下周，云计算业界最值得期待的盛会AWS re:Invent即将召开。这场由云计算市场占有率最高的AWS主办的大会，被认为是下一年度云计算行业的风向标。每一年，AWS 在re:Invent上发布的新功能、新模式，都会成为业界追随模仿的标杆。今年的re:Invent又会怎样呢？
来自美国的分析师Janakiram MSV在每一年的re:Invent前都会发出对大会信息的预测，也曾经非常准确的预测了2017年、2018年大会的主要亮点，今年，他认为re:Invent可能会发布这些信息：
1、优化开发人员体验的产品
AWS现在有多种计算服务，包括EC2（IaaS）、Beanstalk（PaaS）、Lambda（FaaS）和通过ECS、Fargate和EKS（CaaS）提供的容器服务。现代应用程序依赖于多个计算模型来执行。例如，在Lambda中运行事件驱动代码时，在EKS上部署容器化应用是一种常见的做法。遗留应用程序继续以Amazon EC2实例为目标。
在容器服务中，ECS、EKS和Fargate使用不同的部署方法和模式。Fargate是一个无节点环境，EKS是一个托管的Kubernetes服务。
在AWS上部署和管理应用程序时，亚马逊的客户需要更好体验。抽象底层计算服务的统一框架将简化应用程序的打包和部署。这个框架可能是CloudFormation、Kubernetes-YAML、Cloud Developer-Kit（CDK）和Serverless-Application-Model（SAM）的扩展。
亚马逊是时候简化AWS的计算服务了。
2、基于Kubernetes的混合云
分析师预计AWS将利用Kubernetes实现混合云。可能会有一个新的控制平台来管理云中运行的EKS集群以及本地运行的非EKS集群。客户将能够部署应用程序并将配置设置应用到托管EKS集群、AWS Outposts 上运行的EKS集群，甚至数据中心内运行的非托管Kubernetes集群。
不确定AWS是否会像Google Anthos和Azure Arc那样支持多云环境，但将Kubernetes集群与单个控制平面集成将有助于企业客户。这还将使运行ProjectPacific和PKS部署的VMware环境能够与AmazonEKS无缝集成。
3、Kubernetes的应用程序模型
由于对开源的态度越来越开放，亚马逊可能会宣布一个针对Kubernetes的OSS项目，这与Knative和Rudr非常类似。目前，谷歌正在投资Knative作为Kubernetes的平台，而微软正在建设Rudr作为Kubernetes的应用层。
4、针对VMware和Outposts的新托管服务
其他托管服务，如DynamoDB和Lambda，可能会在AWS和Outposts的VMware云上提供。
最后，将有新的用于优化深度学习训练和推理的EC2实例。基于ARM处理器的新实例类型也可能在今年发布。
5、用于定制机器学习模型的AutoML
尽管AWS有一个以SageMaker形式存在的稳固的ML-PaaS和一组AI服务，但它缺乏AutoML（一种简化自定义数据集上的深层学习模型培训的能力）。亚马逊重新命名定制标签是迈向AutoML for vision的一步。分析师希望AWS增加对视频、文本分类、翻译甚至表格数据的AutoML支持。
6、用于ML训练和推理的定制处理器
目前，AWS依赖NVIDIA GPU来训练深度学习模型。对于推理，它同时使用NVIDIA GPU进行弹性推理和专门为AWS推理构建的机器学习芯片。
亚马逊投资于Nitro项目，预计将建立一个针对训练和推理优化的专用集成电路（ASIC）。基于ASIC的芯片将为新的EC2实例系列以及AWS Outposts的一个子集供电。
与基于GPU的环境相比，AWS将能够提供更便宜的培训和推理服务。AWS可能会使用Apache MXNet、TensorFlow和PyTorch来构建针对ASIC的框架的优化版本。
7、托管ML项目管理
为了支持管理、跟踪和共享ML项目，SageMaker可能会启用一个托管的ML管理工具。这将以Databricks MLflow和Azure ML服务的行为模型。即使那些运行在SageMaker之外的ML实验也可能通过API和SDK使用服务。
8、基于强化学习的自主系统
亚马逊是最早押注强化学习的公共云提供商之一。去年，该公司推出了非常成功的DeepRacer设备，并举办了一场赛车比赛。
今年，AWS可能会推出一个托管的强化学习平台来构建自主系统。新的深度强化学习服务将使医疗、汽车、能源和制造领域的专家能够构建复杂的模型。
9、亚马逊法律和金融Comprehend服务
在推出了“Comprehend Medical”之后，我希望AWS能将“Comprehend”扩展到法律和金融领域。此服务将使客户能够从非结构化数据中提取特定领域的术语和命名。律师事务所、会计专业人士和股票经纪公司将从这项服务中受益。
10、使用自定义语音识别的Amazon Transcribe
Amazon Transcribe将能够识别基于自定义数据集的扬声器与语音剪辑。这一增强功能将使开发人员能够建立基于语音和语音识别的用户配置文件和个性化设置。
11、Spot实例上更便宜的Jupyter Notebooks
客户在AWS上获得Jupyter Notebooks的唯一方法是深入学习AMI或Amazon SageMaker。AWS可以通过在GPU支持的现场实例上托管Jupyter Notebooks，使其以更低价格和更便利的方式发布。尽管这项服务可能不是免费的，但它将以Google Colab为原型。
12、ONNX对SageMaker Neo的支持
亚马逊是开放神经网络交换（ONNX）计划的创始成员之一。ONNX旨在通过使开发人员能够将模型从一个框架导入和导出到另一个框架，为深度学习框架带来互操作性。Amazon SageMaker Neo是一个基于Apache TVM的运行时，可以跨云和边缘运行机器学习模型。AWS可能最终会宣布对SageMaker Neo的ONNX支持。这使得构建针对各种边缘环境（包括移动电话和台式机）的部署管道成为可能。
13、用于CloudWatch的AIOps
亚马逊正在增强CloudWatch以支持现代可观测模式。使用AIOps，CloudWatch可以根据接收到的日志检测异常。它甚至可以在工作负载遇到中断时执行RCA（根本原因分析）。
14、启用GPU的数据管道
目前，AWS上的数据处理和ETL服务都不支持利用GPU进行并行处理。在NVIDIA Rapids的许多线路上，AWS可能支持GPU对数据处理管道的支持。这可能扩展到支持Amazon RDS、Amazon Aurora和Redshift的查询处理引擎。
15、物联网SaaS服务
亚马逊拥有一系列与物联网和Edge相关的服务。然而，它缺乏一个基于SaaS的物联网产品，无法方便地连接和管理设备。可能会有一个新的物联网服务在Azure物联网中心的线路上设计。
注：本文作者、分析师Janakiram MSV是Janakiram&Associates的分析师、顾问和架构师。他也是Get Cloud Ready Consulting的创始人兼首席技术官。下周，我们在re:Invent大会上的特约报道员会及时在光环云社群内直播、分享大会现场的第一手消息。重要演讲我们也会进行视频转播，并在会后整理文档资料分享给大家。
