re:Invent十年：五大风向标，亚马逊云科技行业探索之路
今年是亚马逊云科技召开re:Invent大会的第十个年头。在今年的re:Invent大会上，亚马逊云科技发布了涵盖计算、物联网、5G、机器学习等多个方面的云计算行业新服务和功能。
在12月8日举行的亚马逊云科技re:Invent中国媒体沟通会上，亚马逊云科技总结分享了本次re:Invent大会的五个风向标：重构云计算底座，自研芯片再升级；大云无疆，无限拓展；代码即云，万物皆API；降低门槛，把云计算交到更多人手里；可持续发展。天虎科技也总结了今年re:Invent峰会中的行业趋势。
风向标1：重构云计算底座，自研芯片再升级
亚马逊云科技大中华区产品部总经理顾凡提到：“客户对于追求云上的性价比这样一种追求是永远不会有止境的。同时，未来在云上的新型工作负载对于计算创新的要求也是无止境的。而发生在底层的创新，往往是最具备颠覆性的。所以从半导体和芯片层面，这样一种自研芯片的创新，会是改变云计算游戏规则一个非常重要的能力。”
在一众云计算厂商中，亚马逊云科技是其中最早开始自研芯片的。时至今日，亚马逊云科技已经拥有Nitro、Graviton、人工智能机器学习自研芯片三条产品线，并在今年发布了Graviton3、C7g、Trn1等一系列的实例，以及计算和机器学习的训练，同时也发布了Nitro的SSD硬盘。在亚马逊看来，自研芯片需要经验的积累和时间的沉淀。
在今年推出的三款自研芯片中，首先是亚马逊云科技新推出自研通用计算处理器。新一代基于Arm的自研CPU处理器Amazon Graviton3，是亚马逊云科技自研设计的第三颗CPU处理器，并宣布推出基于这一款新芯片的第一个实列Amazon EC2 C7g，与Amazon Graviton2处理器支持的当前一代C6g实例相比，计算密集型工作负载性能提高多达25%。在相同性能下，与同类型Amazon EC2实例对比，可节省高达60%的能源消耗。其次，是新推出了自研机器学习训练芯片。在今年的re:Invent大会上，基于Trainium的实例被首次提供。由Amazon Trainium芯片支持的Trn1实例为在Amazon EC2中进行深度学习模型训练提供最佳性价比以及最快的训练速度，与P4d实例相比，通过Trn1实例训练深度学习模型的成本降低多达40%。此外，亚马逊云科技还新推出自研固态硬盘。采用全新Amazon Nitro SSD固态硬盘的Im4gn/Is4gen/ I4i实例，可为I/O密集型工作负载提供超高存储性能。通过自研的 Amazon Nitro SSD，Im4gn/Is4gen/I4i实例提供高达 30 TB 的 NVMe 存储，与上一代I3实例相比，I/O 延迟降低了 60%，延迟可变性降低了 75%，从而最大限度地提高了应用程序性能。
“而亚马逊云科技从对于云上所有这些客户的工作负载的深刻理解，去逆向工作，去设计我们的芯片，是我们在重构这样一个云计算底座自研芯片里面的最大优势。”顾凡表示。
风向标2：The Everywhere Cloud（大云无疆，无限拓展）
亚马逊云科技认为，对于客户而言，云服务不应该具有边界和限制。
“对于用户而言，其实亚马逊云科技的每一个云服务，从第一天诞生起都代表着一个API，包括计算资源Amazon EC2是一个API，存储资源Amazon S3也是一个API，包括创建网络拓扑、创建数据库的资源、起停关这些都是通过API实现的，乃至于亚马逊云科技所有的云服务，包括每一个服务在启动资源、关闭资源的时候，都需要经过一个权限的控制，这样的权限控制也是通过IAM服务实现，也依旧是一个API。当客户和全球的卫星数据只有一个API的距离的时候，客户的能力便会得到极大地拓展。在今天所有的开发者、构建者都已经具备这样的能力，通过一条API可以从卫星数据上自动的、编程式的帮助这个社会，甚至可以自动化的预测洪灾，自动化的观察到大坝的泄露。”亚马逊云科技大中华区产品部数据类产品高级经理王晓野这样介绍亚马逊云科技的无处不在。
目前，亚马逊云科技基础设施遍及25个地理区域的81个可用区，并计划新建9个区域和27个可用区，有14个本地扩展区域、17个Wavelength区域，有108个Direct Connect光纤直连站点，有310个边缘站点和13个区域缓存站点。在此基础上，亚马逊云科技还宣布，2022年将在21个国家建设超过30个本地扩展区，让客户以更低的延迟服务其终端用户。
风向标3：代码即云，万物皆API
顾凡表示，今天在应用开发者的眼里，一切云计算的资源都是可以代码化的，都可以被编程。而这一切的基础就是亚马逊云科技从Day1就坚持的API文化，就是万物皆API。从2006年起，Amazon EC2就几个API就可以创建、注销计算资源，到15年后的今天，我们有超过200类的亚马逊云科技的服务，有上千种API在服务于数百万级的客户，每天在自由地在云上构建。
对于API的构建，王晓野也给出了自己的五条建议：第一条，API是永远的，一旦它被发布成为一个公共可用的服务，那么就会有成千上万得到客户不断去调用它。意味着我们对这个API的任何改动都是不明智的，而且是很危险的，不能够对原有的API进行删除或者更改；第二点，保持超高的向后兼容性，对于老版本的API我们是不可以去触碰和开发者的那个协定，不可以去改变API已有的使用方式，我们只会在上面增加新的功能，而不会去删除或者改变已有的API。
第三点，亚马逊的传统是应该从客户真正的场景出发，找到客户最希望这个工具或者这个服务想要实现的功能，例如亚马逊的数据库是根据客户需求自由搭配构建的，而不是根据亚马逊云科技的技术储备实现。第四点，让API的故障模式有据可查，一个真正的好的API和服务，不仅仅让客户知道它工作时候的状态，也要让客户知道，当它不工作的时候是哪里出了问题，并持续进行改进。第五点，创建具有明确、特定目的、自描述的API。第六点，对于API也好、云服务也好，需要隐藏我们背后的技术实现，呈现给开发者最简单的逻辑。
“基于上述六条，我们今天所做的所有基于ARM的创新，在底层我们其实已经通过了亚马逊云科技提供的这些专门构建的托管服务，让我们大多数客户已经享受到了ARM带来的性能和成本上的提升，而背后我们并没有去毁掉任何一条我们与客户之间的协定，客户还像过去一样在使用着我们的托管服务。”王晓野表示。
风向标4：降低门槛，把云计算交到更多人手里
亚马逊云科技表示，“‘降低门槛’本身就是云计算的一个非常重要的核心价值”。
在不断推动降低门槛、增加可用性方面，亚马逊云科技也提出了一系列举措。首先，在降低机器学习的门槛方面，基于Amazon SageMaker Training Compiler，通过在内核层面进行优化，使Training可以更好的利用CPU的资源，实现最高50%的提速。Training Compiler默认跟Tensorflow和PyTorch集成。数据科学家只要做非常少的更改，就可以把它使用起来。同时Amazon Serverless Inference无服务器的节点，就按照实际推过来的流的实际用量来计费，保证根据自动生产过来的流量不断进行收缩，自动配置、扩展，并且在没有需要的时间释放相应的计算资源，大大减少了企业扩展机器学习规模的难度。
其次，在降低了运维人员使用云的门槛方面，亚马逊云科技发布了Amazon DevOps Guru for RDS，它使用了亚马逊多年来的卓越运营提供的机器学习模型，去自动识别和分析各种潜在的性能问题，比如说资源耗尽等东西，并且把根因分析，尽可能能够自动修复这些相应的故障，为我们的运维省力、省心、省钱。
同时，在降低大数据分析的门槛方面，亚马逊云科技发布了四个具有无服务器和按需扩展的功能，比如Amazon Redshift Serverless、Amazon EMR Serverless、Amazon MSK Serverless、Amazon Kinesis On-demand，能够帮助运维部门快速把这些服务构建起来，可以减少无差别的配置工作，轻松满足业务部门对于这些的需求。
风向标5：可持续发展
在可持续发展方面，亚马逊云科技采用了两方面的举措来实现目标：一是提升基础设施的效率；二是采用可再生能源。2019年，亚马逊和Global Optimism共同创立了气候宣言，加入这个气候宣言组织的各个成员承诺要快速采取行动，争取做到在2040年前就实现0碳排放，提前10年去达成巴黎协定的目标。
据介绍，亚马逊云科技始终专注在基础设施的各方面的效率的提升，无论是数据中心、硬件的设计、自研芯片，到数据中心的建模、跟踪、运营的绩效，所有这些东西都是在不断提升运营基础设施的效率。例如，Graviton是亚马逊云科技最节能的处理器，每瓦的性能相较于其他Amazon EC2的处理器要更为良好；此外，Inferentia也是亚马逊云科技最节能的机器学习推理的处理器，Inf1较基于GPU的实例的推理的能效提升高达80%。这也就意味着意味着如果一个客户将它的工作负载迁到亚马逊云科技云上，就有机会减少近80%的能源的消耗。
此外，在使用可再生能源方面，亚马逊承诺在2030年要使用100%的可再生能源。顾凡表示：随着过去几年的努力和进展，亚马逊有机会在2025年完成该目标，提前5年完成100%使用可再生能源。截至目前，亚马逊已经启用了超过12000兆瓦的可再生能源的容量。当所有可再生能源项目投入运营以后，预计每年会减少1370万吨的碳排放，相当于300万辆汽车一年的碳排放量。
