AWS Simmit 首次辦在台灣,一整天的免費議程,分成好幾個track,這次主要參加的是物聯網與大數據應用track
整天下來有幾個重點值得注意
AWS IOT
上圖為AWS IOT的架構示意圖,為這次大會的主軸之一,AWS提供一系列的服務,為接下來的互聯網浪潮提供完整的後端支援。
從這個架構圖中可以從中窺知AWS的設計理念,資料流從前端透過MQTT或HTTP等協定進到Device Gateway,主要處理訊息的單位是Rules Engine,負責判斷訊息內容決定下一步傳輸方向,再交由後端AWS Services像是EMR進行機器學習資料探勘的處理,或是Redshift進入資料倉儲中。
其中值得注意的是Device Shadows的機制,這是過去Web、API開發比較少見,設計的思維是為了避免device斷線,後端無法得知Device的狀態,於是提供一個shadow,存取溝通就如同跟device溝通一樣,開發者不必費心處理之間的同步問題,將會在開機後自動進行同步。
AWS Alexa
圖右為當天demo的Amazon Echo
當天的亮點之一是Amazon Echo,而重點不是在這個硬體,而是背後提供的Alexa語音助理,使用者串接不同的服務,透過語音的介面控制身邊的IOT設備,當場demo起來感覺相當成熟,令人不禁想到Iron Man中的Jarvis,相信離誕生已經不遠了。
這只是開始,目前Amazon Echo還只能支援英文,相信在不遠的將來也能跟Siri一樣支援中文。
Data Analysis
上圖為資料分析的流程,右方為資料分析的最後一里路,真正決定此資料分析是否有價值來自右方所解決的問題
圖中為使用AWS服務進行資料分析的範例,謹記一點,永遠都從最右方 Answers&Insights 開始,清楚定義欲解決的問題之後,從左方開始決定要收集什麼Data,根據這些Data特性,用什麼服務來儲存、分析預測、視覺化等等,AWS在當中提供許多的工具幫助資料科學家快速的進行實驗,而不必從頭建立環境。
不知道什麼需求該採用哪種服務嗎,可以參考上圖
這張投影片相當重要,再次重複了如何以一個資料的角度進行商業專案,一切都要與商業端接軌,清楚問對問題,再次確認是否有滿足商業需求,再回頭設計整個資料串流,並進行分析預測實驗。
最後,保持Agile,敏捷應對劇烈變化的商業需求。
(AWS IOT infra from https://paolopatierno.wordpress.com/2015/10/13/an-iot-platforms-match-microsoft-azure-iot-vs-amazon-aws-iot/)