#aws

Architectural Patterns auf der Serverless-Reise von shop.LEGO.com

Serverless - ist das ein weiteres Schlagwort? Ist es real? Ist es für große Unternehmen geeignet? Oder spricht es jeden an? Wo finden wir Antworten auf solche Fragen? Der beste Weg ist es, über die Erfahrung mit Serverless-Systemen zu sprechen und das Publikum auf die Reise zu schicken, die Sie bereits hinter sich haben! Genau das tut Sheen Brisals in seiner Session auf der Serverless Architecture Conference 2019.

Das Monitoring von Serverless-Anwendungen auf AWS

Serverless macht Spaß und ist einfach. Aber was ist mit der Überwachung? Lauert ein Überwachungsmonster hinter der Ecke? Zugegeben, es gibt eine Menge Möglichkeiten, das Monster zu bekämpfen, doch welche Funktionen bietet die AWS? Und was noch wichtiger ist: Wie kann man sie am besten nutzen, um sicherzustellen, dass man nachts nicht aus dem Bett gerufen wird? Diese und weitere Fragen beantwortet Nick Van Hoof in seiner Session auf der Serverless Architecture Conference 2019.

AWS stellt Machine-Learning-Tool Open Source: Neo-AI

AWS hat das Open-Source-Tool Neo-AI auf GitHub veröffentlicht. Es besteht aus dem Quellcode von Amazon SageMaker Neo, einem Teil des Machine-Learning-Service SageMaker, und soll das Deployment von KI-Modellen in IoT-Netzwerken verbessern.

AWS Firecracker: microVMs für moderne Serverless-Anwendungen

Mit AWS Lambda und AWS Fargate hat Amazon das Paradigma Serverless gesellschaftsfähig gemacht. Doch nicht in allen Bereichen gab es bislang eine Optimierung auf diesen neuen Ansatz: Die Virtualisierung blieb bei dem rasanten Fortschritt ein wenig auf der Strecke. Diese Lücke will man bei AWS nun mit dem Projekt Firecracker schließen.

Amazon SageMaker: Die Werkbank für Machine Learning

Amazon SageMaker ist eine Werkbank für maschinelles Lernen, die für die Bedürfnisse von Data Scientists und Entwicklern optimiert ist. Der Service ist Teil des Amazon-Web-Services-(AWS-)Cloud-Angebots. Er deckt den gesamten Machine-Learning-Zyklus von der Datenexploration und Aufbereitung mit Jupyter Notebook über das Training und die Evaluierung von Modellen bis zum Betrieb eines trainierten Modells in der Produktion ab.

Anwendungen einfach in jeder Cloud betreiben mit Cloud Foundry

Microservices-Architekturen sind in aller Munde, und selbst so mancher Fachbereich fängt an, sie als Basis neuer Anwendungen zu fordern. Das Ganze muss man dann nur noch in der Cloud bereitstellen, und schon kann man ganz schnell und ohne lästige IT-Prozesse, Hardwarebeschaffung oder Betriebsstrukturen Wünsche erfüllen. Oder?

X
- Gib Deinen Standort ein -
- or -