Amazon Web Services mengadakan konferensi tahunan AWS re:Invent minggu ini di Las Vegas, di mana sejumlah pengumuman baru dibuat.
Setelah Silicon melaporkan pada konferensi awal minggu ini, dan bagaimana itu memungkinkan koneksi tatap muka antara pelanggan dan mitra AWS, kami sekarang mengumpulkan beberapa berita dan inovasi yang lebih menonjol konferensi telah mengungkapkan.
Ini mencakup mata pelajaran AWS di bidang internet of things, machine learning, database, chip, 5G dan modernisasi lingkungan mainframe, antara lain.
Keuntungan awan
AWS saat ini menawarkan lebih dari 200 layanan lengkap, dan jumlah itu terus bertambah karena terus berinovasi sejak didirikan 15 tahun lalu.
Inovasi ini selama bertahun-tahun telah membantu menghilangkan keraguan dan keraguan tentang migrasi sumber daya bisnis ke cloud.
Dan harus diingat bahwa layanan ini dapat diakses oleh perusahaan mana pun, terlepas dari ukurannya atau sektor tempatnya beroperasi.
Beberapa tahun yang lalu, tidak terpikirkan oleh UKM untuk mengakses perangkat lunak atau perangkat keras yang digunakan oleh perusahaan besar karena alasan anggaran yang jelas.
Namun hari ini, berkat kemampuan cloud dan model bayar per penggunaan, adalah kenyataan untuk memiliki akses ke database paling canggih, kecerdasan buatan, dan model pembelajaran mesin, ditambah dengan pemrosesan yang paling kuat.
Dan untuk tim manajemen TI yang berada di bawah tekanan, semua ini dapat diwujudkan tanpa menunggu, biasanya hanya dengan beberapa klik.
Inilah alasan mengapa ribuan startup telah mewujudkan ide bisnis mereka, dan mengapa banyak UKM dapat bersaing dengan raksasa industri.
Ini adalah sweetspot untuk penyedia layanan cloud seperti AWS dan fungsionalitas yang dapat ditawarkannya, yaitu: mengurangi biaya teknologi dan meningkatkan skala, karena investasi dalam teknologi dapat disesuaikan dengan kebutuhan organisasi setiap saat.
Namun, akan lalai untuk tidak berfokus pada perkembangan utama yang diungkapkan selama AWS re: Invent edisi tahun ini di Las Vegas.
Kembar digital dengan AWS IoT TwinMaker
Sederhananya, kembar digital adalah replika dari sistem yang ada di dunia fisik pada tingkat fungsionalitas.
AWS IoT TwinMaker telah diumumkan untuk memfasilitasi pembuatan dan pengembangan kembar digital ini sebanyak mungkin, untuk mengelola karakteristik dari nama fisik mereka seperti sensor, kamera, atau aplikasi bisnis.
Ini bukan hanya tentang menyalakan atau mematikan sakelar, atau menampilkan semua jenis peringatan dengan cara terpadu.
TwinMaker memungkinkan pengumpulan semua informasi yang dikirim dari berbagai sumber untuk menghasilkan model grafik yang memberikan kontrol menyeluruh atas apa yang terjadi di dunia fisik, yang pada gilirannya memfasilitasi pengambilan keputusan waktu nyata, dan otomatisasi semua jenis tugas yang meningkatkan efisiensi operasional dan mengurangi downtime.
Dan ini sangat penting dalam setiap kegiatan industri.
AWS IoT TwinMaker menawarkan antarmuka grafis yang memungkinkan model 3D apa pun diserap selama desain digital twin, sehingga operator dapat menjelajahi dunia virtual dalam tiga dimensi untuk memantau aktivitas sensor apa pun.
Injeksi kecerdasan buatan ke dalam data yang sangat besar itu, juga menyediakan komponen tambahan seperti prediksi, sedemikian rupa sehingga memungkinkan untuk mengantisipasi kegagalan mekanisme apa pun sehingga suku cadang dapat diganti, memberikan pemeliharaan fasilitas yang lebih efisien.
jaringan pribadi 5G
Sementara itu, AWS Private 5G telah diumumkan untuk menambahkan komponen konektivitas nirkabel yang dibutuhkan banyak perusahaan industri di fasilitas mereka.
Menurut AWS, layanan ini, yang mencakup penggunaan kartu SIM yang disediakan oleh AWS sendiri, memungkinkan “penyebaran, penskalaan, dan pengelolaan jaringan pribadi dalam hitungan hari, bukan bulan”.
Ini adalah layanan terkelola di mana AWS juga menyediakan antena radio, server, dan infrastruktur RAN, sedemikian rupa sehingga semua pengelolaan komunikasi ini terpusat dalam satu panel kontrol.
Jelas, ini adalah layanan yang dilengkapi oleh yang lain seperti AWS IoT TwinMaker yang disebutkan sebelumnya, untuk memberikan pengalaman terpadu.
Modernisasi Mainframe AWS
Hal ini telah disinggung di artikel sebelumnya, tetapi merupakan fakta yang terdokumentasi dengan baik bahwa selama beberapa dekade, industri TI telah menganggap mainframe sebagai platform yang mati atau menurun.
Keyakinan ini selalu tidak mencerminkan kenyataan di lapangan, dengan lembaga keuangan tetap bertahan.
Setidaknya hingga saat ini, menurut AWS.
Mainframe telah menikmati umur panjang yang terkenal, karena platform IBM tetap menjadi platform yang paling kuat dan selalu tersedia untuk lingkungan kritis misi, seperti yang berjalan di sistem keuangan dan perbankan.
Selain itu, warisan mainframe telah melampaui semua batasan yang mungkin karena jutaan baris kode yang ditulis dalam bahasa pemrograman (seperti COBOL) yang masih diproses hingga saat ini.
Oleh karena itu, mengubah semua ini bisa menjadi masalah besar bagi perusahaan.
Selama beberapa dekade sejak mainframe hadir, kami telah melihat berbagai upaya migrasi dan modernisasi, beberapa di antaranya pasti berhasil dilakukan.
Namun, hingga saat ini belum ada sistem yang dapat memfasilitasi semua proses mainframe tradisional tanpa proses migrasi yang sangat rumit.
Itulah yang ingin diselesaikan oleh Modernisasi Mainframe AWS, dengan menyediakan layanan yang mempercepat dan mempermudah pelanggan untuk memigrasikan aplikasi dan beban kerja berbasis mainframe mereka ke cloud, sehingga mereka dapat memperoleh manfaat dari kelincahan, elastisitas, dan pengurangan yang lebih besar. biaya.
Dan AWS telah meyakinkan para kritikus bahwa adalah mungkin untuk mengonversi aplikasi mainframe dan beban kerja ke layanan cloud berbasis Java dengan sedikit perubahan pada kode sumber.
Ini karena lingkungan runtime tertentu telah dibangun di atas layanan ini untuk menyediakan semua komputasi, memori, dan penyimpanan untuk menjalankan aplikasi tersebut.
Selain itu, Modernisasi Mainframe AWS dirancang untuk secara otomatis menangani penyediaan kapasitas, keamanan, penyeimbangan muatan, penskalaan, atau bahkan pemantauan kesehatan aplikasi.
Amazon EC2 dan kekuatan silikon AWS
Perkembangan berita lainnya adalah konfirmasi bahwa AWS terus mengembangkan (untuk beberapa waktu) desain chipnya sendiri untuk server EC2-nya.
Kali ini, chip Graviton 3 (berdasarkan arsitektur ARM) baru saja diumumkan sebagai chip perusahaan yang paling kuat untuk beban kerja tujuan umum yang intensif di seluruh instans komputasi Amazon EC2 C7g.
Mereka juga telah merilis beberapa model lain yang lebih spesifik, yaitu:
- Amazon EC2 C7g: Instans intensif komputasi yang meningkatkan kinerja sebesar 25 persen dibandingkan generasi sebelumnya berdasarkan chip Graviton 2.
- Amazon EC2 Trn1: Instans khusus untuk pembelajaran mesin untuk pelatihan model. Mereka diatur oleh chip AWS Trainium, dengan sirkuit berbasis jaringan neural untuk meningkatkan efisiensi dalam pelatihan model.
- Amazon EC2 Im4gn / Is4gen / I4iC: Instans ini menggunakan drive penyimpanan AWS Nitro SSD, yang secara signifikan meningkatkan kinerja I/O saat memindahkan beban kerja dan data secara intensif.
Pembelajaran mesin yang dapat diakses melalui Amazon SageMaker
Pengembangan AWS lainnya melihat penambahan fitur baru di Amazon SageMaker (dikembangkan bersama dengan perusahaan induknya Amazon).
Ini adalah platform pembelajaran mesin khusus yang dapat diterapkan ke hampir semua suite lain yang tersedia di layanan cloud AWS.
Dengan pertumbuhan eksponensial data yang dikelola oleh perusahaan, telah terjadi proliferasi proses pembelajaran mesin untuk mengotomatisasi dan mencapai proses yang lebih efisien dan cerdas tanpa perlu campur tangan manusia.
Masalah di bidang ini adalah ketika merancang model pelatihan dan pembelajaran, yang merupakan sesuatu yang selalu berada di tangan segelintir orang dengan pengetahuan matematika dan ilmiah yang mendalam.
Fitur-fitur baru di Amazon SageMaker diarahkan untuk membuat teknologi ini lebih mudah diakses oleh lebih banyak profesional, tanpa memerlukan seseorang untuk memiliki pengetahuan mendalam tersebut.
AWS telah menampilkan beberapa pengumuman terkait pembelajaran mesin:
- Kanvas Amazon SageMaker: Memperluas akses ke pembelajaran mesin dengan memberi analis bisnis kemampuan untuk menghasilkan prediksi pembelajaran mesin yang lebih akurat yang tidak memerlukan pengkodean.
- Amazon SageMaker Ground Truth Plus: Menyediakan layanan pemberian tag data yang terkelola sepenuhnya tanpa memerlukan profesional yang berkualifikasi. Itu juga menambahkan alur kerja terintegrasi untuk memberikan data beranotasi berkualitas tinggi untuk pelatihan.
- Amazon SageMaker Studio: Layanan ini dilengkapi dengan alur kerja rekayasa data, analitik, dan pembelajaran mesin yang dapat diakses dari laptop terpadu.
- Kompiler Pelatihan Amazon SageMaker: Membantu pelanggan melatih model pembelajaran mendalam hingga 50 persen lebih cepat dengan mengompilasi kode secara otomatis agar lebih efisien.
- Inferensi Tanpa Server Amazon SageMaker: Menyediakan komputasi tanpa server untuk inferensi pembelajaran mesin dalam skala besar.
Kemampuan baru untuk lebih banyak kasus penggunaan database
Terakhir, mengingat kebutuhan untuk mengelola volume data yang besar yang dihasilkan oleh organisasi, penggunaan arsitektur khusus untuk semuanya tidak lagi valid, karena keragaman dan sifatnya.
Tetapi perlu untuk mencapai kinerja yang lebih tinggi dan respons yang hampir real-time untuk semua jenis kueri di database.
Ketersediaan tinggi, keandalan, atau keserbagunaan tidak lagi menjadi pilihan bagi perusahaan, tetapi sesuatu harus dilakukan untuk memberikan pengalaman terbaik bagi karyawan dan pelanggan.
Dalam hal ini, AWS telah mengumumkan tiga fungsi baru untuk memperluas pilihan pelanggannya dan meningkatkan aspek tersebut saat mengelola database. Mereka adalah sebagai berikut:
- Amazon RDS Kustom: Ini adalah layanan terkelola untuk aplikasi bisnis yang memerlukan database kustom untuk lingkungan vertikal.
- Amazon DynamoDB Standard-Infrequent: Dirancang untuk mengakses data yang disimpan di DynamoDB yang jarang digunakan. Ini memungkinkan untuk mengurangi biaya mengaksesnya sekitar 60 persen.
- Amazon DevOps Guru untuk RDS: Gunakan pembelajaran mesin untuk mendeteksi, mendiagnosis, dan menyelesaikan masalah kinerja yang sulit ditemukan dengan lebih baik. Perusahaan memastikan bahwa itu dapat berlangsung dari hari ke menit ketika datang untuk menemukan mereka.