2020亚马逊云计算的轨迹线

亚马逊云计算联合 InfoQ 发布迷你书《2020亚马逊云计算的轨迹线》，较为系统地回顾了过去一年亚马逊云计算的技术进展，通过对“AI人脸特效”黑科技，机器学习环境构建，数据湖与数据仓库，容器服务与无服务架构等技术的探讨，带你了解最前沿的云计算相关技术与最佳落地实践。

卷首语

时光飞快，一转眼已到了 2021 年。回望在人类历史长河中都会被牢记的 2020 年，亚马逊云计算也经历了非常多的不一般。

作为机器学习技术领导力的持续引领者，亚马逊云计算围绕着拳头产品 Amazon SageMaker 机器学习开发平台，进行了大量技术更新和迭代，并尤其强调“把机器学习交付到每一位开发者手中”。在刚过去的年度 re:Invent 大会期间，与机器学习相关的新产品，就发布了 20 多款之多。

“无数据不成云”，数据已是云计算的“基础工程”。对上，数据为人工智能等新型应用提供基础，而对下，数据如何在各种不同需求下都能平滑地“存、管、用”，这对底层计算与存储提出了新的要求。此外随着数据处理技术的不断成熟，如何让数据技术更好地契合业务应用需求，这些都是不断演进发展的课题。

云中一切的源头非计算莫属，因此计算作为基础，其重要性再怎样说都不为过。继早先的“虚拟化”，后来的“容器”等风潮之后，现在“云原生”成为了“当红炸子鸡”。池化、解耦、可迁移等，在这个路径演进中得以持续深入。这其实呼应了网络化应用形态从量变到质变的过程，即：过去以终端计算为中心，现在越发以云为中心来构建应用模型。这样的发展变化是深刻且不可逆的。又由于疫情的推动，企业上云的需求刚性达到了历史高位，直观地体现着市场对云计算基础的趋势性需求。

以下的文章选编，只是 2020 年 AWS 整体技术市场演进的“沧海一粟”，希望透过这些点滴的代表，为大家折射出这一段的发展，并更好地展望新的一年。

目录

人工智能 | 变身漫画道具玩了没？这样的 AI 人像特效机器学习服务帮你实现

人工智能 | 机器学习项目复杂繁琐 ，该如何构建安全的机器学习环境？

数据智能 | 企业出海服务为何这么难？

数据智能 | 不懂业务的开发人员，就不是好的数据科学家

数据智能 | 数据湖火了，那数据仓库怎么办？

容器服务 | AWS 打造容器服务体系，Amazon EKS 这块拼图有多重要？

无服务架构 | 开发运维配置繁杂，是时候给应用架构做减法了

开发人员相关资源

本文转自 公众号：Info Q ，作者亚马逊云计算& InfoQ，点击阅读原文