Clienti di AWS Step Functions

Coinbase è una piattaforma sicura per lo scambio di valute digitali che semplifica l'acquisto, la vendita e l'archiviazione di criptovalute come Bitcoin, Ethereum e Litecoin. A partire dal 2017, Coinbase è il più grande broker di bitcoin al mondo e serve utenti in 33 paesi. Coinbase ha un'organizzazione ingegneristica ad alte prestazioni. Eseguono centinaia di implementazioni al giorno su centinaia di progetti, rilasciano nuove funzionalità dall'idea al lancio in meno di un'ora e mantengono bassi tassi di errore. Questo è possibile perché la maggior parte dei loro processi di gestione delle modifiche e implementazione sono automatizzati e i loro ingegneri hanno adottato una cultura DevOps.

Una parte fondamentale di tale automazione è la loro pipeline di implementazione sicura e automatizzata, Odin. Odin prende una descrizione della versione di un progetto e poi la lancia in modo sicuro e protetto in AWS. Coinbase ha automatizzato Odin utilizzando AWS Step Functions, consentendo loro di implementare applicazioni a 12 fattori su AWS in modo semplice, affidabile e sicuro. Step Functions ha fornito gli strumenti per l'affidabilità e la visibilità completa integrata, con un modello operativo serverless che non richiede alcuna infrastruttura per essere fornito o gestito. Progettare Odin come una macchina a stati di Step Functions consente a Coinbase di monitorare visivamente l'avanzamento dell'implementazione e di controllare ogni implementazione passo dopo passo. Grazie a nuove informazioni sui motivi dell'errore dei servizi, Coinbase è riuscita a migliorare il tasso di implementazioni mission critical riuscite dal 90% al 97%. La visibilità fornita ai tecnici ha consentito loro di diagnosticare e risolvere rapidamente i propri problemi e ha ridotto il numero di ticket di assistenza relativi a implementazioni non riuscite.

"Se un team si concentra sull'integrazione di un'automazione di qualità nei propri flussi di lavoro, ne consegue stabilità. Creando un'automazione di qualità con servizi come AWS Step Functions, Coinbase evita di scendere a compromessi tra velocità e stabilità, ottenendole così entrambe".

Graham Jenson, Infrastructure Engineer - Coinbase

Cox Automotive Inc. semplifica l'acquisto, la vendita, il possesso e l'uso delle auto. Per supportare la pubblicità digitale, volevano aumentare il volume e la qualità dei loro modelli di previsione di machine learning. Tuttavia, erano preoccupati che i loro modelli potessero cambiare nel tempo, portando a decisioni sbagliate. Inserire la supervisione dei data scientist nel processo di riqualificazione dei modelli è stata la soluzione migliore, ma la sfida era farlo senza rallentare il team di decision science.

Cox Automotive ha deciso di automatizzare il flusso di lavoro di distribuzione dei modelli di ML con AWS, inclusa una pipeline di approvazione dei modelli coordinata da AWS Step Functions. Una volta riqualificati i modelli usando Amazon SageMaker, gli artefatti e la diagnostica in uscita vengono caricati su Amazon S3, che attiva Step Functions per eseguire un flusso di lavoro di approvazione del modello. Viene inviata un'e-mail a un data scientist, che esamina il modello e fa clic su "Approva" o "Rifiuta". Se approvato, Step Functions invia gli artefatti a un bucket S3 di destinazione insieme a una notifica di Amazon SNS che indica che il nuovo modello è pronto per il consumo.

L'investimento nell'automazione ha dato a entrambi i team il tempo di dedicarsi ad attività di maggior valore. Cox Automotive dispone ora di un processo riutilizzabile e automatizzato che consente loro di dedicare più tempo alla creazione di modelli più accurati e meno tempo alla creazione di pipeline di implementazione.

"L'uso di servizi come Amazon SageMaker e AWS Step Functions per automatizzare l'implementazione dei modelli ci ha consentito di offrire all'azienda modelli ricorrenti di qualità, per lo più automatizzati, con un intervento umano e un sovraccarico minimi".

Jeremy Irwin, Lead Solutions Architect - Cox Automotive

CyberGRX crea una piattaforma di gestione del rischio che individua, misura e dà priorità ai rischi informatici di terze parti, trasformando la gestione del rischio informatico di terze parti per le aziende di tutto il mondo. Ha scelto di basarsi su Amazon Web Services (AWS) grazie alla semplicità di implementazione e alla facilità con cui il design si adattava facilmente ai flussi di lavoro esistenti dell'azienda.

"Avevamo bisogno di eseguire calcoli paralleli di grosse dimensioni sul nostro algoritmo di rete bayesiano e abbiamo deciso di utilizzare lo stato della mappa distribuita di AWS Step Functions perché forniva la capacità di scalare in un modo che prima era impensabile. Grazie a Distributed Map, siamo riusciti a elaborare l'intero scambio di dati di 227.000 aziende (57 miliardi di punti dati) in meno di un'ora, operazione che in passato richiedeva oltre 8 giorni di elaborazione. Non solo ci ha fatto risparmiare un'enorme quantità di tempo di manodopera, ma lo ha anche reso molto meno costoso".

Charles Burton, Direttore, ingegnere informatico senior - CyberGRX

Xylem è un'azienda leader mondiale nel settore delle tecnologie idriche impegnata nello sviluppo di soluzioni tecnologiche innovative per le sfide idriche mondiali. Per eseguire l'analisi, Xylem usava un data lake on-premise basato su Hadoop per archiviare enormi quantità di dati di misurazione dell'elettricità, dell'acqua e del gas. Tuttavia, questa soluzione limitava le loro capacità di analisi dei dati e non era sufficientemente flessibile da consentire l'aggiunta di nuovi progetti. L'elaborazione dei dati richiedeva dalle quattro alle cinque ore al giorno e, se aggiungevano nuovi clienti, fino a diversi giorni.

Spostando il data lake di Xylem su una piattaforma basata su AWS che sfrutta Batch AWS, AWS Step Functions e AWS Lambda, il team di dati di Xylem è stato in grado di espandere notevolmente le proprie capacità di analisi dei dati. Xylem invia ogni file di input a una macchina a stati di Step Functions, che quindi convalida il file, tiene traccia dei metadati e infine avvia e monitora un processo Batch AWS che elabora i dati. Ogni macchina a stati funziona indipendentemente e in parallelo. I processi di Batch AWS allocano i container automaticamente e Xylem può ora analizzare migliaia di file contemporaneamente, senza doversi preoccupare che i lavori competano per le risorse. Di conseguenza, Xylem ha ridotto i tempi di elaborazione dei dati da 20 ore a sole due ore, indipendentemente dalle dimensioni del set di dati.

"L'uso di AWS Step Functions come parte del data lake di Xylem ha trasformato il nostro ritmo di innovazione. Ora possiamo sviluppare progetti di analisi interni ed esterni con meno trasferimenti ad altri ingegneri, meno interruzioni con DevOps e con più tecnologie di quanto avessimo mai ritenuto possibile".

Mitchell Hensley, Vicepresidente, Strategia software - Xylem