概览
工作原理
这些技术细节包含一张架构图，用于说明如何有效使用本解决方案。该架构图展示了关键组件及其相互作用，并逐步概述了架构的结构和功能。
自信地进行部署
为部署做好准备了吗？ 查看 GitHub 上的示例代码，了解详细的部署说明，以根据需要按原样部署或进行自定义部署。
Well-Architected 支柱
上面的架构图是按照 Well-Architected 最佳实践创建的解决方案示例。要做到完全的良好架构，您应该遵循尽可能多的 Well-Architected 最佳实践。
本指南中使用的服务共同为整个 ML 生命周期提供了全面、自动化和可扩展的基础架构。具体而言，SageMaker 提供了完全托管的 ML 环境，简化了从数据准备到部署和监控的工作流程。Lambda 和 EventBridge 支持无服务器计算和事件驱动的自动化，减少了手动干预和潜在错误。DynamoDB 为模型元数据提供了灵活的数据库，而 QuickSight 则提供了用于监控和治理的仪表板功能。Amazon S3 和 Amazon ECR 为模型构件和容器镜像提供可扩展的存储产品，有助于确保在需求增长时保持一致的性能。最后，API Gateway 可管理模型调用的 API 的创建和管理，从而促进与其他系统的顺利集成。
阅读卓越运营白皮书通过提供访问控制、数据保护和安全构件存储机制，本指南中使用的服务可协同发挥作用，保护您的信息和系统。例如，SageMaker 为 ML 工作流程提供内置安全功能，包括笔记本实例和模型端点的隔离。AWS 身份和访问管理 (IAM) 支持对 AWS 服务进行精细的访问控制和权限管理。Amazon S3 为模型构件提供安全的对象存储和加密功能。最后，Amazon ECR 通过访问控制和传输中的加密，为容器映像提供安全存储。
阅读安全白皮书为本指南选择的服务旨在从容地应对不同的工作负载和潜在故障。例如，SageMaker 的托管基础设施减少了维护 ML 环境的运营负担。Lambda 的无服务器特性有助于确保计算资源始终可用，无需手动扩展。DynamoDB 的分布式架构为模型元数据存储提供了高可用性。此外，Amazon S3 的设计耐用性达到 99.999999999%（11 个 9），可保护您的关键模型构件。最后，Amazon ECR 有助于确保容器镜像始终可供部署，而 API Gateway 通过稳定的模型访问来应对流量峰值。
阅读可靠性白皮书SageMaker 为模型训练和推理提供高性能基础架构，能够自动选择最有效的实例类型。Lambda 支持通过近乎即时的扩展快速执行函数。DynamoDB 可为任何规模的数据检索提供低于 10 毫秒的延迟。Amazon S3 提供对模型构件的高吞吐量访问。Amazon ECR 确保快速、一致地部署容器镜像。而且 API Gateway 为模型调用提供低延迟 API 管理。这些服务共同为 ML 管道的各个方面提供了优化、可扩展和低延迟的方法。
阅读性能效率白皮书通过使用无服务器和托管服务，您的组织可以避免与拥有和维护物理基础设施相关的资本支出。此类服务的一个例子是 SageMaker，它提供自动扩缩功能，以便在模型训练和推理期间有效利用资源。Lambda 提供无服务器模型，这意味着您无需为空闲计算时间付费，这对于 ML 管道中的间歇性工作负载尤其有利。此外，DynamoDB 还包括按需容量模式，在该模式下，数据库可自动向上和向下扩展，从而优化不可预测工作负载的成本。
阅读成本优化白皮书高效、可扩展和无服务器计算选项让您可优化资源使用，最大限度地减少运行云工作负载对环境造成的影响。SageMaker 提供托管 ML 基础架构，可根据需求自动扩展资源，从而减少空闲容量。Lambda 提供无服务器计算，仅在执行函数时消耗资源。最后，DynamoDB 是一个可自动扩展的无服务器数据库，可确保资源的有效利用。
阅读可持续发展白皮书免责声明
找到今天要查找的内容了吗？
请提供您的意见，以便我们改进网页内容的质量。