u76kZ0HwayL
2018的IT熱詞有包括AI、Maching learning 、區塊鍊、物聯網等等，其實都與雲計算(Cloud Computing)有關聯。以物聯網為例，物聯網連結在各地的感應器，上傳資料，集中在一個平台做彙總，而雲計算就可以提供這樣的平台，提供服務。
什麼是雲計算？雲計算就是指透過網路(Internet)，按需交付IT資源和應用程序，按使用量付費。
AWS是誰？1994貝佐斯成立Amazon，以書店起家，2006 Amazon推出了AWS(Amazon Web Service)公有雲服務，亞馬遜有許多發展歷史，從一開始賣書，延伸發展更種服務，包括電子書Kindle、Echo智能音響及其人工智能管家Alexa等等。
AWS的客戶，包括許多世界五百強，如Netflix、藍寶堅尼、Nokia等等，這些大型企業都將自己的服務放在AWS平台，以及公部門如NASA的圖像處理(15天的衛星影像處理AWS僅需兩天)等等。
使用AWS的原因？
- 創新，創新是亞馬遜的特色，每年推出許多新服務，到2018年，AWS提供了四千多種服務，用戶可以依自己的需求組合建立自己需要的服務與技術，擁有豐富的功能以及可靠的技術架構。
- AWS在世界各地有非常多可用區域，2019年前有18個區域，以及58個可用區(每個區域有兩到三個)。
一、AWS雲計算服務介紹
Amazon Elastic Compute Cloud(EC2)雲端虛擬機
- 可調節的計算容量(例如筆電處理能力不夠時就可以增加或是提供分佈的計算節點，多個地方來合作解決問題)。
- 完全掌控的計算資源。
- 將獲取並啟動新服務器實例所需的時間縮短至幾分鐘，安裝系統跟軟件本來要許多時間，但在雲中只需要兩三分鐘。
AWS實例類型
透過不同行業、需求，區分了許多實例類型
如計算優化型、圖形優化型如G3\P2等等，和需求使用，拉取實例類型來跑，非常有效率
Amazon系統映像
AMI就是系統映像的簡稱，是包含實例根卷的模板，像是部署在雲中的種子，包含操作系統、應用程序服務器和應用程序，實例啟動的時間等於服務啟動的時間，當虛擬器開通的時候已經做好服務的準備。
Amazo.com典型的一週訪問量如圖
為此構建一個計算環境
要配置的計算資源比高峰高一點就可以了
但十一月份的訪問量如下(black friday)
如果用最高峰來配置的話，會有很大的浪費
Auto Scaling就提供了彈性計算的解決方案
彈性三劍客
Elastic Load Balancing提供對外服務的發佈，背後有計算節點做服務，
Auto Scaling會依彈性“增加或減少”計算節點，
Cloud Watch監控計算機表現與狀況，有狀況時會觸發Auto Scaling。
雲中的計算框架
Auto Scaling計算資源，不夠就增加，沒用的就丟掉，服務器與計算資源不是唯一的存在，在雲端中可以靈活調取，壓力就會小很多。
為何用無服務器環境？AWS Lambda構建服務器環境
- 無需管理服務器
- 自動伸縮
- 高可用性
- 空閒無費用
AWS Lambda構建服務器環境
1.運行代碼而無需管理伺服器
2.只為代碼運行的時間付費
3.代碼不運行不收費
4.AWS服務都可以設置為觸發代碼的條件
5.可以直接從任何Web或移動應用程序調用
6.與AWS marketplace集成
AWS雲計算當中最重要的是什麼？數據！若數據丟了，就什麼都沒了
AWS的資料儲存在哪裡？
EBS\S3\EFS\Glacier\RDS\DynamoDB
這邊介紹Amazon Simple Storage Service(S3)- 簡單存取服務
1.提供對象及儲存程序
2.可以存取任意規模和數量
3.單個對象(一個文件)最大5TB
4.是2006發佈的第一個服務
5.數據以冗餘(redundant)方式儲存，冗餘就是把數據分散放到不同硬盤的概念
S3數據的儲存如下
1.創建儲存桶2.將任意數量的對象上傳到儲存桶
儲存桶會有區域代碼跟桶子的名字，而存在桶裡面的對象會有一個key，所以方便做檢索。
傳統的網站：將影像放在硬盤上，但有硬盤會壞的風險、頻繁的調取工作
AWS S3：影像就以S3形式，有冗餘可以防丟失，也節省計算資源
Demo 在S3上建立靜態網頁，參考影片：
http://www.xuetangx.com/courses/course-v1:AWS+awsomeday+2017_t1/courseware/74ee093047154a7097c0735101ee61ec/5c5dd6124f9f4a7cab1e23b39ece1850/
AWS數據傳輸：
如何讓數據產生更多價值？
數據飛輪：
數據需要很多的用戶來建立，更多的用戶帶來更多的數據，更多數據帶來更多用戶，包括點擊率、習慣、喜好等等。數據的分析，能否找到共性以及不同，像是商業智能BI等等。分析完成以後對產品進行優化以及推廣，如機器學習以及人工智慧。更好的產品，帶來更多的用戶。數據飛輪如圖所示。
什麼是大數據？
收集、儲存與分析並且分享這些海量的數據，將其生成為新的產品或功用。
大數據的使用場景：
1.低延遲數據服務(廣告與遊戲作用的分析)
2.社交元素(推送、遊戲等等)
3.日誌文件(網站、遊戲或廣告，社群與品牌的關係等等)
4.情緒分析
5.推薦和個性化引擎
AWS的大數據分析上傳到S3，構建EMR，存在Redshift，細化的分析..
詳細在別門課程有教學
案例
yelp使用S3儲存每天產生的日誌以及圖片，約1.2TB每日，每天運行約250個EMR job, 處理30+TB數據。
現代數據的架構模型
要提高業務洞察力，要做轉型，就可以用數據架構模型，上傳數據，分別交給不同組件，建立EMR並且分析與分享等。
如圖：
人工智能與機器學習
人工智能：
強AI：像科幻片當中，可以像人一樣思考的機器人
弱AI：特殊的運用、專業於某個方面，像是下棋的機器
機器學習：
弱AI的一種方法，用數據集訓練模型，根據數據做一個預測
深度學習：
機器學習的一種方法(Method)
AWS上面構建的智能應用流程圖
數據透過Kinesis儲存，然後透過Lambda函數來操作處理，處理好的資料放到機器學習的組件裡面，再以SNS的形式發送到客戶的短信上等等。圖如下：
Rekognition圖像組件
分析面部、場景分系、面部識別、圖像監控等等
Demo 一分鐘建立圖像識別Rekognition，參考影片：
http://www.xuetangx.com/courses/course-v1:AWS+awsomeday+2017_t1/courseware/74ee093047154a7097c0735101ee61ec/9fc0024997c14d65ae82cbbcccbca6ad/