亚马逊的仓储服务是怎么样的？

(1)智能入库管理技术
在亚马逊全球的运营中心，采用独特的采购入库监控策略，亚马逊进行所有历史数据的收集，了解什么样的品类容易坏，坏在哪里，然后给他进行预包装。这都是在收货环节提供的增值服务。亚马逊采用的Cubi Scan仪器会对新入库的中小体积商品测量长宽高和体积，根据这些商品信息优化入库。例如鞋服类、百货，新的爆款等等，都可以直接送过来通过Cubi 测量直接入库。这给供应商提供了很大方便，即客户不需要自己测量新品，这样能够大大提升客户的新品上市
速度。同时有了这个尺寸之后，亚马逊数据库可以存储下这些数据，在全国范围内共享，这样其他库房就可以直接利用这些后台数据，再把这些数据放到合适的货物里就可以收集信息，有利于后续的优化、设计和区域规划。
(2)精准预测、二维码精准定位技术
亚马逊有精准的库存信息，其智能仓储管理技术能够实现连续动态盘点，库存精准率达到9999%。在业务高峰期，亚马逊通过大数据分析
可以做到对库存需求精准预测，从配货规划、运力调配，以及末端配送等方面做好准备，平衡了订单运营能力，大大降低爆仓的风险。亚马逊全球运营中心中，每一个库位都一个独特的编码，二维码是每一个货位的身份z，就是一个GPS，可以在系经里查出商品定位，亚马
的精准的库位管理可以实现全球库在精准定位。
(3)特殊类商品专业存储
亚马逊对于不同的商品采取特殊的存储方式来防止商品损坏。对于鞋服类商品，可根拒客户商品需求提供质检，垂直悬挂、整理、修复、防潮防霉
等专业服务，提升服务品质。对需要进行序列号追踪的商品，进行入库或出库同步录入系统，利用后台强大数据系统实时跟踪商品状态。在存储食品、酒类、化妆品等保质期商品时，仓库对这些商品提供单

独恒温在储确保商品品质，并利用强大系统后台监控商品保质期，为商家提供保质期预警数据，便于用户及时管理库龄时间长的商品。对于高价值的商品，亚马逊采取分区独立存储，以及运用业界领先的防损系统和管控，确保客户商品万无一失。
(4)随机存储商品
随机存储是亚马逊仓储运营的一大特色。但要说明的是，亚马逊的随机存储
不是随便存储，是有一定的原则性的，特别是畅销商品与非畅销商品，而是考虑先进先出的原则，同时随机存储还与最佳路径也有重要关系。亚马逊的后台有一套数据算法，它会给每个人随机地优化他的拣货路径。拣货的员工直接朝前走，不要走回头路。系统会给推荐下一个要拣的货在哪儿，永远不走回头路。而且确保全部拣选完了之后，路径最少，通过这种智能的计算和智能的推荐，可以把传统作业模式的拣货行走路径减少至少60%。通过大数据驱动的仓储运营，亚马逊的订单处理非常高效，在中国亚马逊运营中心最快可以在30分钟之内完成整个订单处理，也就是下单之后30分钟内可以把订单处理完出库，从订单处理、快速拣选、快速包装、分拣等一切都由大数据驱动，且全程可视化。由于亚马逊后台的系统分析能力非常强大，因此能够实现。

亚马逊云科技在北京举办大数据与人工智能技术新闻媒体沟通交流会，公布发布“云、数、智三位一体”的大数据与机器学习结合服务项目组成。亚马逊云科技还联合乐我无尽（Joyme）、上海欣兆阳（Convertlab）等合作方共享了亚马逊云科技在推动公司数智结合领域的有关实例。

亚马逊云科技大中华区产品部经理陈晓建谈道，亚马逊云科技有两个数智结合领域的关键核心理念：一是在云中完成数据与智能化的大结合将变为公司加快自主创新的模块，二是公司应在云中打造出统一的数据基本基座，完成大数据与机器学习的“双剑和一”，为公司发展提供新引擎。

亚马逊云科技大中华区产品部技术专家团队主管王晓野详尽分析了亚马逊云科技的“智能化湖仓”构架向着深层智能化大方向的多种更新成效。

大数据与人工智能应用怎样结合？亚马逊云科技在这方面开展过什么科学研究和探讨？大数据与人工智能技术结合后，又能给公司用户产生什么更改？文中对那些问题开展了深入分析。

陈晓建说，伴随着公司的数据愈来愈多，机器学习实体模型愈来愈优秀，许多公司期待根据大数据技术性和机器学习技术的结合，进一步推动公司的工作自主创新，提高公司产出率。

可是，公司通常会遭遇如此一个窘境：有着很多的数据和剖析测算，试着了多种多样领先的机器学习实体模型，但是难以有具体的业务流程产出率。从技术性发展看来，大数据技术性和机器学习技术走的是不一样线路，大数据注重数据自身的收集、提升，而机器学习技术性注重优化算法自身的提升、调参。

陈晓建谈道，从总体上公司的机器学习生产制造化遭遇三层面的挑战。一是大数据与机器学习分而治之，这两一部分通常是不一样精英团队承担，非常容易发生数据荒岛、技术性荒岛，牵制有关运用的迅速梯度下降法。二是数据解决的能力不足，无法解决大量的业务流程数据，这牵制着机器学习由试验转为实践活动。三是数据剖析工作人员的关注度低，产品研发产品测试表现不错的计算方法实体模型，很有可能在具体应用中形成的作用不太理想化，由于真正自然环境的复杂性更高一些一些。

因此，亚马逊云科技发布了“云、数、智三位一体”的服务项目组成。最先是要搭建云中统一的数据整治基座，摆脱数据与专业技能荒岛。

亚马逊云科技通过帮助用户构建统一的数据整治基座，完成用户常用的大数据和机器学习运用的数据共享资源、数据管理权限的统一监管，及其二者统一的开发设计和步骤编辑。为机器学习提供生产制造等级的数据解决工作能力，助推机器学习由试验变为实践活动。

亚马逊云科技能提供多种多样灵便可拓展、专业搭建的大数据服务项目，助推用户开展比较复杂的数据生产加工级解决，来应对数据经营规模的变化规律、提升数据品质。

让数据剖析智能化系统，颠覆式创新公司业务员探寻自主创新。亚马逊云科技为用户提供更自动化的数据剖析服务项目，让业务员就可以进行数据分析系统、实体模型实际效果认证及其独立式自主创新。陈晓建说全世界数十万用户都是在应用亚马逊云科技的大数据及机器学习服务项目。

上年亚马逊云科技发布了“智能化湖仓”构架，为用户提供有关的数智化服务项目。王晓野共享了从公布到现在一年至今，亚马逊云科技的“智能化湖仓”构架拥有什么新的转变。

云中统一的数据整治基座层面，亚马逊云科技的AmazonSageMakerStudio可以一站式地进行数据开发设计、实体模型及相应的制造每日任务，为大数据和机器学习提供统一的软件开发平台。

亚马逊云科技还能提供AmazonLakeFormation，该运用新增加了众多作用，可以协助用户完成数据网格图部门协作的数据财产共享资源，及其根据工作表的最粗粒度的权限管理体制。

为机器学习提供生产制造等级的数据解决功能层面，亚马逊云科技有可以适用多种多样开源框架的大数据服务平台AmazonAthena。AmazonAthena可以对AmazonEMR、性能卓越关联数据库AmazonAurora、NoSQL数据库服务项目AmazonDynamoDB、AmazonRedshift等数据源的数据开展联邦政府查看，从而迅速进行机器学习模型的数据生产加工。

亚马逊云科技还构建了无网络服务器逻辑思维能力，包含AmazonRedshift、Amazon ManagedStreaming for Apache Kafka（AmazonMSK）和AmazonEMR等运用。这种可以让用户不用配备、拓展或是管理方法最底层的基础设施建设就能解决一切经营规模的数据，为用户的机器学习新项目提供兼顾特性和成本效益的特点数据提前准备。

数据剖析智能化系统层面，亚马逊云科技在日常分析工具中集成化了机器学习模型预测工作能力，还提供如可视性数据提前准备专用工具AmazonGlueDatabrew、零编码化的机器学习模型工具AmazonSageMakerCanvas等服务项目，让业务员探寻机器学习模型。

亚马逊云科技此次还邀约了乐我无尽和上海欣兆阳这二位合作方的所属单位来共享其与亚马逊云科技协作的环境、全过程和成果。

乐我无限数据研发中心主管杨飞说，乐我无尽经营的经济全球化网络直播平台LiveMe上边有来源于200很多个国家或区域的用户，数据量特别大，并且还要保证合规管理经营等。

乐我无尽根据亚马逊云科技的解决方法构建了直播内容识别技术、诈骗买卖识别技术。直播内容识别系统协助乐我无尽提高了用户感受，减少了内容管理系统的工作成本费。乐我无尽根据诈骗买卖识别技术降低诈骗、不付类买卖，从而每一年降低财产损失可以达数百万美元。

上海欣兆阳创始人兼CTO李征谈道，上海欣兆阳和亚马逊云科技在营销推广企业战略转型层面开展了协作。上海欣兆阳是一家营销云生产商，能提供一体化营销云商品。

根据数据智能化的营销推广会给公司用户产生大量机遇。人工智能技术让以用户为核心的营销推广可以实现定向推广信息内容的正确引导。但数据智能营销解决方法还面临着多种多样云端挑战。一是数据整治与机器学习工作流程弱关系，二是数据的加工处理与研究必须消耗大量的时间精力，三是实体模型梯度下降法、维护保养等管理方法方面的效果较低。

上海欣兆阳根据亚马逊云科技的统一的数据基本基座，上海欣兆阳构建了一体化数据智能湖仓架构DataHub和一体化高效率机器学习服务平台AIHub。这两项运用能将数据运转的及时性提高了32%，实体模型发布高效率提高了30%。

亚马逊云科技依据自己的 *** 作及其对制造行业的观查，打造了一套“云、数、智三位一体”服务项目组成，为用户提供结合人工智能技术和大数据的解决方法。

不仅人工智能技术、大数据技术性在颠覆式创新公司企业战略转型，更高效率发展趋势，也有如物联网技术、数字孪生这些智能化科技一起推动公司更快发展趋势。

传统存储在以各种方式对接公有云生态，公有云的云上服务类型也在不断完善，作为企业信息化负责人要做的是更多地了解公有云，然后，考虑如何充分利用公有云的优势。

本文通过介绍亚马逊云 科技 存储服务的三个关键点，带您认识云存储的现状。

正文：

乘着互联网产业的春风，云存储在过去近二十年走过了可遇不可求的发展历程。也让从90年代开始，就一直坐着冷板凳，负责数据归档的对象存储，一跃成为整个互联网数据的基石。

如今，绝大部分互联网上可访问的数据都靠对象存储来存，偶尔曝出的数据泄露事件也大多都跟对象存储有关，当然，问题不在于对象存储本身。

从2006年，亚马逊云 科技 的对象存储服务Amazon S3发布，到现在，算起来也有十六年的时间了，这也是亚马逊云 科技 推出的第一款云服务。

从市场表现来看，Amazon S3是非常成功的，前两年有人推测说，亚马逊云 科技 在存储方面的营收规模非常大，甚至被称作是全球最大的存储公司，Amazon S3无疑是功劳最大的一个。

有人说，许多亚马逊云 科技 用户使用的第一个产品就是Amazon S3对象存储，在所有亚马逊云 科技 的用户案例，在所有技术文档里，Amazon S3的出镜率都非常高。

云上原生存储Amazon S3的主线任务：不断降低成本

如果亚马逊云 科技 的用户没用过Amazon S3，就好比去包子铺吃饭没点包子，光顾烧烤店没吃烤串一样，令人费解。

Amazon S3的易用性高、可用性高，开发者很喜欢，Amazon S3几乎不丢数据的可靠性，稳定性也很高，运维管理人员很喜欢，Amazon S3在互联网应用场景被普遍应用。

如今，Amazon S3上存着超过100万亿个对象，每秒需要处理上千百万次请求。

Amazon S3一开始解决了可靠性和可用性以及安全方面的基本问题，性能也一直在提升，多年看下来，最大的工作重点就是不断降低成本。

亚马逊云 科技 大中华区产品部总经理 陈晓建介绍称，同样存储一份数据，如果2006年需要100块钱，而在2022年就只需要大概15块钱，16年间，Amazon S3的存储成本降低了大约7倍。

2021年12月，亚马逊云 科技 宣布在全球九大区域，将Amazon S3 Standard In Frequent Access和Amazon S3 One Zone In Frequent Access的价格降低了31%。

Amazon S3存储分了八个层级。

对于需要经常访问的数据，首选标准版的Amazon S3，它具有毫秒级的访问表现，而不太经常访问的数据就选Amazon S3 Standard-IA上，相较于前者能节省大概40%的费用。

而对于那些很少访问的数据，则可以选择放在Amazon S3 Glacier DeepArcihve上，它的成本非常低，大约1美刀1个TB，但代价是，想把数据拿回来就得多等等，大概需要12到48个小时。

有人觉得这等的时间也太长了，于是，亚马逊云 科技 又推出了Amazon S3 Glacier Flexible Retrieval，只需要等上几分钟到几小时。

就没有一种，既可以便宜，访问性能又高的存储吗？还真有。

这就是Amazon S3 Glacier Instant Retrieval，它是最新的一个存储层级，拿回数据的速度是毫秒级的，成本与Amazon S3 Glacier相当，适合每季度才访问一次、又需要毫秒级取回的海量数据。

另外，Amazon S3 One Zone-IA的成本也很低，顾名思义，数据只存在单个可用区上，而其他S3存储的数据都在多个可用区上存着好几分，相比之下，理论上丢数据的风险高了些。

最后，出于合规的要求，用户有些数据不能上云，亚马逊云 科技 可以提供Amazon Outposts，把云的硬件放到了用户的数据中心里。使用Amazon S3 on Outposts，就像在云上使用S3一样。

总的来说，Amazon S3的存储层级还是挺多的，但问题是，这给选型和管理也带来了负担。

为此，亚马逊云 科技 推出了Amazon S3 Intelligent-Tiering（智能分层），它会根据对象被访问的次数在多个存储层级间进行自动化迁移。

如果不能确定要选什么或者存储需求会变，那就选它，它不仅能解除选择困难症，还能避免用户自行管理数据分层的麻烦。

一家在东南亚和北美市场非常有影响力的互联网公司，在亚马逊云 科技 上存放了大约几十PB的数据，原本主要使用的是Amazon S3 Standard—IA，在使用Amazon S3智能分层后，没有进行任何额外 *** 作，就将存储成本降低了62%。

亚马逊云 科技 最早在2018年就推出了Amazon S3智能分层功能，如今，Amazon S3智能分层已经涵盖了Amazon S3家族的几乎所有存储类别，最多可节省68%的成本。

不仅如此，如今数据分层还拓展到文件存储Amazon EFS，Amazon EFS提供四种文件存储等级，数据分层能节省高达72%的存储成本。

打通云应用与传统应用的隔阂：靠多种文件存储

如果说，对象存储是云存储的标配的话，那文件存储就是云存储连接本地存储的桥梁。

如今常见的应用分为两类。

一类是云原生的现代化应用，也就是在云上开发的、充分利用云架构优势的应用，比如电商、 游戏 、社交媒体等平台。对应需要的存储，大部分是对象存储Amazon S3来满足，少部分需要文件存储Amazon EFS。

另一类是传统企业应用，它诞生在公有云之前，常见的有高性能计算、EDA、视频渲染等场景，通常由本地的文件存储系统，比如NAS来支撑的，为提升安全性和可靠性，通常都带有快照、镜像、远程复制等功能特性。

这类工作负载并没有根据云架构的特点来设计，如果强行上云，不仅需要调整应用本身，而且还可能出现兼容性的问题，为了避免此类问题，亚马逊云 科技 推出了FSx文件存储家族。

从2018年开始，陆续推出了面向Windows环境的Amazon FSx for Windows，面向高性能计算场景的Amazon FSx for Lustre，面向大数据分析场景推出了Amazon FSx for OpenZFS。

金风慧能采用了亚马逊云 科技 构建HPC高性能计算系统，其中使用了Amazon FSx for Lustre共享存储系统，不仅使气象预测系统性能提升了10%，气象计算时间缩短了1/3，还将成本降低了70%，运维复杂度也大大降低。

此外，还与知名存储厂商NetApp合作推出了Amazon FSx for NetApp ONTAP，把NetApp的经典NAS文件存储系统NetApp ONTAP放到了公有云上。

NetApp在2015年就提出了Data Fabric的概念，大意就是想要实现数据在云上和云下的自由流动，是比较早积极拥抱混合云的存储厂商之一。

与一些存储厂商的云上托管服务不同，Amazon FSx for NetApp ONTAP没有删减任何功能，它是云上唯一完整且全托管的NetApp ONTAP文件存储系统，能够无缝地跟企业本地的ONTAP系统对接，所以，用户的IT系统不需要做任何改动，就能使用云上服务。

2019年，NetApp与联想成立合资公司——联想凌拓，联想凌拓在中国区提供相关服务，联想凌拓产品管理与营销高级总监林佑声表示，从发布到现在，Amazon FSx for NetApp ONTAP得到了非常多客户的认可，包括金融、医疗、石油以及高 科技 行业客户。

嘉里物流原本是本地存储NetApp ONTAP的用户，随着业务全球化发展，在数据扩容以及数据共享方面碰到的问题越来越多，通过使用亚马逊云 科技 提供的Amazon FSx for NetApp ONTAP，将数据从本地迁到云上，解决了这些问题。

上云之后，不仅可以使用原来NetApp ONTAP自带的快照和备份等功能，同时，还可以使用亚马逊云 科技 遍布全球的数据中心，实现跨区域的灾备。

补足数据保护方面的短板：Amazon Backup

一直以来，云存储被诟病的点还在于缺少数据灾备功能，在如何维持业务连续性方面有一些争议，而亚马逊云 科技 正在试着消除这一顾虑，这就是Amazon Backup。

由于缺少与业务价值的强关联性，数据保护经常容易被忽视，同时，由于数据保护系统本身很复杂，合规的要求还特别多，实践起来也特别麻烦，所以，数据保护的实践相对落后。

可能也是基于这样的考虑，亚马逊云 科技 的数据保护服务Amazon Backup才特别喜欢强调“一站式”“ *** 作简单”的特点，让用户知道，数据保护也没有那么麻烦。

于是我们看到，Amazon Backup能覆盖旗下的几乎所有存储产品，包括块存储（Amazon EBS）、对象存储、文件存储、数据库，以及计算和存储网关等相关产品。

Amazon Backup的 *** 作比较简单，通过图形的界面即可完成大部分 *** 作，用户还可以通过预设的策略进行自动化的备份，降低手动备份带来的问题。

安全合规的问题让许多用户头疼，Amazon Backup深度集成了亚马逊云 科技 自带的KMS数据加密服务，整个备份 *** 作权限、数据访问权限都可以用IAM进行细颗粒度监控，满足个人信息安全规范、信息安全等级保护等方面的合规要求。

Amazon Backup避免让数据保护带来太多的成本负担，因此也用上了智能分层技术，用户通过冷热分层策略可以有效降低约75%的成本。

澳大利亚石油天然气的供应商Santos要对Amazon EBS块存储做备份，原本都是用手动备份的方案，但随着业务量的发展，备份的出错率越来越高，成功率越来越低。

而在用了Amazon Backup后，平均备份任务用时和运营成本均有大幅降低，备份成功率到了100%，而且还完全做到企业数据合规。

结束语

确实如陈晓建所言，亚马逊云 科技 存储服务已经成为IT行业的“水”和“电”，让各行各业的业务都能从存储服务中获得价值。

亚马逊云 科技 的存储服务类型和存储的相关实践都非常有代表性，而且，很多做法已经成了上云的参考实践，企业用户应该多少了解亚马逊云 科技 的云存储，特别是有上云打算的企业。

当然，上云带来的便捷和灵活，稳定性和安全性，以及对运维的解放都很吸引人。

还有顾虑？据我个人了解，亚马逊云 科技 非常在意企业在云上的成功和成本节省，不仅会帮企业不断优化。除此之外，市场上有一些专门的服务，帮助企业做规划实施，让你充分利用云的优势。

NoSQL数据库促进了可扩展性，且能够帮助Web应用减少开发时间。不像关系型数据拥有固定的模式，很多NoSQL数据库无模式，但也为开发者提供了更多的灵活性。两个比较流行的NoSQL数据库是亚马逊Web服务的SimpleDB和DynamoDB。
亚马逊DynamoDB和SimpleDB充分管理了非关系型数据库，并且提供了简单的应用程序接口（API）进行存储、查询和管理数据。这两个数据库都是适用于寻求灵活数据库设计的应用，但是也有数个不同点和应用。
用SimpleDB管理更小的数据库
SimpleDB最适合每一个域不超过10GB的小型数据库，这种数据库需要基本的存储和查询 *** 作。如果你期望的表的增长速度比这个更大，而且计划使用SimpleDB的话，将需要自己将数据分成两个或者更多的域来管理。同时它也能够跨域手动分割数据，附加的管理费用破坏了SimpleDB的优势。
这项服务旨在服务于小型数据库应用，这些应用这种灵活性、可用性以及耐久性是关键考量，同时可扩展性需求较少。能够在运行中改变表的属性，且无须修改模式、重新索引数据或者离线 *** 纵表结构都是其灵活性很好地体现。SimpleDB分布在一个区域中的多个数据中心提供了可用性和耐久性。
SimpleDB数据库围绕域组织管理，类似于关系表。域包含多个元素，或者键值对集。根据关系表中的行考虑元素，同时键和值分别是属性和属性组件。数据被添加到域中，要求使用基础API或者控制台。
SimpleDB支持简单的选择声明，即任何SQL程序员都能理解。然而也有明显的区别。SimpleDB不支持跨域联合。如果你需要结合多个域的数据，必须查询和结合每一个所使用的定制程序。对于简单的联合并不困难，但是如果你的应用需要支持多个复杂的联合，就要使用MySQL或者PostgreSQL这样的关系型数据库了。二者都可以通过亚马逊的关系型数据库服务获得。
SimpleDB的一个优势就是在一个表中索引所有的元素，这对于允许用户查询任何元素的应用很有用。由于所有的元素都在索引中，通过姓氏、城市、国籍或者邮政编码查询客户表可以很快实现。
用DynamoDB管理大型数据库
亚马逊DynamoDB旨在为要求更高的应用设计，这些应用要求可扩展的数据存储以及更高级的数据管理功能。代替使用硬盘，DynamoDB使用固态硬盘，实现恒定、低延迟的读写时间。旨在扩展大容量同时维持一致的性能，虽然这种性能伴随着更为严格的查询模型。
由于DynamoDB同更大的企业数据库协作，他们可能要求额外的数据管理服务。AWS同d性MapReduce(EMR_AWS Hadoop服务)和Redshift（其数据仓库服务）集成DynamoDB。使用亚马逊Redshift或者EMR进行大规模特殊查询或者分析，使用DynamoDB基于散列和散列分区值进行更有针对性的查询。你可以使用DynamoDB来避免管理分割域产生的额外费用。DynamoDB没有规模限制，而且可以按需管理数据域。
DynamoDB在主键值上索引，允许二级索引。主索引和二级索引都基于散列或者散列分区键值。取代单一的选择声明，这项服务使用查询和扫描声明。查询声明同主或者二级散列或者刷哪里额分区键值使用。在表中扫描读取每一个元素，提供了更多的灵活性，但是这种 *** 作比查询更慢，尤其是在大型的表中更是如此。你的应用的响应性也部分由此决定。
开发者可以使用DynamoDB Local来构建和测试本地数据库代码，而不是通过实际生产的数据库。DynamoDB和DynamoDB Local API互相兼容，因此代码可以在两种环境中运行。

---