AWS Step Functions 客户
![Coinbase Coinbase 徽标](https://d1.awsstatic.com/coinbase-logo-startups.209daf93013b708c54744587cd052d65f46f7576.png)
Coinbase
Coinbase 是安全的数字货币交换平台,用户可在该平台上轻松购买、出售和存储比特币、以太坊和莱特币等加密货币。截至 2017 年,Coinbase 已成为全球最大规模的比特币代理,为 33 个国家/地区的用户提供服务。Coinbase 拥有高绩效的工程组织。他们每天在数百个项目中部署数百次,在不到一小时的时间内发布从理念到推出的新功能,并保持较低的失败率。实现此目标的原因在于他们的大多数变更管理和部署过程都是自动化的,并且他们的工程师已经采纳 DevOps 文化。
这种自动化的关键部分是其安全、自动化的部署管道 Odin。Odin 负责描述项目发布,然后安全可靠地将其推出到 AWS 中。Coinbase 使用 AWS Step Functions 自动化 Odin,让工程师能够轻松、可靠和安全地将包含 12 个要素的应用程序部署到 AWS。Step Functions 提供开箱即用的可靠性和端到端可见性工具,其无服务器运营模式不需要预置或管理任何基础设施。将 Odin 设计为 Step Functions 状态机可让 Coinbase 直观地监控部署进度,并逐步审核每次部署。借助针对服务失败原因的新见解,Coinbase 得以将其关键任务部署的成功率从 90% 提高到 97%。通过向工程师提供可见性,他们能够快速诊断和解决自己的问题,同时减少与部署失败相关的支持请求数量。
“如果团队专注于在工作流程中构建高质量自动化,就会形成稳定性。通过使用 AWS Step Functions 等服务构建高质量的自动化,Coinbase 避免为实现稳定性而牺牲速度,而是两者兼而有之。”
Graham Jenson,Coinbase 基础设施工程师
![Cox Automotive 徽标 Cox Automotive 徽标](https://d1.awsstatic.com/zhyawenm/cn-webpage-production-request----automotive-8-5/cox-automotive-logo.7c814dc8246ec92429ff71db88603912585bc284.png)
Cox Automotive
Cox Automotive Inc. 简化了汽车的购买、出售、拥有和使用。为了支持数字广告,公司希望提高机器学习预测模型的数量和质量。但是,公司担心自己的模型可能会随着时间的推移而发生偏差,从而导致制定错误的决策。在模型再训练过程中融入数据科学家的监督是最合适的解决方案,但面临的挑战是在不减慢决策科学团队速度的情况下达成此目标。
Cox Automotive 决定使用 AWS 实现机器学习模型交付工作流程的自动化,包括由 AWS Step Functions 协调的模型批准管道。使用 Amazon SageMaker 对模型进行再训练之后,输出构件和诊断结果将上传到 Amazon S3,这会触发 Step Functions 运行模型批准工作流程。系统会向数据科学家发送一封电子邮件,数据科学家审查模型并单击“批准”或“拒绝”。如果获得批准,Step Functions 会将构件发送到目标 S3 存储桶,同时会发出 Amazon SNS 通知,表明新模型已准备就绪,可供使用。
投资自动化可让两个团队都有时间从事更高价值的活动。Cox Automotive 现在拥有可重复使用的自动化流程,从而能够将更多时间用于制作更准确的模型,并且减少构建部署管道的时间。
“使用 Amazon SageMaker 和 AWS Step Functions 等服务实现模型部署的自动化,从而能够在最大限度减少人工干预和开销的情况下向企业提供高质量、大部分自动化的模型。”
Jeremy Irwin,Cox Automotive 首席解决方案架构师
![CyberGRX Logo CyberGRX Logo](https://d1.awsstatic.com/img-default_2.b4a84d58a7b6a298087df7dd3987a5157abb2bda.jpg)
CyberGRX
CyberGRX 创建了一个风险管理平台,可以精确定位、衡量第三方网络风险并确定其优先级,从而转变全球企业的第三方网络风险管理方式。它之所以选择在 Amazon Web Services (AWS) 上构建,是因为部署简单,而且设计可以轻松映射到公司现有的工作流程。
“我们需要在贝叶斯网络算法上运行大量并行计算,因此决定使用 AWS Step Functions 分布式地图状态,因为它提供了以前无法实现的扩展能力。使用 Distributed Map,我们能够在不到一小时的时间内处理整个交换,即 227000 家公司的数据(570 亿个数据点),这以前需要我们花费超过 8 天的时间进行处理。它不仅为我们节省了大量的人力时间,而且还大大降低了成本。“
Charles Burton,CyberGRX 主任、高级软件工程师
![驾照和车辆牌照管理局 驾照和车辆牌照管理局徽标](https://d1.awsstatic.com/logos/customers/dvla-300x200.af2d619a74bd21ca8e13773be5ccbc042e637128.png)
驾照和车辆牌照管理局
“在 DVLA,我们需要通过支付、通知和报告等内部 API 来管理英国驾照申请,这些 API 通常在单独的账户或 Amazon EKS 集群中运行。我们还需要支持长期的人工任务,如上传客户照片。AWS Step Functions 让我们可以定义复杂的流程编排工作流,并在所有账户的可扩展托管服务上运行这些工作流。我们的多个产品团队在由 Step Functions 提供支持的共享平台上构建应用程序处理工作流。我们通过这种方法迅速开发并部署了一种全新的数码照片上传和处理服务,到目前为止已经处理了超过 80 万份驾照申请。”
![Home 24 Home 24 徽标](https://d1.awsstatic.com/logos/600x400_logos/600x400_home24_Logo.93ef4b38c6ebcf5e57549278acac1cf8b157a30b.png)
Home 24
![Outsystems 徽标 Outsystems 徽标](https://d1.awsstatic.com/Customer%20References%20Directory%20Logos/outsystems-logo%401x.87683fe0763d3973919098685e2e758ec8d5cc45.png)
OutSystems
![Xylem 徽标 Xylem 徽标](https://d1.awsstatic.com/Customer%20References%20Directory%20Logos/xylem-200x70.4eee7410580bac2f6a95d3d79995f49cf767aa5e.png)
Xylem
Xylem 是一家全球领先的水技术公司,致力于开发应对全球水挑战的创新技术解决方案。为了执行分析,Xylem 使用基于 Hadoop 的本地数据湖来存储大量的电力、水和燃气计量数据。但是,该解决方案限制公司的数据分析能力,并且不够灵活,无法加入新项目。数据处理每天需要四到五个小时,如果公司加入新客户,则最多需要几天。
通过将 Xylem 数据湖迁移到利用 AWS Batch、AWS Step Functions 和 AWS Lambda 的 AWS 平台,Xylem 数据团队得以显著扩展其数据分析能力。Xylem 将每个输入文件提供给 Step Functions 状态机,然后状态机验证文件,跟踪元数据,最后启动和监控处理数据的 AWS Batch 作业。每台状态机独立并行运行。AWS Batch 作业会自动分配容器,并且 Xylem 现在可以同时解析数千个文件,而不必担心作业会争夺资源。因此,无论数据集的大小如何,Xylem 都将数据处理时间从 20 小时缩短到仅两小时。
“使用 AWS Step Functions 作为 Xylem 数据湖的一部分转变了我们的创新步伐。现在,我们可以开发内部和外部分析项目,减少移交给其他工程师的次数,减少 DevOps 的中断,并且使用超出我们想象的更多技术。”
Mitchell Hensley,Xylem 软件战略副总裁
![Web Web](https://d1.awsstatic.com/Thomson_Reuters_logo1.ec6e10077cb0250e5fa8a06bf3c5184b906126f5.png)
Thomson Reuters
![Yelp 徽标 Yelp 徽标](https://d1.awsstatic.com/logos/600x400_logos/600x400_Yelp_Logo.319dbcce4da3d4bc49290a2bc9464740b40b2772.png)