未来由什么构建？

2023 伊始，数字化蓝图的建设也将开启一个新的阶段，可以预见的是，会有越来越多的企业需要从数字化转型中谋求降本增效，提升盈利能力，而技术则是实现数字化转型的重要基础。

分析师判断，未来 5 年所产生的数据是整个数字时代所产生数据的两倍还要多。这便意味着，管理海量数据，挖掘数据价值可以为企业带来无限价值，同时也是对企业的巨大挑战。不仅如此，随着各行各业数字化进程的加速，企业需要的工具必须是功能足够强大，具备特殊定制功能；日益激烈的商业竞争也在推动现代应用开发向着更加敏捷的方向发展；安全问题也愈发受到重视，高性能必须在安全的前提下才能为企业创造更加实在的价值……

那么，我们该如何迎接技术机遇，应对技术挑战，实现全行业数字化转型？

亚马逊云科技近日给出一份答卷：亚马逊云科技在 2022 re:Invent 全球大会上，围绕数据、安全、计算性能和行业应用四大主题，发布了一系列涵盖底层基础架构、计算、数据库、数据分析、AI/ML、安全、行业应用等新的服务及功能，通过不断创新帮助全球客户重塑未来。

云原生数据战略，构建端到端的数据服务

“数据是整个应用程序业务逻辑的核心，几乎是每个组织数字化转型的基石，但处理数据非常棘手，这也是亚马逊云科技一直致力于建设一个云原生的数据战略的原因。”亚马逊云科技大中华区产品部总经理陈晓建表示，亚马逊希望提供的所有工具，能够帮助客户在整个数据全生命周期从存储到最后的 AI 人工智能，在每个环节都能帮助用户把数据利益最大化，通过提供完整全面的数据解决方案，可以帮助客户更安全、更高效的去挖掘数据价值。

亚马逊云科技大中华区产品部总经理陈晓建

首先，什么是云原生数据基础设施？

亚马逊云科技认为，一个面向未来的云原生的数据基础设施应该包括四个方面：第一，应该具备适用于所有适合工作负载和任何数据类型的合适的工具，以及让你能够适应不同不断变化的需求和机会；第二，应该能够持续优化，来跟得上用户业务的发展所带来更多的数据和业务规模，并能够保持一个高的性能；第三，也能够去面对客户日益复杂的业务逻辑提供尽可能多的工具，帮助用户在整个数据使用过程之中降低门槛、降低复杂性，提升他们的使用效率；第四，应该具备最高级别的可靠性，因为用户的数据对用户的业务来说是至关重要的。

而构建这套云原生的数据战略则有三个关键因素：第一，建立一个面向未来的数据底层基础设施；第二，实现一个跨组织的数据一体化融合，数据不在是一个个烟囱式的孤岛，而是一个完整的打通的大的数据库；第三，通过教育和工具，来实现数据的普惠化，来降低数据使用的门槛，让更多的人可以从浩瀚的数据中获益。

基于此，亚马逊云科技发布多项新工具、新功能，来实现云原生数据基础的构建。

适用于 Apache Spark 的 Amazon Athena：使用 Athena 调用Spark，一秒内即可开始在 Apache Spark 运行交互式数据分析任务，用户无需准备基础架构配置。
针对 Apache Spark 的新 Amazon Redshift 集成预览：可通过Amazon EMR 或者Amazon Glue这样的 Spark 引擎来消费Amazon Redshift中的数据。Spark引擎对 Amazon Redshift的数据抽取速度相较现有的 Amazon Redshift-Spark连接器提高了10倍。
Amazon DocumentDB Elastic Clusters：将Amazon DocumentDB集群弹性扩展到支撑百万级读写每秒和PB级存储容量的规模。
Amazon RDS写优化：将数据写入吞吐量最高提升两倍。
Amazon RDS读优化：将数据查询性能最高提升50%。
Amazon SageMaker 支持Geospatial ML：Amazon SageMaker 现在支持新的地理空间机器学习功能，客户可从 Amazon SageMaker 访问不同的数据源上的地理空间数据。
Amazon OpenSearch Serveless：补上了分析服务 Serverless 化的最后一块拼图，让架构变得灵巧而轻便，全自动扩展并且只需要为所使用的资源付费。
Amazon RDS蓝/绿部署：开辟一个测试环境进行补丁或者新配置的测试，当测试成功之后快速将测试环境切换为生产环境，节省了数据库团队运维中的操作压力，同时提升运维效率，保证数据零损失。
Amazon Redshift Multi-AZ多可用区功能：实现 Amazon Redshift 的跨可用区容灾。
Amazon Redshift 流式注入功能：日志数据无需从MSK进入Amazon S3再通过代码拷贝进入Amazon Redshift做分析。
Amazon Redshift auto-copy from S3：Amazon Redshift现在支持将文件从S3自动化的复制到Amazon Redshift，避免了人工操作。
Amazon Aurora zero-ETL to Amazon Redshift：这一功能将 Amazon Aurora 中的事务数据与 Amazon Redshift 中的分析功能紧密地结合在一起。
新增22个新的 Amazon AppFlow 连接器，现已总计支持 50 多个连接器：不必编写任何代码，就可以通过Amazon AppFlow在数分钟内轻松设置数据流。
Amazon Sagemaker Data Wrangler可以访问多达40多个新的数据源：快速访问和选择来自多个亚马逊云科技服务和第三方数据源的数据，并把数据从各种格式直接导入到Amazon SageMaker。
Amazon QuickSight Q：不仅仅预备了预测的能力，而且还能揭示数据背后的原因，而且这些都是系统自动完成的。
推出低代码机器学习：Amazon SageMaker Data Wrangler、Amazon SageMaker Canvas、Amazon SageMaker AutoPilot、Amazon SageMaker JumpStart，它们可以帮助使用者从数据准备到模型构建和开发，到训练和调整直到部署和运营管理，全生命周期的每个阶段轻松上手，快速进行业务需要的机器学习。

业务核心之外，安全、底层技术、行业应用均衡发力

前文提到，数据是整个应用程序业务逻辑的核心，而在核心之外，为企业数字化转型服务的技术服务与方案还需要关注到更多方面。

在底层技术方面，亚马逊云科技自2013年推出Amazon Nitro系统以来，已经开发了多个自研芯片，本次大会则再次推出了一系列底层技术更新，包括第五代虚拟化芯片Nitro5、Gravition3E以及机器学习推理芯片Inferentia2，并推出了由三款自研芯片支持的Amazon Elastic Compute Cloud（Amazon EC2）最新实例。针对核心的底层亚马逊云科技SRD网络协议（Scalable Reliable Datagram，可扩展的可靠数据报）进行了创新，推出了高速虚拟网卡ENA Express，提供一致的更低延迟和更高网络吞吐量。针对负载巨大且高度复杂的模拟应用场景，亚马逊云科技推出了 Amazon SimSpace Weaver 服务，可构建、操作和运行大规模的空间模拟仿真系统。

弗若斯特沙利文（Frost & Sullivan）咨询总监李庆认为：在所有行业逐步上云的过程中，最后一个技术难点就在于通信行业。通信行业要求大量网络层基础设施的稳定性，需要处理实时动态的高强度热数据，一直给上云带来了很多技术上的挑战。而在这些挑战之中，底层芯片的算力一直以来都是需要重点突破的技术。“亚马逊云科技去年发布了 Gravition3 处理器，今年又发布 Amazon Graviton3E，对矢量计算进行了大幅优化，极大地拓展了云端弹性的算力，尤其是扩展了工作负载的适用范围。算力的提升也可以进一步降低了总成本。可以看到的是，这一项关键能力的提升使得在通信领域全面上云的节奏加快。并且云厂商在造芯方面的动作非常有利于芯片产业的整体发展，是应用需求的结合和驱动。”

安全被认为是全球客户选择亚马逊云科技的首要原因。亚马逊云科技在本次大会上分享了安全的四大目标：快速帮助客户提升安全水平，降低安全成本，减少安全问题的处理时间和提高企业安全的效率，并围绕这四大目标推出了一系列新的服务及功能。具体如推出云托管服务安全数据湖 Amazon Security Lake，可以自动将客户在云端和本地的安全数据集中到客户在亚马逊云科技账户下专门构建的数据湖中，方便客户针对安全数据做出快速行动。推出威胁检测服务 Amazon GuardDuty 预览版，它内在的机器学习能力可以智能的持续监控您的亚马逊云科技账户和工作负载的恶意活动，并提供详细的安全侦察结果以实现可见性和补救。

聚焦的行业方案落地层面。开箱即用的应用程序能在最大程度上帮助行业用户解决业务挑战。亚马逊云科技将 AI/ML 的能力植入到行业方案中，帮助客户利用云的规模化和敏捷性。如新应用程序Amazon Supply Chain，帮助企业提高供应链的可见性，做出更快、更明智的决策，并降低风险、优化成本及改善客户体验。

在数字化成为主流的当下，如何为数字化转型过程中的企业做好技术服务，提供可以快速响应、开箱即用、持续优化的用户体验是每一个技术服务方都需要思考的问题。对于亚马逊云科技刚刚提交的这份答卷，中桥咨询首席分析师&创始人王丛（Kim Wang）评论道：“亚马逊云科技前瞻的云服务布局，让中国企业不仅能经济快速地将市场需求转化为业务增长，同时，凭借基础设施的无限可扩展、全球数据合规能力，智能和安全的服务管理，为中国企业扬帆出海奠定了基础。”