Suche
Amazons Neuheiten

Die Highlights von der AWS re:invent

Melanie Feldmann
amazon_reinvent_2016

Quelle: Amazon

Amazon haut auf seiner Hausveranstaltung re:invent momentan wieder seine großen Neuigkeiten raus. Wirklich spannend wird es dieses Jahr bei den Themen IoT und Maschinelles Lernen.

IoT trifft Lambda

Einen Schritt Richtung IoT macht Amazon mit AWS Greengrass. Die Software ermöglicht es Anwendern, AWS Rechen-Power, Messaging, Daten-Caching und Synchronisierung auf IoT-Geräten zu nutzen. Mit Greengrass können auf IoT-Geräte AWS-Lambda-Funktionen laufen, um Anwendungen lokal auszuführen. Die Software läuft nach Angaben von Amazon auf fast allen Geräten mit einer Universal-CPU, Ubuntu oder Amazon Linux als OS nutzen und ARM- sowie x86-Architekturen unterstützen. Die Chips der Hersteller Intel, Qualcomm und Annapurna kommen bereits mit Greengrass integriert direkt vom Hersteller.

Mit bei Greengrass ist eine neues Datenübertragungsgerät, AWS Snowball Edge, das zweimal so viele Daten übertragen kann wie das Original-AWS-Snowball; nämlich bis zu 100 TB. Die Geräte sind damit speziell angefertigte, hybride Egde-Geräte, die Daten zu Amazon Simple Storage (Amazon S3) senden und empfangen können. Sie können sich mit anderen Snowball-Geräten direkt untereinander zu einem Cluster zusammenschließen, um einen lokalen Speicher-Pool zu bilden, und können AWS Lambda nutzen, um Daten zu verarbeiten und zu analysieren.

Mit diesen Neuerungen zielt Amazon vor allem auf Anwendungsfälle des IoT, bei denen nicht auf die Rechenkraft in der Cloud zurückgegriffen werden kann oder soll. Das kann bei schlechter Internetanbindung der Fall sein, aber auch bei großen Datenmengen. Man spricht in diesen Fällen auch von Fog oder Edge Computing. Da sich die Programmierung der Lambdas auf den IoT-Geräten nicht von der in der Cloud unterscheidet, soll es außerdem für Entwickler einfacher sein Anwendungen im IoT-Umfeld zu implementieren.

Lesen Sie auch: EnterpriseTales: Klein, kleiner, AWS Lambda

Maschinelles Lernen out-of-the-box

In den Pool der Services für Maschinelles Lernen wirft Amazon direkt drei Kandidaten: Amazon Lex, Amazon Rekognition und Amazon Polly. Mit Amazon Lex können Entwickler Conversational Interfaces für Anwendung bauen, mit Sprache und Text. Lex bitet die Deep-Learning-Funktionalitäten und Automatic Speech Recognition (ASR), um Sprache in Text umzuwandeln. Natural Language Understanding (NLU) sorgt dafür, dass der Text auch verstanden wird. Die Technik basiert auf den gleichen Deep-Learning-Technologien wie Alexa. Amazon Rekognition vereinfacht es, Bildanalyse in Anwendungen zu integrieren. Mit dem Service ist es möglich, Objekte, Szenen und Gesichter in Bildern zu erkennen. Man kann auch Gesichter suchen und vergleichen. Um Text in lebensechte Sprache zu wandeln, kommt Amazon Polly zum Einsatz. Der Service enthält 47 verschiedene naturgetreue Stimmen in 24 Sprachen. Polly soll schnell genug sein, um interaktive Dialoge möglich zu machen. Bei allen Services handelt es sich um eine Komplettlösung, bei der Entwickler sich nicht mit den Deep-Learning-Algorithmen oder den Machine-Learning-Modellen auseinandersetzen müssen.

Rund um Datenbanken

Amazon stattet Aurora mit neuen Funktionalitäten aus. Die Datenbank Engine ist jetzt kompatibel zu MySQL und PostreSQL. Damit bietet das Unternehmen eine Alternative zu “kommerziellen Datenbanken, die hohe Performance und fortschrittliche Zuverlässigkeit bieten, aber teuer sind, komplex zu managen, einen hohen Lock-in haben und zusammen mit komplizierten Lizenzvereinbarungen daherkommen”.  Damit können zum Beispiel nun auch Anwender von Oracels RDS-Datenbank einfach zu AWS wechseln. Mit dem neuen Service Amazon Athena ist es jetzt auch möglich, auf Daten in S3 direkt über Standard-SQL-Queries zuzugreifen. Es muss eben nicht immer Spark oder Hadoop sein.

Mehr Rechen-Power

Wie auf jeder re:invent kündigt Amazon auch Neuheiten bei VMs und Instanzen an. F1-Instanzen können jetzt mit programmierbaren FPGAs (Field Programmable Gate Arrays) ausgestattet werden. Die zusätzliche, justierbare Rechen-Power kann vor allem für Machine-Learning-Anwendungen gebraucht werden. Mit Amazon Elastic GPUs lässt sich jetzt auch die Grafik-Power von EC2-Instanzen aufbessern. Und mit Amazon Lightsail ist es einfach, Virtual Private Server (VPS) aufzusetzen, inklusive Storage und Networking.

Geschrieben von
Melanie Feldmann
Melanie Feldmann
Melanie Feldmann ist seit 2015 Redakteurin beim Java Magazin und JAXenter. Sie hat Technikjournalismus an der Hochschule Bonn-Rhein-Sieg studiert. Ihre Themenschwerpunkte sind IoT und Industrie 4.0.
Kommentare

Hinterlasse eine Antwort

Deine E-Mail-Adresse wird nicht veröffentlicht.