AWS透過Amazon S3迭代更新簡化用戶雲端儲存難題 推動人工智慧技術創新

▲透過Amazon S3迭代更新簡化用戶雲端儲存難題

負責與Amazon S3相關儲存及雲端資料遷移技術的AWS副總裁Mai-Lan Tomsen Bukovec，針對此次在re:Invent 2024所介紹Amazon S3儲存服務相關更新，強調從儲存端協助用戶推動人工智慧技術創新。

由於儲存在雲端服務扮演重要功能，而如何更有效率存取資料也變成服務發展關鍵，尤其在目前人工智慧技術應用發展趨勢下，如何在短時間讓人工智慧服務更快找到正確資料，進而生成正確解答，背後與資料如何儲存息息相關。

而在人工智慧訓練方面，如何透過高品質資料訓練人工智慧模型，其實也與儲存息息相關，因此也讓Amazon S3持續成爲AWS重要服務項目。

不過，隨着各類服務持續成長，每天產生資料也持續以倍數成長累加，使得企業、開發者必須慎重思考儲存架構如何規劃，尤其在人工智慧技術發展下所產生資料量更是超乎想像龐大，如何更有效率存取資料，並且再從龐大資料有效用於人工智慧發展，顯然就變得更加重要。

因此在此次re:Invent 2024活動中，AWS標榜透過Amazon S3 Intelligent-Tiering儲存類別協助用戶節省超過40億美元的儲存開銷，另外也加入支援Apache Iceberg開源儲存表格格式，並且增加可提高3倍儲存速度的Amazon S3 Tables表格系統，更可透過Amazon S3 Metadata管理系統，以元數據比對方式更快找到正確儲存資料，即便資料日後有所異動也能正確找到。

其他更新也包含針對提供全球地區使用服務的資料處理需求，提出透過衛星校正不同時區導致資料處理時間所產生誤差，讓所有資料能正確釐清各自儲存、修改時間，進而可做出不同處理決策，並且透過Aamzon DynamoDB全域表 (global tables)使用全受管、無伺服器、對應多區域、多用途且具99.999%可用性的資料庫，另外也提出更快的分散式SQL資料庫系統Aamzon Aurora SQL。

非結構化資料對於人工智慧發展至關重要

Mai-Lan Tomsen Bukovec認爲，唯有建立良好的資料內容才能推動更好的人工智慧技術發展，而AWS目前在Amazon S3儲存服務持續更新，便是希望能讓用戶以更簡單方式儲存資料，並且以更有效率方式取用。

而針對當前的人工智慧技術對於非結構化資料需求也相當高，如何將這些藉由Amazon Q技術轉出的非結構化資料有效儲存也變得重要，並且能借由Amazon SageMaker平臺加速人工智慧模型訓練，進而讓資料更有效率地用在人工智慧技術。

▲AWS副總裁Mai-Lan Tomsen Bukovec

透過人工智慧方式加快資料整合移轉

除了讓資料能更有效率存取使用，在資料服務移轉部分，此次AWS也提供可將以微軟.NET環境建置服務移轉至執行效率更高的Linux雲端環境，藉此讓服務執行速度可提高4倍，以及可將原本在VMware虛擬環境工序轉換成雲原生型態，甚至將大型主機上的應用服務整合時間從數年縮減爲數個月的功能，使得企業或開發者能更大幅減少資料整合時間，並且避免資料在移轉過程產生損毀、遺失等情況。

Mai-Lan Tomsen Bukovec指出，過往要將歷史堆疊資料進行整合、移轉，在大型企業或多人團隊組織內將是相當困難的挑戰，但目前藉由Amazon Q技術以平行運作方式即可在不影響既有工作情況下完成整合工作。

與更多第三方業者維持深入合作，讓用戶有夠多便利選擇

至於在AWS自身已經提出諸多資料庫應用創新功能，是否也會影響既有第三方資料庫服務業者合作關係？

對此，Mai-Lan Tomsen Bukovec認爲不會有衝突，強調AWS主要目標還是協助用戶解決較複雜問題，並且提供更多選擇，讓用戶能自行決定合適解決方案，並且以更短時間、更多人力成本投入服務建置。

實際上，AWS也持續與許多第三方業者深入合作，使其服務能在AWS雲端平臺順利使用，進而吸引更多用戶導入服務，形成更龐大大的正向發展循環。

《原文刊登於合作媒體mashdigi，聯合新聞網獲授權轉載。》