С каждым годом компании используют облака все больше. Если на первых порах это были базовые инфраструктурные сервисы, то сейчас наблюдается значительный спрос на PaaS-услуги, когда заказчик приобретает в качестве сервиса уже готовую платформу. Ситуация с пандемией значительно усилила эту тенденцию. 

Эффект карантинных мер наложился на тренд цифровизации, в результате чего заказчики все чаще обращаются с запросами высокого уровня. То есть простых инфраструктурных сервисов,

таких как организация виртуальных машин и системы хранения данных, недостаточно. Большинство ожидает от облачных провайдеров продвинутых платформенных сервисов, например, управляемых баз данных, сервисов по развертыванию машинного обучения, интеграции и автоматизации процессов разработки DevOps и MLOps, управления кластерами контейнеров и т.д.

В такой ситуации клиенты задаются вопросом, а кто может обеспечить им нужный уровень качества? Ведь под качеством следует понимать не только отказоустойчивость облачных услуг, но их надежность – способность работать под высокими нагрузками, готовность к интеграции –наличие готовых модулей совместимости с другими решениями и скорость развертывания решений – наличие готовых архитектур под разные задачи и платформы.

Согласно аналитическим отчетам, которые подтверждены профессионалами, первое место по доли рынка как в общемировом масштабе, так и в регионах, занимает облачная платформа Amazon Web Services. Уровень их технологий высок в плане широты возможностей, а также зрелости настолько, что они могут обслуживать не только промышленные масштабы, но и глобальные компании по всему миру. 

Рассмотрим подробности основных сценариев применения сервисов AWS.

Сценарий №1. IaaS. Виртуальная инфраструктура

Включает в себя одну из самых широких линеек базовых сервисов для построения облачной ИТ-системы. Клиенты получают доступ к виртуальным машинам, хранилищам данных, сетевым ресурсам, а также к инструментам по их мониторингу и управлению. 

Основополагающим принципом стратегии AWS является фокус на покупателя. Они предоставляют множество возможностей и инструментов по оптимизации затрат до 50-60%. На сегодняшний день, к примеру, AWS предлагает беспрецедентную стоимость облачного хранилища – от 1$ в месяц за 1 TB для облачных архивов. И это не просто низкие цены, а идеальное соотношение «цена-функциональность».

Softline – не просто реселлер AWS, но и партнер со статусом AWS Solution Provider, что подтверждает готовность реализовывать на базе AWS любые решения. Так, например, один из самых востребованных сценариев уже подготовлен для клиентов Softline Cloud. Если они заинтересованы в расширении ресурсов своего ЦОДа или в переходе на продвинутые платформенные сервисы, то у них возникает задача объединить свою инфраструктуру с AWS. И в облаке Softline выполнить это теперь проще простого. В нем уже доступны дополнительные образы, которые реализуют 2 базовых сценария: синхронизация и расширение хранилищ данных в AWS.

В результате заказчик получает интегрированную с Softline Cloud инфраструктуру и возможность разворачивать любые сервисы AWS.

Ему обеспечивается зашифрованный канал обмена данных, настройки безопасности, единая целостность хранения данных и доступ к PaaS сервисам. Это дает клиентам возможность быстро проводить эксперименты и оперативно запускать цифровые продукты, соответствуя трендам современного рынка. 

КЕЙСЫ

Одним из примеров реализованных проектов IaaS с помощью AWS стал перевод ИТ-ресурсов «Банки.ру» в облако Amazon Web Services. Заказчик получил гибкую IT-инфраструктуру с высоким уровнем отказоустойчивости, а также возможность оперативно вносить требуемые изменения без необходимости покупки и обслуживания дорогостоящего серверного оборудования. Масштабируемость решения и возможность оперативной технической поддержки облегчили работу инженеров и обеспечили удобство пользователей.

Компания Real Track повысила скорость сайта с помощью сервисов Amazon. Сервис Amazon EC2 позволил уменьшить время загрузки сайта: в России от 3 с до 0,95 с, а за рубежом от 7 с и до 1 с в среднем в зависимости от региона, достигнув современных требований для комфортной работы с сайтом в интернете. 

Сценарий №2. Разработка

Изначально платформа AWS создавалась и затачивалась специально для разработчиков. По этой причине в ней реализована интеграция практически со всеми средами разработки ПО. Это значит, что программисты имеют возможность пользоваться теми же инструментами для развертывания проектов в AWS, с которыми они привыкли иметь дело. К тому же сотрудничество AWS с производителями сред разработки позволяет им выпускать совместные инструменты, которые делают интеграцию с инфраструктурой заказчика практически бесшовной.

AWS предлагает лучшие возможности для реализации основного тренда на рынке разработки ПО – перехода от монолитной инфраструктуры построения приложений к микросервисной. 

В чем основная идея микросервисной архитектуры? Она заключается в разделении функциональности одной системы на множество условно-независимых сервисов, каждый из которых работает и обновляется отдельно. Благодаря этому обеспечивается устойчивость всего решения к «падениям» отдельных микросервисов в процессе работы. Кроме этого микросервисная архитектура позволяет в разы сократить время релизов обновлений, так как каждый из микросервисов можно обновлять отдельно, а не собирать большие патчи и обновления. Это крайне важно именно сейчас, потому скорость инноваций и скорость внесения изменений в цифровой продукт – залог конкурентоспособности.

Параллельно с этим развивалась и фактически стала стандартом развертывания современных приложений технология контейнеров. Для реализации этой модели чаще всего во всем мире выбирают именно AWS. По статистике, 80% всех контейнерных приложений в облаке запускаются именно на AWS. Например, AutoDesk, Expedia, Snap, Samsung управляют контейнерами на AWS в рамках production-инфраструктуры. Это происходит благодаря тому, что в AWS есть большое количество инструментов для автоматизации управления, мониторинга и обеспечения безопасности контейнеров. Это позволяет решать любые задачи от создания управляемых Kubernetes кластеров до развертывания контейнеров в бессерверной среде AWS.

Разработчикам мобильных приложений платформа предлагает специализированные готовые сервисы. Они ценны тем, что решают критично важные для этой сферы задачи. К примеру, сервис Device Farm дает возможность проводить тестирование мобильных приложений на реальных смартфонах разных производителей и ОС в количестве до 2,5 тыс. устройств. Есть специальные сервисы, помогающие выстроить и автоматизировать процессы DevOps, которые обеспечивают слаженные процедуры разработки. 

Сценарий №3. PaaS. Цифровизация, Machine Learning, Data Science

Цифровая трансформация стала главным делом крупных и успешных компаний. Тем, кто сталкивался с ней, хорошо известно, что она зачастую связана с обработкой больших объемов данных, а значит, требует масштабных вычислительных мощностей. При этом запуск инновационных продуктов происходит в условиях неопределенности. Заранее неизвестно, какой мы получим результат, какое количество пользователей он охватит и сколько вычислительных ресурсов потребуется на его подготовку и запуск.

В таких условиях приобретать дорогие и мощные сервера чаще всего невыгодно, гораздо эффективнее брать их в аренду. Это связано с тем, что успешная цифровая модель – всегда результат поиска и тестирования различных идей. В связи с этим выгоднее платить за облачные сервисы не постоянно, а именно в те ограниченные периоды времени, когда требуется проверить работоспособность модели, запустить ее, а также важно иметь возможность в любой момент отказаться от нее и отключить виртуальные машины. Система оплаты pay-as-you-go позволяет оплачивать ресурсы по факту использования. За счет этого в условиях нестабильной ситуации на рынке экономия на облачных сервисах проявляется очень сильно. 

По статистике более 80% проектов глубокого обучения в облачной среде выполняется именно в AWS. Это происходит, потому что их реализацию, как правило, легче всего проводить через опенсорсные решения, самую богатую библиотеку которых предоставляет AWS. 

Это дает возможность экспериментировать с проектами Machine Learning, тестировать их и быстро запускать в промышленную среду, где они начинают работать на реальных объемах данных, с чем AWS также успешно справляется.

Для подготовки проектов по машинному обучению AWS предлагает готовое решение Sage Maker. Оно позволяет автоматизировать рутинные операции и сокращать затраты вычислительных ресурсов до 45%. Экономия происходит за счет того, что сервис отслеживает максимально дешевые ресурсы из доступных к настоящему моменту, а также контролирует, чтобы виртуальные машины мгновенно отключались, не тратя лишних минут дорогого ресурсного времени. Эти возможности становятся ценными для компаний, которые планируют или начинают развивать у себя сервисы машинного обучения.

КЕЙСЫ

Для проектов по цифровизации и Machine Learning AWS используют:

• «ПриватБанк» – биометрическая система для оплаты покупок на основе FaceID на базе Amazon Rekognition.
• Barclays – британский финансовый конгломерат – использует платформу по нахождению инсайтов из внешних датасетов: Spark-кластер с ростом производительности по запросу, а также хранилище и БД в облаке для быстрой работы с растущими объемами данных.
• Fannie Mae – крупнейшее американское ипотечное агентство – проводило масштабирование ML проекта в продуктив: автоматизировало и оптимизировало обучение ML-решений при помощи TensorFlow, наладило обработку «налету» 40 000 отчетов (0,5М изображений) в день.
• Moody’s – международное рейтинговое агентство – построило прототип предсказания кредитных рейтингов всего за 1 месяц.

Когда выбирают AWS?

Amazon Web Services – это лучший вариант для компаний, которые не могут спрогнозировать необходимые мощности, запуская новые проекты или расширяя существующие. Разработчикам ПО, не найти платформы, которая была бы лучше интегрирована со всеми существующими средами и инструментами разработки. Что касается задач цифровой трансформации, для них AWS предоставляет как самые дешевые вычислительные мощности, так и готовые инструменты, которые позволяют оптимизировать процессы и сокращать время на реализацию проектов по машинному обучению и искусственному интеллекту.