[文本]
本指南演示了如何使用机器学习模型处理遥感图像,这些模型能够自动检测和识别从卫星、无人驾驶飞行器和其他遥感设备收集的对象。卫星图像通常比标准媒体文件大得多。本指南部署了高度可扩展和可用的图像处理服务,可支持这种大小的图像。这些服务将高效地收集、处理和分析图像,让您有更多时间来评估和应对您在图像中发现的情况。
请注意:[免责声明]
架构图
第 1 步
AWS Cloud Development Kit(AWS CDK)支持通过 Amazon SageMaker 的托管模型端点在 AWS 客户环境中部署和管理自定义模型。
第 2 步
AWS 客户通过 Amazon Simple Queue Service(Amazon SQS)向图像请求队列提交图像请求。
第 3 步
模型运行器任务从图像请求队列中检索图像请求。
第 4 步
模型运行器任务将图像区域排入区域请求队列。
第 5 步
模型运行器任务生成图块,调用模型并将结果存储在 Amazon DynamoDB 的状态表中。
第 6 步
模型运行器任务汇总和编码结果,并将其输出到 Amazon Simple Storage Service(Amazon S3)和 Amazon Kinesis。
第 7 步
AWS 客户或数据分析师可以访问和查看汇总结果,包括来自地理信息系统(GIS)的结果。
Well-Architected 支柱
当您在云中构建系统时,AWS Well-Architected Framework 可以帮助您了解所做决策的利弊。框架的六大支柱使您能够学习设计和操作可靠、安全、高效、经济高效且可持续的系统的架构最佳实践。使用 AWS 管理控制台中免费提供的 AWS Well-Architected Tool,您可以通过回答每个支柱的一组问题,根据这些最佳实践来检查您的工作负载。
上面的架构图是按照 Well-Architected 最佳实践创建的解决方案示例。要做到完全的良好架构,您应该遵循尽可能多的 Well-Architected 最佳实践。
-
卓越运营
我们开发了内部管道,允许您在多个地区和阶段部署和验证本指南中的软件,帮助您根据需要进行整合和更改。再加上我们专门负责管理本指南和有效应对任何事故或事件的工程师团队,可确保您始终拥有完善的架构。
-
安全性
本指南中的资源按照我们的安全、身份与合规性最佳实践进行配置。我们的应用程序安全(AppSec)团队会持续对其进行以安全为中心的例行分析。
您应该意识到,由于该系统依赖于与您现有基础设施的集成,而不是通过命令行界面(CLI)进行管理,因此指南并未专门涉及人员和计算机访问的身份验证和授权。这方面将由我们的 AppSec 团队进行严格审查,以确保您在按照设计部署服务时不会暴露于漏洞中。
-
可靠性
本指南分布在各个可用区,在由 AWS Fargate 管理的多节点 Amazon ECS 集群上运行,确保您拥有稳定的可用性。
Amazon SQS 队列和 Amazon SNS 主题会传播作业元数据供您监控。这使您能够跟踪已提交作业的状态和进度。本指南配备全面的嵌入式指标和控制面板,与服务一起作为标准配置部署。
本指南使用持续集成/持续部署(CI/CD)管道,该管道通过 Amazon 内部程序持续构造、部署和验证本指南的持续发布。可以使用 AWS Cloud Development Kit(AWS CDK)为所有已部署的资源配置数据持久化和备份。我们在作业队列中加入了重试策略,并将逻辑集成到代码中,以管理作业请求的平稳失败或部分完成,同时为这些请求提供状态更新。此外,我们的 Amazon ECS 集群具有节点失效转移功能,这样一来,一旦发生故障,其他节点可以重试任何任务。最后,我们利用全面的集成和负载测试方法来确认本指南在各种场景下的性能和可靠性。
您需要注意一些可能影响可靠性的限制因素。使用极其缓慢的模型处理大量图像集时,需要进行一些校准以确保达到本指南的最佳性能。这包括管理模型、图像大小、训练数据和数据集。这些变量中的每一个都决定了模型的运行效果。
-
性能效率
默认设置已准备就绪,可以为您演示基本功能。这些策略使服务能够根据传入作业需求的涌入量和速度,动态地纵向扩展或缩减。为了满足从扩缩到流量的不同工作负载要求,以及数据访问模式,我们在 AWS CDK 框架内采用了自动扩缩构造。这样,您就可以定义和管理应用程序的自动扩缩模式。重要的是,您可以随时访问这些配置和选项。
您可以选择本指南的位置,以便始终在单一虚拟私有云(VPC)基础设施内运行,从而减少延迟并提高性能。
-
成本优化
本指南通过分析架构框架中不可或缺的资源来评估成本。通过使用负载测试、重复迭代和数据收集,我们根据从客户那里了解到的明确要求选择了我们的服务及其资源分配。
我们根据性能需求确定成本,并为您提供定制服务的选项,以满足您独特的任务目标。这种灵活性使您能够选择更动态的扩缩策略和更大的实例类型,以更高的成本增强性能,或者选择不那么激进的扩缩策略以节省成本。
-
可持续性
通过在 AWS CDK 中使用自动扩缩构造,我们可以进行动态调整以匹配负载要求,并确保高效的资源分配,从而确保在指南框架的任何给定时间内只部署必要的最低限度资源。所有数据存储都按照通过 AWS CDK 中的构造抽象出的最佳实践和模式进行配置。
对于演示性或“试运行”应用场景,本指南旨在以最少的资源分配实现高效运行,从而减少所需的预置硬件数量。这是唯一需要硬件的实例。
相关内容
免责声明
示例代码;软件库;命令行工具;概念验证;模板;或其他相关技术(包括由我方人员提供的任何前述项)作为 AWS 内容按照《AWS 客户协议》或您与 AWS 之间的相关书面协议(以适用者为准)向您提供。您不应将这些 AWS 内容用在您的生产账户中,或用于生产或其他关键数据。您负责根据特定质量控制规程和标准测试、保护和优化 AWS 内容,例如示例代码,以使其适合生产级应用。部署 AWS 内容可能会因创建或使用 AWS 可收费资源(例如,运行 Amazon EC2 实例或使用 Amazon S3 存储)而产生 AWS 费用。
本指南中提及第三方服务或组织并不意味着 Amazon 或 AWS 与第三方之间存在认可、赞助或从属关系。AWS 的指导是一个技术起点,您可以在部署架构时自定义与第三方服务的集成。