Amazon Aurora zero-ETL integration with Amazon Redshift
Salah satu pain point yang disampaikan konsumen AWS adalah perihal ETL (extract, transform, load) antara layanan AWS. Pasalnya, hal itu membutuhkan usaha yang besar bagi organisasi. Amazon Aurora zero-ETL integration with Amazon Redshift merupakan kapabilitas baru dari AWS yang ditujukan untuk mengatasi ETL yang dimaksud, khususnya antara Amazon Aurora dan Amazon Redshift. AWS mengeklaim Amazon Aurora zero-ETL integration with Amazon Redshift membolehkan organisasi melakukan analisis dan ML (machine learning) terhadap data transaksional tanpa melaksanakan ETL dan melakukannya secara mendekati real-time — sesuatu yang kadang tidak terjadi bila melaksanakan ETL.
Dengan Amazon Aurora zero-ETL integration with Amazon Redshift, AWS menyebutkan data pada Amazon Aurora yang diinginkan bisa dalam waktu singkat juga tersedia pada Amazon Redshift. Data pada Amazon Redshift tersebut pun senantiasa ter-update secara otomatis sesuai dengan data pada Amazon Aurora. Selanjutnya organisasi bisa melakukan berbagai hal yang dikehendaki terhadap data yang tersedia pada Amazon Redshift itu, seperti melakukan analisis. Organisasi juga bisa mereplikasi data-data dari beberapa Amazon Aurora ke sebuah Amazon Redshift untuk misalnya mendapatkan sejumlah insight dari beberapa aplikasi. Amazon Aurora zero-ETL integration with Amazon Redshift hadir dalam bentuk preview saat diungkapkan.
Amazon Security Lake
Belum lama ini AWS dan sejumlah vendor cyber security dan teknologi mengumumkan proyek OCSF (Open Cybersecurity Schema Framework). Merupakan proyek open source, OCSF bertujuan untuk mengatasi aneka silo data yang menghalangi para tim cyber security. Organisasi tak jarang menggunakan berbagai perkakas cyber security yang sayangnya jarang "berbicara" dengan "bahasa" yang sama satu dengan yang lain. Alhasil, tim cyber security dari organisasi perlu untuk menormalisasi para data tersebut sebelum menyerap dan menganalisisnya. Menormalisasi membutuhkan waktu dan sumber daya lain yang tidak sedikit. OCSF bisa membantu normaliasasi yang dimaksud sehinga organisasi dapat menyerap dan menganalisis para data cyber security secara lebih cepat serta mengambil aneka tindakan yang tepat secara lebih cepat pula.
Amazon Security Lake adalah produk/layanan baru yang ditujukan AWS untuk memudahkan organisasi menganalisis berbagai data cyber security yang tersebar di aneka tempat dan mendapatkan sejumlah insight darinya. Merupakan data lake yang dioptimalkan untuk data cyber security, Amazon Security Lake secara otomatis mengumpulkan berbagai data cyber security dari aneka sumber, baik di cloud maupun di on-premises, termasuk dari vendor lain yang sesuai untuk kemudian bisa dikombinasikan dan dianalisis untuk mendapatkan sejumlah insight yang tepat secara lebih cepat sehingga organisasi bisa mengambil tindakan-tindakan cyber security yang tepat secara lebih cepat pula. Masih berupa preview saat diungkapkan, Amazon Security Lake diklaim sebagai data lake pertama yang mendukung standar OCSF.
Instance Inf2 untuk Amazon EC2
AWS re:Invent sering digunakan untuk mengungkapkan instance baru untuk Amazon EC2 (Elastic Compute Cloud) yang menggunakan cip baru AWS sehubungan komputasi. Begitu pula pada AWS re:Invent 2022. Salah satunya adalah instance Inf2 untuk Amazon EC2 yang ditenagai cip AWS Inferentia2. Seperti namanya, instance Inf2 untuk Amazon EC2 adalah instance yang ditujukan AWS untuk ML, tepatnya untuk inference. AWS mengeklaim instance Inf2 untuk Amazon EC2 jauh lebih bertenaga dari instance Inf1 untuk Amazon EC2 sehingga bisa mendukung model ML yang lebih kompleks. Instance Inf1 untuk Amazon EC2 sendiri menggunakan cip AWS Inferentia alias yang generasi pertama.
AWS menyebutkan instance Inf2 untuk Amazon EC2 menawarkan kinerja komputasi yang lebih tinggi tiga kali, memori akselerator yang lebih tinggi empat kali, throughput yang lebih tinggi sampai empat kali, dan latensi yang lebih rendah sampai sepuluh kali dibandingkan instance Inf1 untuk Amazon EC2. Selain itu, AWS mengatakan instance Inf2 untuk Amazon EC2 menawarkan kinerja per watt yang lebih baik sampai 45% dibandingkan instance yang memanfaatkan GPU untuk Amazon EC2. Adapun untuk model ML yang didukung, instance Inf2 untuk Amazon EC2 mendukung model DL (deep learning) berukuran besar sampai 175 miliar parameter. Instance Inf2 untuk Amazon EC2 tersedia dalam bentuk preview ketika diungkapkan.
AWS SimSpace Weaver
AWS SimSpace Weaver merupakan produk/layanan baru yang bisa membantu organisasi untuk membangun, mengoperasikan, dan menjalankan simulasi spatial berskala besar. AWS menekankan bahwa AWS SimSpace Weaver merupakan jawaban atas kebutuhan/keinginan konsumen perihal simulasi spatial berskala besar. AWS menambahkan bahwa salah satu cara yang ditempuh konsumen untuk mendapatkan simulasi spatial berskala besar adalah menggunakan 3D engine yang notabene tidak dirancang untuk berjalan pada lebih dari satu node komputasi alias tidak dirancang untuk scale out. Alhasil, terdapat trade off antara skala simulasi dan kerumitan menjalankan pada lebih dari satu node.
AWS SimSpace Weaver yang sudah tersedia secara umum saat diungkapkan membolehkan organisasi untuk mendapatkan simulasi spatial berskala besar tanpa perlu mengurusi infrastruktur. AWS SimSpace Weaver terintegrasi dengan 3D engine populer, seperti Unreal Engine dan Unity, serta perihal scale out-nya dilakukan secara otomatis. AWS pun menyebutkan AWS SimSpace Weaver mendukung simulasi yang lebih rumit dari yang dimungkinkan sebelumnya plus dapat menekan waktu pengembangan dari tahun menjadi bulan. Organisasi contohnya bisa menggunakan AWS SimSpace Weaver untuk menyimulasikan suatu kota maupun pergerakan orang pada suatu acara dan menjalankan berbagai skenario untuk mendapatkan aneka insight. Lagi pula AWS SimSpace Weaver diklaim bisa menyimulasikan lebih dari satu juta entitas berinteraksi secara real-time.
AWS Supply Chain
AWS Supply Chain adalah produk/layanan baru yang ditujukan untuk membantu organisasi beroleh visibilitas dari rantai suplainya secara keseluruhan sehingga bisa mendapatkan berbagai insight yang tepat dan kemudian mengambil aneka langkah yang tepat. Tentunya agar bisa memberikan visibilitas rantai suplai secara keseluruhan, AWS Supply Chain perlu terkoneksi dengan sumber-sumber data yang berisikan data-data rantai suplai tersebut. AWS Supply Chain mendukung sejumlah sumber data seperti SAP S/4HANA, EDI (electronic data interchange), dan S3 Connector. AWS pun akan menambah jumlah konektor yang didukung. Memanfaatkan ML, AWS Supply Chain akan mengubah berbagai data yang tidak kompatibel satu sama lain itu ke dalam data-data yang unified dan menyimpannya dalam data lake. Data-data tersebut kemudian ditampilkan sesuai konteks.
Penggunaan ML juga tidak sebatas pengubahan data. AWS Supply Chain menggunakan ML untuk memberikan prakiraan sehubungan potensi masalah yang mungkin timbul pada rantai suplai, seperti kekurangan persediaan dan kelebihan persediaan. Organisasi bisa mengambil langkah yang tepat untuk mengatasi ataupun melakukan mitigasi terhadap potensi permasalahan yang dimaksud. Terdapat pula rekomendasi yang dianjurkan AWS Supply Chain yang bisa menjadi masukan bagi organisasi. Tersedia dalam bentuk preview saat diungkapkan, AWS Supply Chain diklaim pula bisa menekan biaya rantai suplai.
KOMENTAR