Amazon Web Services (AWS) досягла важливої події — 18 років з моменту запуску свого хмарного сховища, Amazon Simple Storage Service (Amazon S3). Протягом цих років AWS безперервно вдосконалювало S3, зробивши покращення у швидкості обробки та додавши нові сервіси.
В останній час AWS активно працює над сприянням розвитку штучного інтелекту (AI), інтегруючи функціональність, пов’язану з штучним інтелектом, безпосередньо в Amazon S3. Це спрямування в AI виявляється в покращеннях, які AWS представила, що спрямовані на пряму роботу з розробниками, що працюють з технологіями AI.
Один з важливих функцій — можливість безпосередньо зберігати чекпоінти бібліотеки машинного навчання PyTorch Lightning, яка розроблена для глибокого навчання, в Amazon S3. Чекпоінти означають збережені дані, що представляють стан моделі машинного навчання на певний момент.
AWS також посилила свою гібридну послугу, AWS Outposts, дозволивши їй кешувати дані автентифікації локально. Це значно зменшує потребу у зв’язку з хмаровим сервісом для автентифікації кожного разу, скорочуючи мережеве використання.
Пonadto, Amazon S3 тепер може бути прикріплена — розпізнана та використана операційною системою — через ‘Mountpoint for Amazon S3 Container Storage Interface (CSI),’ яка також підтримує ‘Bottlerocket,’ Linux-основну контейнерну операційну систему AWS.
Саймон Робінсон, аналітик з Enterprise Strategy Group (ESG), зазначає, що S3 є широко застосованим стандартом як в хмарних сервісах, так і в дата-центрах. Він передбачає, що AWS продовжить розширювати можливості S3, щоб задовольнити все більше попиту на AI.
AWS підкреслює цей прогрес оголошеннями, що були оприлюднені під час щорічної події AWS Pi Day 2024 в березні 2024 року. Одне з таких оголошень виявило, що за допомогою нових функцій моделі машинного навчання можуть зберігати чекпоінти з PyTorch Lightning без перерв в роботі — важлива покращення для робочих процесів з машинним навчанням.
Також, з введенням драйвера ‘Mountpoint for Amazon S3 CSI’, контейнери в Amazon Elastic Kubernetes Service (EKS), керованому сервісі Кубернетес від AWS, тепер можуть отримувати доступ до даних, збережених в S3, що показує звершення Amazon в підприємницьких файлових системах, як зазначено Робінсоном.
У наступній дискусії серії буде досліджено, як S3 революціонізувала ринок зберігання.
Важливі питання та відповіді:
П: Які головні покращення Amazon S3, пов’язані з AI?
В: Головні покращення включають можливість зберігання чекпоінтів PyTorch Lightning в Amazon S3, локальне кешування даних автентифікації AWS Outposts та прикріплення Amazon S3 через ‘Mountpoint for Amazon S3 Container Storage Interface (CSI)’, яке підтримує Bottlerocket.
П: Які переваги зберігання чекпоінтів PyTorch Lightning в S3?
В: Зберігання чекпоінтів безпосередньо в S3 спрощує роботу розробників, забезпечуючи надійне та масштабоване зберігання, підвищує надійність проектів машинного навчання, дозволяючи відновлення стану моделі і сприяє співпраці між членами команди, які можуть отримувати доступ до чекпоінтів моделей з різних географічних розташувань.
П: Як локальне кешування даних автентифікації в AWS Outposts поліпшує його послуги?
В: За допомогою локального кешування даних автентифікації у AWS Outposts зменшується залежність від постійного з’єднання з хмарою для автентифікації, що може значно знизити мережевий трафік та поліпшити швидкість автентифікації.
Виклики чи контроверсії:
– Безпека: Покращення можливостей AI часто супроводжуються збільшеним ризиком порушення конфіденційності даних, оскільки моделі AI часто потребують доступу до конфіденційних даних.
– Складність: З продовженим інтегруванням функцій AI можуть виникнути питання про збільшення складності в інфраструктурі хмари та потребу у кваліфікованому персоналі для ефективного управління цими функціями.
– Вартість: Незважаючи на переваги, додаткові функції можуть збільшити витрати для компаній, особливо якщо вони не використовують повністю ці функції AI.
Переваги:
– Інтеграція з AI: Прямі функції AI поліпшують досвід користувача, спрощуючи робочий процес машинного навчання.
– Продуктивність: Покращення швидкості та локалізовані операції з AWS Outposts можуть призвести до покращення продуктивності та зниження затримок.
– Гнучкість: Пряме підключення сховищ S3 безпосередньо до операційної системи та контейнерних сервісів, таких як EKS, надає більшу гнучкість та зручність використання.
Недоліки:
– Складність: Інтеграція цих функцій AI може збільшити крутну криву для розробників, не знайомих з новими функціями.
– Залежність від AWS: При інтеграції нових функцій з сервісами AWS існує ризик вендорної блокування, коли клієнти стають сильно залежними від AWS для хмарових рішень.
Пов’язані надійні ресурси, що стосуються Amazon S3 та можливостей та сервісів штучного інтелекту AWS, можна знайти на:
– Amazon Web Services (AWS)
– Amazon S3
– AWS Machine Learning
– Amazon EKS (Elastic Kubernetes Service)
У наступній дискусії серії про те, як S3 революціонізувала ринок зберігання, буде корисно ретельно дослідити вплив цих функцій, спрямованих на AI.