先，在資料庫服務的項目上，AWS將支援6種類型的應用，除了關聯式資料庫、鍵值資料庫、記憶體內資料庫、圖學資料庫，接下來，將擴增時間序列（Time Series）和帳本（Ledger）類型的資料庫。時間序列類型的資料庫，主要是針對網頁點擊串流（Clickstream）、物聯網感測器、DevOps等場合所取得的資料，AWS目前提供的是時間序列資料庫服務Timestream。

另一種帳本類型的資料庫，則是對應當前備受各界關注的區塊鏈應用，其他大型雲端業者大多都已提供對應的項目，而AWS到了現在才推出服務，正式開始對外經營這部份業務。在這當中，AWS提供帳本資料庫服務與區塊鏈代管服務──前者是基於他們在內部使用的Quantum Ledger Database（QLDB），而推出的同名雲端服務，而後者支援兩種網路框架──HyperLedger和Ethereum。

面對快速發展的人工智慧應用，AWS現今以三種階層來看待，分別是底層的機器學習框架與基礎架構、中間的機器學習服務，以及上層的AI服務。以底層為例，AWS推出可跨多個執行個體執行模型訓練的執行個體P3dn，並且針對多數用戶採行的TensorFlow框架，推出最適合AWS環境的版本，將擴展規模的執行效率從65％提升到90％，根據他們的測試，相較於在特製硬體設備執行需30分鐘，若將經過AWS最佳化的TensorFlow與搭配P3執行個體使用，訓練時間僅需14分鐘，時間可縮短一半以上。

而在機器學習的處理過程當中，AWS也注意到模型訓練的基礎架構成本，遠低於推論（Inference），因此，他們如今也推出了Elastic Inference，讓EC2執行個體能夠依需求來增添GPU加速機制，所提升的浮點運算效能範圍是1TFLOPS到32TFLOPS之間，而成本減少幅度可達到75％。若以成本來看，中型的Elastic Inference執行個體（8TFLOPS）每小時的費用是0.22美元。

更多AWS re:Invent 2018報導

AWS正式涉足區塊鏈服務，一次推出兩種區塊鏈服務

演算法市集來了！AWS Marketplace新闢機器學習與AI專區

為爭奪雲端AI大餅，AWS狂推新機器學習服務，更多客製化ML工具與專用推論晶片登場

AWS推出4項新服務強化IoT裝置部署管理及應用

加強無伺服器應用，AWS釋出輕量虛擬化技術Firecracker

AWS推出代管Kafka服務，簡化雲端Kafka叢集維運

加速企業打造ML模型，AWS機器學習工具SageMaker平臺新增多項新功能