拉斯維加斯時間2019年12月3日，AWS re:Invent大會進入第二天。在早上的主題演講環節，AWS CEO Andy Jassy再次發佈了一連串新服務，簡單挑選部分、總結如下，供各位讀者參考。
基礎架構層
新的EC2實例：M6g、R6g與C6g
這三款新實例採用了第二代AWS定製的ARM芯片——graviton2。有意思的是這次的實例不再以A系列命名（第一代使用graviton的實例名稱叫做A1），而是直接放入了M系列、R系列與C系列。
新的EC2實例：Inf1
這款實例專門針對機器學習過程中的推斷（inference）負載進行了優化。
新的容器服務：Amazon Fargate for Amazon EKS
Fargate首次在去年發佈，可以讓上層用戶以serverless的方式使用容器。去年僅支持ECS，今年增加了對EKS的支持。
新的網絡服務
網絡服務的增強目前看來是今年AWS re:Invent的重頭，不過Andy Jassy表示後面幾天纔會深入介紹這一系列的網絡服務。目前看到的產品名稱有AWS Transit Gateway Multicast、AWS Accelerated Site to Site VPN、AWS Transit Gateway Inter-Region Peering、AWS Transit Gateway Network Manager，有助於客戶建立全球性的私有網絡。
數據層
Amazon S3 Access Points
配合IAM，管理員可以更加精準的控制哪些應用有權限訪問S3上的哪些數據。
Amazon Redshift RA3 Instances with Managed Storage
這個RA3實例的特點是可以把計算資源的使用與存儲資源的使用分別計費，那些只使用存儲的部分就只需要爲存儲空間付費，不需要爲計算資源付費。
AQUA for Amazon Redshift
這是一個非常有意思的新發布！可以說它是AWS團隊爲應對未來的性能優化趨勢的一個嘗試。對於雲計算三大核心組件——計算、存儲、網絡，目前網絡是一個很大的性能瓶頸，所以AWS做了nitro系統在這方面做了很多優化。但是除了網絡之外，我們看到自從2012年以來至今，CPU的吞吐能力僅僅增加了2倍，而SSD存儲的吞吐能力已經增長了12倍，按照這個趨勢下去，下一個性能瓶頸將會出現在CPU上，而SSD的吞吐能力將有冗餘。這個AQUA的全稱叫做Advanced Query Accelerator，是一個查詢加速器，加速器的工作原理是把原本放在CPU上處理的查詢放到SSD上運行——這也是一種因爲nitro系統而成爲可能的操作方式。
UltraWarm
數據有冷數據，也有熱數據。S3有Glacier針對冷數據的低成本存儲，而這次發佈的UltraWarm則是針對ElasticSearch上的熱數據——那些新鮮的日誌文件。因爲企業用戶常有分析日誌的需求，一直放在ElasticSearch上成本又太高，這種情況就可以把這些數據放到UltraWarm上，成本可以降低90%。
數據庫產品線新成員：Amazon Managed Cassandra Service
如果你需要在AWS上用Cassandra，那麼這個服務可以幫你省下不少維護的功夫。坦白講在2019年看到這個服務的發佈讓小編有點吃驚——這說明現在在AWS上運行Cassandra的客戶不會在少數。
機器學習
TensorFlow、PyTorch、mxnet
AWS對這三個機器學習框架在AWS上的性能做了全面優化，號稱比山景城某司的私有部署環境的性能還要超出20%以上。
Amazon SageMaker Studio全家桶
開發者對集成開發環境（IDE）不陌生，但目前看來針對機器學習的開發者還沒有特別合適的IDE。這一次發佈的SageMaker Studio號稱是針對機器學習開發者的IDE，並且從本次發佈的陣營來看，遠遠不僅僅是一個在線代碼編輯器而已！本次發佈已經包含如下組件：
-
Amazon SageMaker Notebooks - 用來存放機器學習工作流、代碼片段、文檔、運行結果等信息
-
Amazon SageMaker Experiments - 一個項目裏可以保存多個實驗（experiments），不同的實驗可以有不同的配置，可以方便的對不同實驗進行搜索、比對。
-
Amazon SageMaker Debugger - 一個調試工具，調試結果可以在Notebooks裏面查看。
-
Amazon SageMaker Model Monitor - 有的時候，一個模型在2016年、2017年都能做出很好的預測，到2018年卻不行了，因爲外部環境改變了——比如銀行利率的影響因子、乃至於影響方式的改變。這個Monitor工具可以自動檢測模型是否仍然可以準確預測，在預測變得不準確的時候發出提醒以及給出可能的猜測。
-
Amazon SageMaker Autopilot - 在春天，你把訓練數據列表放到一個csv文件裏；到秋天，你收穫了一堆模型，可以選一個最好的進行部署。這個自動化機器學習工具是不是像它描述的這麼神奇？試試看大概會知道吧。
如果說今天的主題演講最熱門的發佈是啥，小編覺得一定就是這套Amazon SageMaker開發者工具全家桶了。
AI應用層服務
Amazon Fraud Detector
如果你有一個用戶的歷史登錄行爲數據與購買數據，你把這個數據告訴這個Web服務，這個服務就會告訴你這個用戶是不是騙子。
Amazon CodeGuru
如果你在Github或者CodeCommit上做開發，你可以在發pull request的時候同步給這位CodeGuru，然後它就會給你做自動化的代碼審查（code review），並且把審查結果發佈到評論裏。對那些缺乏reviewer的項目來說，這個CodeGuru簡直像是一大神器！具體效果如何，還要等那些具體用過的同學們反饋了才知道。無論如何，有code review總是比沒有強。而且這個CodeGuru號稱自己最擅長做的事情是“找到代碼中最拖累效率的那一行”，非常有助於提升整體代碼的性能。
Contact Lens for Amazon Connect
Amazon Connect智能客服服務已經上線運行了幾年，於是有客戶提出各種意見：能不能自動分析客戶的通話？客戶對我們生氣的地方是什麼？我能不能搜索客戶的歷史通話？等等。於是AWS就把一系列服務打了個包，做成了這個Contact Lens數據分析服務。同時，AWS團隊意識到這麼一個服務其實也可以用在企業的內部數據上、產生新的價值，於是又同時做了另一個服務：
Amazon Kendra
這個Kendra服務的用法是，企業可以把自己過去的內部文檔——無論是word還是pdf還是在線文檔——授權給該服務，然後添加一些FAQ（常見問題）。之後，該服務會巡邏這些文檔、建成索引，生成能聽懂人話的問答服務。
至此，AWS在人工智能領域的服務能力又往前走了一大截。
不同部署環境下的AWS
私有云部署AWS Outposts
AWS在去年發佈的Outposts服務迴應了企業對私有化部署的需求，不過當時還是一個Preview，本次則正式可用了，這意味着以後用私有云的企業客戶也可以在私有云環境裏使用跟AWS公有云上一樣體驗的API。另外，VMware Cloud on AWS的部署將在2020年可用。
讓沒有AZ的城市也能低延遲用上AWS服務的Local Zones
AWS目前雖然在全球已經做了22個區域（Region）、69個可用區（AZ），但全球一共有一萬多城市，很多城市用AWS的延時還是比較高的，有一定的用戶數量。於是就有了Local Zones：這是一個Region的延伸單元，可以由AWS原有基礎架構中就存在的邊緣站點（Placement Group）改造而成，也可以新建，配備了EC2、EBS、FSx、VPC、ELB、RDS等最基本的AWS服務，放置在一個城市的周邊爲該城市的用戶提供服務。
讓5G用戶也能低延遲用上AWS服務的AWS Wavelength
AWS把基礎架構延伸到運營商合作伙伴的5G網絡邊緣，作爲一個Wavelength Zone，給5G網絡覆蓋的用戶就近提供Web服務。目前公開的運營商合作伙伴，在美國是Verizon，歐洲是Vodafone，日本是KDDI，韓國是SK Telecom。