La conférence annuelle Amazon Web Services, re: Invent, s'est tenue la semaine dernière à Las Vegas. Plus de 40 000 geeks du monde entier se sont rassemblés pour écouter les dernières nouvelles et les annonces produits (et quelques blagues sur Larry Ellison d'Oracle). Etant donné le nombre de nouvelles fonctionnalités et de lancements de produits dans une semaine moyenne chez AWS, il y a toujours beaucoup de choses à raconter. La conférence de cette année a tenu ses promesses, avec une avalanche de nouvelles technologies annoncées.
Concentrons-nous ici sur quatre annonces qui, de notre point de vue, illustrent bien la stratégie d'AWS.
EKS
EKS - ou «Amazon Elastic Container Service for Kubernetes», de son nom complet - était une version très attendue qui montre vraiment à quel point AWS se comporte différemment du reste de l'industrie IT.
Kubernetes est un orchestrateur de containers Open Source, créé et proposé en tant que service managé par Google depuis 2014. Initialement, Amazon a essayé de rivaliser avec son propre projet Open Source, Blox, mais leurs experts ont plutôt écouté ce que les clients demandaient, à savoir "Rendre Kubernetes sur AWS facile !".
La capacité et la volonté de s'adapter, au lieu de chercher obstinément à promouvoir leur propre produit concurrent, montre pourquoi AWS continuera à dominer le paysage Cloud dans un avenir proche.
Neptune
Les bases de données graphiques ne sont pas aussi médiatisées que le Machine Learning. Pourtant , elles peuvent proposer les mêmes fonctionnalités.
L'alerte «Les gens qui ont acheté ceci, ont aussi acheté ...» est souvent présentée comme un exemple de Machine Learning. Mais une base de données graphique peut fournir ces données sans avoir besoin d'être formé sur la gestion de grandes quantités de données. Jusqu'à présent, exécuter en production une base de données graphique en cluster, telle que Neo4j était possible, mais présentait des frais d'opérations importants. Neptune apporte la facilité de RDS aux bases de données graphiques, avec les fonctionnalités sous-jacentes du stockage Amazon Aurora. En outre, les données sont répliquées sur plusieurs centres de données et des réplicas en lecture sont fournis, mais dans un service entièrement managé.
On peut s'attendre à ce que Neptune fasse naître un nouvel intérêt pour ce type de bases de données, jusqu'ici sous-estimées. Lorsqu'il est associé au Machine Learning de Sagemaker (ci-dessous), Neptune offre aux entreprises la possibilité de créer facilement des outils auparavant inaccessibles à tous, sauf aux géants de la technologie.
SageMaker
Le Machine Learning est complexe, et Amazon SageMaker n'y change rien. Il ne mettra pas de data scientists au chômage, mais va les aider à être plus productifs. Son rôle consiste à enlever une grande partie des «charges lourdes indifférenciées», ce qui facilite la création de clusters et l'importation, l'exploration et la visualisation des données.
Deeplens
Avec AWS IoT et Greengrass, les annonces de re: Invent des années précédentes, AWS a conçu un environnement idéal pour créer des devices IoT. Deeplens est en effet un device amateur, ce qui démontre à quel point il peu être efficace lorsqu'il est combiné avec Sagemaker. Pour l'essentiel un petit appareil Linux avec une caméra intégrée et un processeur graphique puissant, Deeplens a été conçu pour permettre aux gens de jouer avec l'apprentissage par ordinateur.
Chez re: Invent, Amazon a utilisé Deeplens pour détecter les personnes et les hot-dogs en seulement quelques heures, et je pense que c'est un outil incroyable pour permettre aux gens de prototyper facilement et à moindre coût de nouvelles fonctionnalités.