به عصر داده ها خوش آمدید. حجم انبوه دادههایی که روزانه جمعآوری میشوند همچنان در حال رشد هستند و پلتفرمها و راهحلها را برای تکامل فرا میخوانند. خدماتی مانند سرویس ذخیره سازی ساده آمازون (Amazon S3) راهحلی مقیاسپذیر ارائه میکند که سازگار است اما برای رشد مجموعه دادهها مقرون به صرفه است. را ابتکار داده های پایداری آمازون (ASDI) از قابلیت های آمازون S3 برای ارائه راه حلی بدون هزینه برای شما برای ذخیره و به اشتراک گذاری بارهای کاری علم آب و هوا در سراسر جهان استفاده می کند. برنامه حمایت از داده های باز آمازون به سازمان ها اجازه می دهد تا به صورت رایگان در AWS میزبانی کنند.
در طول دهه گذشته، ما شاهد افزایشی در چارچوب های علم داده، همراه با پذیرش انبوه توسط جامعه علم داده بوده ایم. یکی از این چارچوب ها است داسک، که به دلیل توانایی آن در ارائه هماهنگی از گره های محاسباتی کارگر، قدرتمند است، در نتیجه تجزیه و تحلیل پیچیده در مجموعه داده های بزرگ را تسریع می بخشد.
در این پست به شما نشان می دهیم که چگونه یک سفارشی را پیاده سازی کنید کیت توسعه ابری AWS راه حل (AWS CDK) که عملکرد Dask را برای کار بین منطقه ای در سراسر شبکه جهانی آمازون گسترش می دهد. راه حل AWS CDK شبکه ای از کارگران Dask را در دو منطقه AWS مستقر می کند و به منطقه مشتری متصل می شود. برای اطلاعات بیشتر مراجعه کنید راهنمای محاسبات توزیع شده با Cross Regional Dask در AWS و GitHub repo برای کد منبع باز
پس از استقرار، کاربر به یک نوت بوک Jupyter دسترسی خواهد داشت، جایی که می تواند با دو مجموعه داده از ASDI در AWS تعامل داشته باشد: پروژه مقایسه مدل جفت شده 6 (CMIP6) و تجزیه و تحلیل مجدد ECMWF ERA5. CMIP6 بر فاز ششم مجموعه مدل گردش عمومی اقیانوس-اتمسفر جهانی جفت شده تمرکز دارد. ERA5 پنجمین نسل از ECMWF تجزیه و تحلیل مجدد جوی آب و هوای جهانی است و اولین تحلیل مجدد است که به عنوان یک سرویس عملیاتی تولید شده است.
این راه حل از کار با یک مشتری کلیدی AWS الهام گرفته شده است دفتر UK مت. اداره هواشناسی در سال 1854 تاسیس شد و سرویس ملی هواشناسی بریتانیا است. آنها پیش بینی های آب و هوا و آب و هوا را برای کمک به شما در تصمیم گیری بهتر برای ایمن ماندن و پیشرفت ارائه می دهند. همکاری بین Met Office و EUMETSAT، به تفصیل در محاسبات تقریبی داده در یک خوشه Dask بین مراکز داده توزیع شده است، نیاز روزافزون به توسعه یک راه حل علم داده پایدار، کارآمد و مقیاس پذیر را برجسته می کند. این راهحل با نزدیکتر کردن محاسبات به دادهها، به جای مجبور کردن دادهها به نزدیکتر شدن به منابع محاسباتی، که هزینه، تأخیر و انرژی را اضافه میکند، به این امر دست مییابد.
بررسی اجمالی راه حل
اداره هواشناسی بریتانیا هر روز تا 300 ترابایت داده آب و هوا و آب و هوا تولید می کند که بخشی از آن برای ASDI منتشر می شود. این مجموعه داده ها در سراسر جهان توزیع شده و برای استفاده عمومی میزبانی می شوند. اداره Met میخواهد مصرفکنندگان را قادر سازد تا از دادههای خود بیشتر استفاده کنند تا به تصمیمگیریهای حیاتی در رسیدگی به موضوعاتی مانند آمادگی بهتر برای آتشسوزیها و سیلهای ناشی از تغییرات آب و هوایی و کاهش ناامنی غذایی از طریق تجزیه و تحلیل بهتر عملکرد محصول کمک کنند.
راهحلهای سنتی که امروزه مورد استفاده قرار میگیرند، بهویژه با دادههای اقلیمی، زمانبر و ناپایدار هستند و مجموعههای داده را در مناطق مختلف تکرار میکنند. انتقال داده های غیر ضروری در مقیاس پتابایت پرهزینه، کند و مصرف انرژی است.
ما تخمین زدیم که اگر این روش توسط کاربران Met Office اتخاذ شود، میتوان روزانه معادل 40 برق مصرفی خانه را ذخیره کرد و همچنین میتواند انتقال داده بین مناطق را کاهش دهد.
نمودار زیر معماری راه حل را نشان می دهد.
راه حل را می توان به سه بخش عمده تقسیم کرد: مشتری، کارگران و شبکه. بیایید در هر کدام شیرجه بزنیم و ببینیم چگونه با هم جمع می شوند.
مشتری
مشتری منطقه منبعی را نشان می دهد که دانشمندان داده در آن به هم متصل می شوند. این منطقه (منطقه A در نمودار) حاوی یک است نوت بوک Amazon SageMaker، سرویس جستجوی باز آمازون دامنه، و الف زمانبندی Dask به عنوان اجزای کلیدی مدیران سیستم به داشبورد داخلی Dask که از طریق یک در معرض نمایش قرار میگیرد دسترسی دارند متعادل کننده بار الاستیک.
دانشمندان داده به نوت بوک Jupyter که در SageMaker میزبانی شده است دسترسی دارند. این نوت بوک قادر به اتصال و اجرای بارهای کاری در زمانبندی Dask است. دامنه سرویس OpenSearch ابرداده ها را در مجموعه داده های متصل در مناطق ذخیره می کند. کاربران نوت بوک می توانند برای بازیابی جزئیاتی مانند منطقه صحیح کارگران Dask بدون نیاز به دانستن موقعیت منطقه ای داده ها از قبل، از این سرویس پرس و جو کنند.
کارگر
هر یک از مناطق کارگر (مناطق B و C در نمودار) از یک تشکیل شده است سرویس کانتینر الاستیک آمازون (Amazon ECS) خوشه ای از کارگران دسک، آمازون FSx برای Luster سیستم فایل، و مستقل ابر محاسبه الاستیک آمازون (Amazon EC2) نمونه. FSx for Luster به کارگران Dask اجازه می دهد تا با پیوند دادن سیستم های فایل شما به سطل های S3، به داده های Amazon S3 از یک سیستم فایل با کارایی بالا دسترسی پیدا کرده و آنها را پردازش کنند. تأخیرهای زیر میلیثانیهای، تا صدها گیگابایت بر ثانیه توان عملیاتی و میلیونها IOPS را فراهم میکند. یکی از ویژگی های کلیدی Luster این است که فقط ابرداده های سیستم فایل همگام سازی می شوند. Luster تعادل فایلهایی را که قرار است در آن بارگذاری شده و گرم نگه داشته شوند، بر اساس تقاضا مدیریت میکند.
خوشههای کارگری بر اساس استفاده از CPU مقیاس میشوند، کارگران اضافی را در دورههای طولانی تقاضا فراهم میکنند، و با بیکار شدن منابع کاهش مییابند.
هر شب در ساعت 0:00 UTC، یک کار همگام سازی داده از سیستم فایل Luster می خواهد تا با سطل S3 پیوست شده مجدداً همگام شود و یک کاتالوگ فراداده به روز از سطل را می کشد. متعاقباً، نمونه مستقل EC2 این بهروزرسانیها را به سرویس OpenSearch مربوط به ایندکس منطقه منتقل میکند. سرویس OpenSearch اطلاعات لازم را در مورد اینکه کدام گروه از کارگران باید برای یک مجموعه داده خاص فراخوانی شوند، در اختیار مشتری قرار می دهد.
شبکه ارتباطی
شبکه سازی هسته اصلی این راه حل را تشکیل می دهد و از شبکه اصلی آمازون استفاده می کند. با استفاده از AWS Transit Gateway، ما می توانیم هر یک از مناطق را بدون نیاز به عبور از اینترنت عمومی به یکدیگر متصل کنیم. هر یک از کارگران میتوانند به صورت پویا به زمانبندی Dask متصل شوند و به دانشمندان داده اجازه میدهند تا درخواستهای بین منطقهای را از طریق Dask اجرا کنند.
پیش نیازها
بسته AWS CDK از زبان برنامه نویسی TypeScript استفاده می کند. مراحل را دنبال کنید شروع به کار برای AWS CDK برای راهاندازی محیط محلی و راهاندازی حساب توسعه خود (شما باید همه مناطق مشخصشده در GitHub repo).
برای استقرار موفق، شما نیاز دارید داکر نصب شده است و در دستگاه محلی خود اجرا کنید.
بسته AWS CDK را مستقر کنید
استقرار یک بسته AWS CDK ساده است. پس از نصب پیش نیازها و بوت استرپ اکانت خود، می توانید به دانلود پایه کد ادامه دهید.
- دانلود مخزن GitHub:
- ماژول های گره را نصب کنید:
- AWS CDK را مستقر کنید:
استقرار پشته می تواند بیش از یک ساعت و نیم طول بکشد.
مرور کد
در این بخش برخی از ویژگی های کلیدی پایه کد را بررسی می کنیم. اگر میخواهید پایه کد کامل را بررسی کنید، به آدرس زیر مراجعه کنید مخزن GitHub.
پشته خود را پیکربندی و سفارشی کنید
در فایل bin/variables.ts، دو اعلان متغیر پیدا خواهید کرد: یکی برای مشتری و دیگری برای کارگران. اعلامیه مشتری یک فرهنگ لغت با ارجاع به محدوده منطقه و CIDR است. سفارشی کردن این متغیرها هم محدوده منطقه و هم محدوده CIDR محل استقرار منابع مشتری را تغییر می دهد.
متغیر کارگر همین عملکرد را کپی می کند. با این حال، این فهرستی از فرهنگ لغت است که با افزودن یا تفریق مجموعه داده هایی که کاربر می خواهد گنجانده شود، می باشد. علاوه بر این، هر فرهنگ لغت حاوی فیلدهای اضافه شده است dataset
و lustreFileSystemPath
. مجموعه داده برای تعیین URI S3 اتصال برای اتصال Luster استفاده می شود. را lustreFileSystemPath
متغیر به عنوان یک نگاشت برای اینکه کاربر چگونه می خواهد آن مجموعه داده به صورت محلی در سیستم فایل کارگر نگاشت استفاده می شود. کد زیر را ببینید:
IP زمانبند را به صورت پویا منتشر کنید
چالش ذاتی ماهیت بین منطقه ای این پروژه، حفظ ارتباط پویا بین کارگران Dask و زمانبندی بود. چگونه میتوانیم یک آدرس IP را که میتواند در سراسر مناطق AWS تغییر کند منتشر کنیم؟ ما توانستیم این کار را با استفاده از نقشه ابری AWS و associate-vpc-with-hosted-zone. این سرویس به AWS اجازه می دهد تا فضای نام DNS را به صورت خصوصی مدیریت کند. کد زیر را ببینید:
رابط کاربری نوت بوک Jupyter
نوت بوک Jupyter که در SageMaker میزبانی شده است، محیطی آماده برای استقرار در اختیار دانشمندان قرار می دهد تا به راحتی روی مجموعه داده های بارگذاری شده متصل شوند و آزمایش کنند. ما از a استفاده کردیم اسکریپت پیکربندی چرخه حیات برای فراهم کردن نوت بوک با یک محیط توسعه دهنده از پیش پیکربندی شده و پایه کد مثال. کد زیر را ببینید:
گره های کارگر Dask
وقتی نوبت به کارگران Dask میرسد، قابلیت سفارشیسازی بیشتر، بهویژه در مورد نوع نمونه، رشتهها در هر ظرف و آلارمهای مقیاسپذیری بیشتر ارائه میشود. بهطور پیشفرض، کارگران در نوع نمونه m5d.4xlarge، در هنگام راهاندازی به سیستم فایل Luster متصل میشوند و کارگران و رشتههای آن را بهصورت پویا به پورتها تقسیم میکنند. همه اینها به صورت اختیاری قابل تنظیم است. کد زیر را ببینید:
عملکرد
برای ارزیابی عملکرد، از یک محاسبه نمونه و رسم دمای هوا در 2 متر بر اساس تفاوت بین پیشبینی CMIP6 برای یک ماه و میانگین دمای هوا ERA5 برای 10 سال استفاده میکنیم. ما معیاری از دو کارگر در هر منطقه تعیین کردیم و تفاوت کاهش زمان را با اضافه شدن کارگران اضافی ارزیابی کردیم. در تئوری، همانطور که راه حل مقیاس می شود، باید یک تفاوت مواد سازنده در کاهش زمان کلی وجود داشته باشد.
جدول زیر جزئیات مجموعه داده ما را خلاصه می کند.
مجموعه داده | متغیر | اندازه دیسک | اندازه مجموعه داده Xarray | منطقه |
ERA5 | 2011–2020 (120 فایل netcdf) | 53.5GB | 364.1 GB | us-east-1 |
CMIP6 | 1.13GB | 0.11 GB | us-west-2 |
جدول زیر نتایج جمع آوری شده را نشان می دهد که زمان (بر حسب ثانیه) هر محاسبات و پیش بینی را در سه مرحله در محاسبه پیش بینی CMIP6، ERA5 و تفاوت نشان می دهد.
. | . | تعداد کارگران | |||
محاسبه | منطقه | 2 (CMIP) + 2 (ERA) | 2 (CMIP) + 4 (ERA) | 2 (CMIP) + 8 (ERA) |
2 (CMIP) + 12 (ERA) |
CMIP6 (predicted_tas_regridded ) |
us-west-2 | 11.8 | 11.5 | 11.2 | 11.6 |
ERA5 (historic_temp_regridded ) |
us-east-1 | 1512 | 711 | 427 | 202 |
تفاوت (propogated pool ) |
us-west-2 و us-east-1 | 1527 | 906 | 469 | 251 |
نمودار زیر عملکرد و مقیاس را به تصویر می کشد.
از آزمایش خود، با افزایش تعداد کارگران، بهبود خطی را در محاسبات برای مجموعه داده ERA5 مشاهده کردیم. با افزایش تعداد کارگران، زمانهای محاسباتی در مواقعی به نصف کاهش یافت.
دفترچه ژوپیتر
به عنوان بخشی از راهاندازی راهحل، ما یک نوت بوک Jupyter از پیش پیکربندی شده را برای کمک به آزمایش راهحل بین منطقهای Dask مستقر میکنیم. این نوت بوک نگرانی حذف شده مربوط به نیاز به دانستن مکان منطقه ای مجموعه های داده را نشان می دهد، به جای جستجوی یک کاتالوگ از طریق مجموعه ای از نوت بوک های Jupyter که در پس زمینه اجرا می شوند.
برای شروع، دستورالعمل های این بخش را دنبال کنید.
کد نوتبوکها را میتوانید در اینجا پیدا کنید lib/SagemakerCode
با وجود نوت بوک اولیه ux_notebook.ipynb
. این نوت بوک از نوت بوک های دیگر فراخوانی می کند و اسکریپت های کمکی را راه اندازی می کند. ux_notebook
طراحی شده است تا نقطه ورود دانشمندان بدون نیاز به رفتن به جای دیگر باشد.
برای شروع، پس از استقرار AWS CDK، این نوت بوک را در SageMaker باز کنید. AWS CDK یک نمونه نوت بوک ایجاد می کند که تمام فایل های موجود در مخزن بارگذاری شده و در یک نسخه پشتیبان تهیه شده است. AWS CodeCommit مخزن
برای اجرای برنامه، سلول اول را باز کرده و اجرا کنید ux_notebook
. این سلول اجرا می کند get_variables
دفترچه یادداشت در پسزمینه، که از شما میخواهد برای دادههایی که میخواهید انتخاب کنید، یک ورودی دریافت کنید. مثالی را ذکر می کنیم؛ با این حال، توجه داشته باشید که سوالات تنها پس از انتخاب گزینه قبلی ظاهر می شوند. این برای محدود کردن گزینههای کشویی عمدی است و به صورت اختیاری با ویرایش get_variables
نوت بوک.
کد قبلی متغیرها را به صورت جهانی ذخیره می کند تا سایر نوت بوک ها بتوانند انتخاب های شما را بازیابی و بارگیری کنند. برای نمایش، سلول بعدی باید متغیرهای ذخیره را از قبل خروجی دهد.
در مرحله بعد، یک درخواست برای مشخصات بیشتر داده ظاهر می شود. این سلول با ارائه شناسه جداول در قالب قابل خواندن توسط انسان، داده های مورد نظر شما را اصلاح می کند. کاربران طوری انتخاب میکنند که گویی یک فرم است، اما عناوین به جداول در پسزمینه نگاشت میشوند که به سیستم کمک میکند مجموعههای داده مناسب را بازیابی کند.
پس از اینکه تمام انتخاب ها و سلول های انتخابی خود را ذخیره کردید، با اجرای سلول در گرفتن داده ها تنظیم بخش. دستور %%capture خروجی های غیرضروری را سرکوب می کند get_data
نوت بوک. توجه داشته باشید که میتوانید این مورد را برای بررسی خروجیهای نوتبوکهای دیگر حذف کنید. سپس داده ها در backend بازیابی می شوند.
در حالی که سایر نوت بوک ها در پس زمینه اجرا می شوند، تنها نقطه تماس برای کاربر همین است ux_notebook
. این برای انتزاع فرآیند خسته کننده وارد کردن داده ها به قالبی است که هر کاربر قادر به دنبال کردن آن به راحتی است.
با دادههایی که اکنون بارگذاری شدهاند، میتوانیم تعامل با آن را آغاز کنیم. سلول های زیر نمونه هایی از محاسباتی هستند که ممکن است روی داده های آب و هوا انجام دهید. استفاده كردن xarrays، آن مجموعه داده ها را وارد می کنیم، محاسبه می کنیم و سپس رسم می کنیم.
نمونه ما نموداری از دادههای پیشبینیکننده را نشان میدهد که دادهها را بازیابی میکند، محاسبات را اجرا میکند و نتایج را در کمتر از 7.5 ثانیه ترسیم میکند - مرتبههایی از بزرگی سریعتر از یک روش معمولی.
در زیر کاپوت
نوت بوک ها get_catalog_input
و get_variables
از کتابخانه استفاده کنید ipywidgets برای نمایش ویجت هایی مانند کشویی و انتخاب چند جعبه. این گزینه ها به صورت جهانی با استفاده از دستور %%store ذخیره می شوند تا بتوان از طریق آن به آنها دسترسی داشت ux_notebook
. یکی از گزینه ها به شما می گوید که آیا داده های تاریخی، داده های پیش بینی یا هر دو را می خواهید. این متغیر به get_data
نوت بوک برای تعیین اینکه کدام نوت بوک بعدی اجرا شود.
La get_data
نوت بوک ابتدا دامنه سرویس OpenSearch مشترک ذخیره شده در آن را بازیابی می کند AWS Systems Manager Parameter Store. این دامنه به نوت بوک ما اجازه می دهد تا یک پرس و جو در مورد جمع آوری اطلاعات اجرا کند که نشان می دهد مجموعه داده های انتخابی در کجا ذخیره می شوند. با این مجموعه دادهها که به صورت منطقهای قرار دارند، نوتبوک تلاشی برای اتصال به زمانبندی Dask انجام میدهد و اطلاعات جمعآوریشده از سرویس OpenSearch را ارسال میکند. زمانبندی Dask به نوبه خود میتواند کارگران را در مناطق صحیح فراخوانی کند.
نحوه سفارشی سازی و ادامه توسعه
این نوتبوکها باید نمونهای باشند از اینکه چگونه میتوانید راهی برای ارتباط و تعامل کاربران با دادهها ایجاد کنید. دفترچه یادداشت موجود در این پست به عنوان تصویری برای آنچه امکان پذیر است عمل می کند، و ما از شما دعوت می کنیم که راه حل را برای بهبود بیشتر تعامل کاربر ادامه دهید. بخش اصلی این راه حل، فناوری Backend است، اما بدون مکانیزمی برای تعامل با آن Backend، کاربران پتانسیل کامل راه حل را درک نخواهند کرد.
برای جلوگیری از تحمیل هزینه در آینده، منابع را حذف کنید. بیایید راه حل مستقر خود را با دستور زیر نابود کنیم:
نتیجه
این پست گسترش Dask بین منطقهای در AWS و ادغام احتمالی با مجموعه دادههای عمومی در AWS را نشان میدهد. راه حل به عنوان یک الگوی عمومی ساخته شده است، و مجموعه داده های بیشتری را می توان برای تسریع در تجزیه و تحلیل های I/O بالا روی داده های پیچیده بارگذاری کرد.
داده ها هر زمینه و هر کسب و کاری را متحول می کنند. با این حال، با رشد سریعتر دادهها از آنچه اکثر شرکتها میتوانند آنها را پیگیری کنند، جمعآوری دادهها و به دست آوردن ارزش از آن دادهها چالش برانگیز است. یک استراتژی داده مدرن می تواند به شما کمک کند تا نتایج کسب و کار بهتری را با داده ها ایجاد کنید. AWS کامل ترین مجموعه خدمات را برای سفر داده سرتاسر ارائه می کند تا به شما کمک کند قفل ارزش داده های خود را باز کنید و آن را به بینش تبدیل کنید.
برای کسب اطلاعات بیشتر در مورد روشهای مختلف استفاده از دادههای خود در فضای ابری، به سایت مراجعه کنید وبلاگ AWS Big Data. ما همچنین از شما دعوت می کنیم تا نظرات خود را در مورد این پست و اینکه آیا این راه حلی است که می خواهید امتحان کنید یا خیر، نظر دهید.
درباره نویسنده
پاتریک اوکانر یک مهندس نمونه اولیه WWSO مستقر در لندن است. او یک حلکننده خلاق خلاق است که در طیف وسیعی از فناوریها، مانند اینترنت اشیا، فناوری بدون سرور، فناوری فضایی سه بعدی و ML/AI سازگار است، همراه با کنجکاوی بیوقفه در مورد اینکه چگونه فناوری میتواند به تکامل رویکردهای روزمره ادامه دهد.
چاکرا ناگاراجان یک شرکت اصلی نمونه سازی یادگیری ماشین SA با 21 سال تجربه در یادگیری ماشین، داده های بزرگ و محاسبات با کارایی بالا است. در نقش فعلی خود، او به مشتریان کمک می کند تا با ساختن نمونه های اولیه با راه حل های AI/ML انتها به انتها در دستگاه های ابری و لبه، مشکلات تجاری پیچیده دنیای واقعی را حل کنند. تخصص او در ML شامل بینایی کامپیوتر، پردازش زبان طبیعی، پیش بینی سری های زمانی و شخصی سازی است.
وال کوهن یک مهندس ارشد نمونه سازی WWSO مستقر در لندن است. وال که ذاتاً حلال مشکل است، از نوشتن کد برای خودکارسازی فرآیندها، ساخت ابزارهای وسواسی مشتری و ایجاد زیرساخت برای برنامه های مختلف برای پایگاه مشتری جهانی خود لذت می برد. Val در طیف گستردهای از فناوریها، مانند توسعه وب جلویی، کار باطنی و AI/ML تجربه دارد.
نایل رابینسون رئیس آتی محصولات در دفتر Met UK است. او و تیمش راههای جدیدی را بررسی میکنند که Met Office میتواند از طریق نوآوری محصول و مشارکتهای استراتژیک ارزش ارائه کند. او حرفهای متنوع، رهبری یک تیم تحقیق و توسعه انفورماتیک چند رشتهای، تحقیقات آکادمیک در علم داده، و دانشمند میدانی همراه با تخصص مدلساز آب و هوا داشته است.
- محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
- PlatoAiStream. Web3 Data Intelligence دانش تقویت شده دسترسی به اینجا.
- ضرب کردن آینده با آدرین اشلی. دسترسی به اینجا.
- خرید و فروش سهام در شرکت های PRE-IPO با PREIPO®. دسترسی به اینجا.
- منبع: https://aws.amazon.com/blogs/big-data/build-efficient-cross-regional-i-o-intensive-workloads-with-dask-on-aws/
- : دارد
- :است
- :جایی که
- $UP
- 1
- 10
- 100
- 11
- 12
- 20
- 24
- 3d
- 40
- 50
- 7
- 9
- a
- توانایی
- قادر
- درباره ما
- بالاتر
- چکیده
- چکیده ها
- دانشگاهی
- تحقیقات دانشگاهی
- شتاب دادن
- تسریع
- دسترسی
- قابل دسترسی است
- تطبیق
- انجام دادن
- حساب
- دستیابی به
- در میان
- تطبیق می دهد
- اضافه
- اضافه کردن
- اضافی
- علاوه بر این
- نشانی
- خطاب به
- می افزاید:
- مدیران
- به تصویب رسید
- اتخاذ
- پس از
- AI / ML
- AIR
- معرفی
- اجازه دادن
- اجازه می دهد تا
- در امتداد
- همچنین
- آمازون
- آمازون EC2
- an
- تحلیل
- و
- هر
- ظاهر شدن
- کاربرد
- برنامه های کاربردی
- روش
- رویکردها
- مناسب
- معماری
- هستند
- AS
- At
- جو
- جوی
- خودکار بودن
- اجتناب از
- AWS
- مشتری AWS
- ستون فقرات
- حمایت کرد
- بخش مدیریت
- زمینه
- برج میزان
- پایه
- مستقر
- BE
- شدن
- بوده
- قبل از
- بودن
- در زیر
- محک
- بهتر
- میان
- بزرگ
- بزرگ داده
- خود راه انداز
- هر دو
- آوردن
- شکسته
- ساختن
- بنا
- ساخته
- ساخته شده در
- کسب و کار
- اما
- by
- محاسبه
- صدا
- نام
- فراخوانی
- تماس ها
- CAN
- قابلیت های
- توانا
- کاریابی
- کاتالوگ
- CD
- سلول ها
- به چالش
- به چالش کشیدن
- تغییر دادن
- متغیر
- بار
- بار
- انتخاب
- گردش
- مشتری
- اقلیم
- نزدیک
- ابر
- خوشه
- CO
- رمز
- پایه کد
- همکاری
- جمع آوری
- بیا
- می آید
- آینده
- توضیح
- انجمن
- شرکت
- کامل
- پیچیده
- اجزاء
- شامل
- محاسبه
- محاسبه
- کامپیوتر
- چشم انداز کامپیوتر
- محاسبه
- پیکر بندی
- اتصال
- متصل
- اتصال
- ارتباط
- مصرف کنندگان
- مصرف
- ظرف
- شامل
- ادامه دادن
- ادامه
- نسخه
- هسته
- اصلاح
- هزینه
- مقرون به صرفه
- میتوانست
- همراه
- پردازنده
- ایجاد
- ایجاد
- خالق
- بحرانی
- محصول
- صلیب
- حس کنجکاوی
- جاری
- سفارشی
- مشتری
- مشتریان
- سفارشی
- سفارشی
- روزانه
- داشبورد
- داده ها
- علم اطلاعات
- استراتژی داده
- مجموعه داده ها
- روز
- دهه
- تصمیم گیری
- به طور پیش فرض
- تقاضا
- نشان می دهد
- گسترش
- مستقر
- گسترش
- مستقر می کند
- طراحی
- از بین بردن
- دقیق
- جزئیات
- مشخص کردن
- توسعه
- توسعه دهنده
- پروژه
- دستگاه ها
- تفاوت
- غیر فعال
- کشف
- نمایش دادن
- توزیع شده
- محاسبات توزیع شده
- دی ان اس
- کارگر بارانداز
- دامنه
- پایین
- پویا
- بطور پویا
- هر
- سهولت
- به آسانی
- لبه
- ویرایش
- موثر
- در جای دیگر
- قادر ساختن
- پشت سر هم
- انرژی
- نامزدی
- مهندس
- ورود
- محیط
- معادل
- عصر
- برآورد
- اتر (ETH)
- هر
- هر روز
- هر روز
- تکامل یابد
- مثال
- مثال ها
- تجربه
- تجربه
- تخصص
- اکتشاف
- صادرات
- قرار گرفتن در معرض
- گسترش
- سریعتر
- ویژگی
- امکانات
- رشته
- زمینه
- پرونده
- فایل ها
- پیدا کردن
- نام خانوادگی
- تمرکز
- به دنبال
- پیروی
- غذا
- برای
- فرم
- قالب
- اشکال
- یافت
- تاسیس
- چارچوب
- چارچوب
- رایگان
- از جانب
- ثروتمند شدن
- کامل
- قابلیت
- بیشتر
- آینده
- آینده
- سوالات عمومی
- نسل
- دریافت کنید
- گرفتن
- رفتن
- جهانی
- شبکه جهانی
- در سطح جهانی
- زمین
- رفتن
- گراف
- بیشتر
- توری
- شدن
- در حال رشد
- بود
- نیم
- نصف
- آیا
- he
- سر
- کمک
- کمک می کند
- او
- زیاد
- عملکرد بالا
- های لایت
- خود را
- تاریخی
- میزبان
- میزبانی
- ساعت
- چگونه
- چگونه
- اما
- HTML
- HTTPS
- قابل خواندن انسان است
- صدها نفر
- آرام
- شناسه
- if
- نشان می دهد
- واردات
- واردات
- بهبود
- بهبود
- in
- شامل
- شامل
- افزایش
- شاخص
- نشان دادن
- اطلاع دادن
- اطلاعات
- شالوده
- ذاتی
- ابداع
- ورودی
- نا امنی
- بینش
- الهام بخش
- نصب
- نمونه
- در عوض
- دستورالعمل
- ادغام
- عمدی
- تعامل
- تعامل
- رابط
- داخلی
- اینترنت
- به
- دعوت
- اینترنت اشیا
- IP
- IP آدرس
- مسائل
- IT
- ITS
- کار
- سفر
- JPG
- نوت بوک ژوپیتر
- نگاه داشتن
- کلید
- دانستن
- زبان
- بزرگ
- نام
- تاخیر
- راه اندازی
- برجسته
- یاد گرفتن
- یادگیری
- کتابخانه
- wifecycwe
- پسندیدن
- لینک
- ارتباط
- فهرست
- بار
- محلی
- به صورت محلی
- واقع شده
- محل
- لندن
- دستگاه
- فراگیری ماشین
- عمده
- ساخت
- مدیریت
- مدیر
- مدیریت می کند
- نقشه
- نقشه برداری
- توده
- پذیرش دسته جمعی
- ماده
- ممکن است..
- متوسط
- مکانیزم
- متاداده
- میلیون ها نفر
- ML
- مدل
- مدرن
- ماژول ها
- ماه
- ماهیانه
- داده های ماهانه
- بیش
- اکثر
- استقرار (mount)
- چند رشته ای
- نام
- ملی
- طبیعی
- زبان طبیعی
- پردازش زبان طبیعی
- طبیعت
- لازم
- نیاز
- نیازمند
- شبکه
- جدید
- بعد
- شب
- گره
- گره
- دفتر یادداشت
- نوت بوک
- اکنون
- عدد
- تعداد
- of
- ارائه
- دفتر
- on
- ONE
- فقط
- باز کن
- داده های باز
- منبع باز
- کد منبع باز
- قابل استفاده
- گزینه
- گزینه
- or
- تنظیم و ارکستراسیون
- سازمان های
- دیگر
- ما
- خارج
- نتایج
- تولید
- روی
- به طور کلی
- بسته
- پارامتر
- بخش
- ویژه
- ویژه
- مشارکت
- گذشت
- عبور
- الگو
- کارایی
- دوره ها
- شخصی
- پتابایت
- فاز
- برنامه
- سیستم عامل
- افلاطون
- هوش داده افلاطون
- PlatoData
- نقطه
- استخر
- بنادر
- ممکن
- پست
- پتانسیل
- قدرت
- قوی
- تمرین
- پیش گویی
- پیش بینی
- پیش نیازها
- قبلی
- اصلی
- اصلی
- خصوصی
- مشکل
- مشکلات
- روند
- فرآیندهای
- در حال پردازش
- ساخته
- محصول
- نوآوری محصول
- تولیدی
- برنامه
- برنامه نويسي
- پروژه
- نمونه
- نمونه سازی
- ارائه
- ارائه
- فراهم می کند
- تدارک
- عمومی
- منتشر کردن
- منتشر شده
- کشد
- نمایش ها
- سوالات
- تحقیق و توسعه
- محدوده
- نسبتا
- آماده
- دنیای واقعی
- تحقق بخشیدن
- كاهش دادن
- کاهش
- کاهش
- منطقه
- منطقهای
- مناطق
- بی امان
- بقایای
- برداشتن
- حذف شده
- مخزن
- نشان دهنده
- تحقیق
- منابع
- قابل احترام
- نتایج
- نقش
- دویدن
- در حال اجرا
- SA
- امن
- حکیم ساز
- همان
- ذخیره
- مقیاس پذیر
- مقیاس
- مقیاس ها
- مقیاس گذاری
- علم
- دانشمند
- دانشمندان
- اسکریپت
- ثانیه
- بخش
- دیدن
- مشاهده گردید
- بخش ها
- انتخاب شد
- انتخاب
- ارشد
- سلسله
- بدون سرور
- خدمت
- سرویس
- خدمات
- تنظیم
- اشتراک گذاری
- به اشتراک گذاشته شده
- باید
- نشان
- نمایشگاه
- نشان می دهد
- ساده
- به سادگی
- ششم
- کند
- So
- راه حل
- مزایا
- حل
- برخی از
- منبع
- فضایی
- به طور خاص
- مشخصات
- مشخص شده
- حمایت
- پشته
- مراحل
- مستقل
- شروع
- آغاز شده
- ماندن
- مراحل
- ذخیره سازی
- opbevare
- ذخیره شده
- پرده
- ساده
- استراتژیک
- همکاری های استراتژیک
- استراتژی
- متعاقب
- متعاقبا
- موفق
- چنین
- سطح
- افزایش
- پایداری
- قابل تحمل
- سیستم
- سیستم های
- جدول
- گرفتن
- تیم
- فن آوری
- فن آوری
- پیشرفته
- آزمون
- نسبت به
- که
- La
- اطلاعات
- منبع
- انگلستان
- جهان
- شان
- سپس
- آنجا.
- در نتیجه
- اینها
- آنها
- این
- کسانی که
- سه
- رشد
- از طریق
- توان
- زمان
- سری زمانی
- بار
- عناوین
- به
- امروز
- با هم
- ابزار
- مسیر
- پیگردی
- انتقال
- تبدیل شدن
- عبور
- راه اندازی
- دور زدن
- دو
- نوع
- حروفچینی
- نوعی
- Uk
- زیر
- باز
- ناپایدار
- در جریان روز
- به روز رسانی
- بر
- URI
- استفاده
- استفاده کنید
- استفاده
- کاربر
- کاربران
- با استفاده از
- ساعت محلی UTC تنظیم شده اند
- با استفاده از
- VAL
- ارزش
- تنوع
- مختلف
- از طريق
- دید
- بازدید
- حجم
- می خواهم
- می خواهد
- گرم
- بود
- مسیر..
- راه
- we
- هوا
- وب
- توسعه وب
- بود
- چه
- که
- وسیع
- دامنه گسترده
- اراده
- خواسته
- با
- بدون
- مهاجرت کاری
- کارگر
- کارگران
- جهان
- نگرانی
- خواهد بود
- نوشته
- سال
- هنوز
- بازده
- شما
- شما
- زفیرنت