No último dia 21 eu tive a oportunidade de participar do AWS Summit 2018. Coloco aqui alguns highlights sobre o evento e as talks que assisti.

Primeiro confesso que fiquei bastante adimirado com a quantidade de pessoas no evento e com a organização. Acho que nunca vi tanta gente em um evento de TI.

O AWS Summit começou com um Keynote com Adrian Cockcroft, Vice President Cloud Architecture Strategy da AWS. Adrian fez uma excelente apresentação mostrando os incríveis números da AWS, sua posição no mercado, as áreas de atuação, alguns dos grandes clientes, o roadmap da empresa para Machine Learning, um comparatívo entre a AWS e os concorrentes, etc. Teve também alguns estudos de caso. Saí do Keynote achando que a AWS vai dominar o mundo mesmo, rs.

Eu queria participar de todas as Talks, mas era humanamente impossível, pois aconteciam paralelamente. Mas, por ser uma talk ao lado da outra e a gente acompanhava pelo radio que nos forneceram, eu passei o dia acompanhando 2-3 talks ao mesmo tempo. O processamento da minha cabeça ficou no 100% o dia todo.

Eu já tenho certa experiência utilizando AWS há 4-5 anos, mas estou longe de conhecer todos os produtos da empresa. Meus olhos brilharam ao conhecer alguns novos produtos que facilitam muito a iniciação em tópicos como IoT, Machine Learning, Serverless, etc.

Vou separar meus comentários por tópicos, pois assisti mais de uma palestra de mesmo assunto. Vamos lá.

DevOps

Vou começar por uma das últimas talks que assisti, cujos produtos eu tive mais contato: "DevOps na AWS: Construindo Sistemas para Entregas Rápidas". Nesta talk foi apresentado como implantar facilmente todo o Pipeline de desenvolvimento de softwares com entregas rápidas e contínuas.

Já tinha utilizado quase todos os produtos apresentados na Talk, mas fiquei muito feliz com dois novos produtos da AWS chamados AWS CodeStar e AWS X-Ray.

O AWS CodeStar facilita a criação e configuração de todos os outros produtos necessários para a automação do desenvolvimento e entrega de softwares, desde a criação do repositório no AWSCommit, até o deploy automatizado em produção com o AWS CodeDeploy, enfim, com ele podemos gerenciar tudo em um lugar só. Tipo o AWS Beanstalk que gerencia vários serviços da AWS para manter uma aplicação no ar, como EC2, S3, Loadbalancing, Auto-scale, etc.

Já o AWS X-Ray ajuda na análise e identificação de problemas em aplicações distribuídas. Ótima ferramenta para utilizarmos hoje em dia com o desenvolvimento de aplicações em arquitetura de microserviços.

Links interssantes:

• https://aws.amazon.com/devops/
• https://aws.amazon.com/codestar/
• https://aws.amazon.com/xray/

Serverless

Assisti algumas talsk sobre Serverless e fiquei muito empolgado com o assunto e com as possibilidades que isso traz, principalmente com a redução de custo.

Eu já usei o AWS Lambda, principal serviço da AWS para Serverless, mas apenas para coisa básica como execução de tarefas agendadas. Também me deparei com algumas utilizações do serverless para IoT.

Esse tópico é muito interessante e fiquei com vontade de aprender mais sobre ele, parece que tudo na AWS é executado como serverless.

Links interessantes:

• https://aws.amazon.com/serverless/
• https://aws.amazon.com/lambda/

Machine Learning

Logo no Keynote, Adrian frizou bastante os investimentos da AWS na área de ML. Tem muita coisa para conversar sobre este tópico, mas vou aqui me concentrar no coração do assunto.

A AWS preparou um ambiente muito top para ML através do Amazon SageMaker. Este produto é a porta de entrada para utilizar a AWS para ML.

No SageMaker qualquer um pode construir, treinar e empacotar um modelo. Tudo isso acessando dados armazenados na própria AWS em serviços como S3, RDS, DynamoDB e Redshift. O melhor é que o treinamento do modelo pode ser feito com hardware top pra isso e com poucos cliques podemos escalar hardware o processamento.

Importante citar também que quando criamos um modelo no SageMaker é muito simples utilizar frameworks de ML que já vem pré-configurados, como TensorFlow, Apache MXNet, Keras, etc.

Por fim, uma vez que o modelo está treinado basta fazer o deploy do modelo. Tem varias formas de disponibilizar o modelo para produção, uma delas é através de um endpoint https.

Além dos modelos que podemos criar no SageMaker, a AWS também disponibiliza vários modelos prontos para necessidades clássicas de Deep Learning, como reconhecimento de imagem e video (rekognition), chatbots (lex), processamento de linguagem natural (comprehend), tradução, transcrição e serviço de text-to-speech (Polly).

Links interessantes:

• https://aws.amazon.com/machine-learning/
• https://aws.amazon.com/sagemaker/
• https://aws.amazon.com/rekognition/
• https://aws.amazon.com/lex/
• https://aws.amazon.com/comprehend/
• https://aws.amazon.com/translate/
• https://aws.amazon.com/transcribe/
• https://aws.amazon.com/polly/

IoT

Minha mente explodiu quando vi um Gateway da Intel, totalmente gerenciado na nuvem (AWS Greengrass), capturando imagens em uma câmera e executando um código serverless (AWS Lambda@Edge) que executava OFFLINE um modelo previamente treinado no AWS SageMaker, que utilizava um serviço de reconhecimento de imagens (AWS Rekognition) para fazer o predict de objetos específicos do ambiente dele.

O modelo reconheceu teclas do teclado do aprentador da talk e uma página web no monitor do notebook. Quando ele plugava o cabo de rede no Gateway, tudo era enviado para a nuvem.

Links interessantes:

• https://aws.amazon.com/greengrass/
• https://aws.amazon.com/lambda/edge/
• https://software.intel.com/en-us/iot/cloud-analytics/aws

Estandes

Além das talks, tive a oportunidade de conhecer os serviços de várias parceiras AWS. Muitas delas oferecem suporte para migração para a núvem, gerenciamento de infraestrutura e otimização de custos. Não deu tempo de ir em todos os estandes, mas os poucos que vi me deixaram bem feliz pelo suporte que têm dado para auxiliar empresas a começarem na núvem. Infelizmente não encontrei uma que desse suporte para utilização de cloud híbrida, o que faria a migração para a núvem ser menos dolorosa para empresas grandes.

Enfim, teve muitas outras talks que eu queria ter assistido e este post já ficou bem grande. Mas como vivemos de escolhas, no AWS Summit tive que deixar alguns assuntos de lado, como Docker e Kubernetes. Tentei aproveitar o máximo e voltei do evento louco pra tirar uma certificação AWS! Já estou escolhendo o meu roadmap das certificações. Me interesso pelas certificações de Arquitetura, mas o sangue de dev quer que eu me certifique como Developer primeiro.

Quem tiver interessado ...

• Certificações AWS -> https://aws.amazon.com/certification/
• Treinamento gratuito -> https://www.aws.training/