AWS Lambda

Какова основная цель AWS Lambda?

Это упражнение является частью курса

Технологии и сервисы AWS Cloud

Посмотреть курс

Практическое интерактивное упражнение

Превратите теорию в практику с помощью одного из наших интерактивных упражнений

Начать упражнение

Это упражнение является частью курса

Технологии и сервисы AWS Cloud

SkillTag.level.beginnerSkillTag.label

4.8+

2002 reviews

Начать курс бесплатно

В этой главе вы познакомитесь с основными вычислительными сервисами AWS, начиная с Amazon EC2 для масштабируемых облачных вычислений. Вы узнаете, как оптимизировать экземпляры, использовать балансировку нагрузки и автомасштабирование для повышения производительности, а также изучите бессерверные решения — AWS Lambda и Fargate — для событийно-ориентированных приложений.

Exercise 1: Технологии и сервисы AWS Exercise 2: Знакомство с интерфейсом Exercise 3: Amazon Elastic Compute Cloud Exercise 4: Выбор подходящего типа инстанса Exercise 5: Запуск веб-сервера на EC2 Exercise 6: Балансировка нагрузки и автомасштабирование Exercise 7: Балансировка нагрузки и автомасштабирование Exercise 8: Настройка шаблона запуска Exercise 9: Настройка ёмкости группы Auto Scaling Exercise 10: Бессерверные вычисления Exercise 11: Контейнерные сервисы: ECS или EKS?Exercise 12: AWS Lambda

Текущее упражнение

В этой главе вы изучите сервисы баз данных AWS: RDS, DynamoDB и MemoryDB. Вы также узнаете, как мигрировать базы данных в AWS с помощью таких инструментов, как Database Migration Service и семейство AWS Snow. В завершение мы рассмотрим ключевые сетевые сервисы и решения для хранения данных.

Exercise 1: Обзор баз данных AWS Exercise 2: RDS или EC2 Exercise 3: DynamoDB Exercise 4: Сервисы миграции баз данных в AWS Exercise 5: Выбор подходящего сервиса миграции Exercise 6: Этапы миграции Exercise 7: Сетевые сервисы Exercise 8: Создание VPC Exercise 9: Выберите политику маршрутизации Exercise 10: Управление хранилищами данных в AWS Exercise 11: Оптимизация S3 для непредсказуемых паттернов доступа к данным Exercise 12: Организация облачного хранилища

Начните с изучения готовых сервисов искусственного интеллекта, фреймворков машинного обучения и инструментов аналитики. В финале вы расширите понимание архитектуры AWS, познакомившись с различными вспомогательными категориями сервисов.

Exercise 1: Сервисы ИИ и машинного обучения, и процесс обучения моделей Exercise 2: Создание первой модели машинного обучения в AWS Exercise 3: Классификация сервисов ИИ и машинного обучения Exercise 4: Аналитика и BI-сервисы Exercise 5: Запуск аналитического проекта Exercise 6: Хранилище данных и аналитика Exercise 7: Дополнительные категории сервисов AWS Exercise 8: Оптимизация процесса разработки Exercise 9: Можно ли создать робота с чат-ботом?Exercise 10: Улучшение коммуникации и обмена сообщениями Exercise 11: Поздравляем!Exercise 12: Вопросы для самоанализа