案例：AWS MLOps Framework - 解决方案介绍

在AWS solutions library你可以找到数十份各式各样的解决方案参考文件，在这个解决方案图书馆，每一个解决方案都有提供自动部署的文件，让你可以一键部署到AWS帐号。也有相对应的文件解说技术、价钱等细节。

接下来我们一起来看看AWS MLOps Framework的这一个解决方案，透过接下来的几篇文章学习解决方案的成本、架构概览、设计注意事项、AWS CloudFormation 模板、自动化部署。

简介

AWS MLOps 框架解决方案可简化和实施机器学习 (ML) 模型生产的架构最佳实践。 透过这个解决方案你可以使用自己的模型、使用预设的pipeline不属跟监控。这也会是一个好的专案起点，用来当团队实作范本。假设有大规模的专案要启用，也可以透过这个解决方案快速启动跟调整。除了预先设置好的pipeline可迅速搭建模型训练，当中也包含部署的pipeline，打包模型以及部署之後，也有模型监测可以观察上线之後的模型漂移状况。

方案

方案一：单帐号部署

• 图片来源：AWS MLOps Framework

适合比较小规模的专案开发，像是实验性质、小型专案。专案的开发跟部属只透过单一帐号。解决方案内容包含：

(1)基础架设与相关文件: 启动一个解决方案必备的基础架构，像是S3、Amazon SageMaker Registry。细节像是模型注册表、标示清楚模型训练所需要的资源，例如像是资料集。
(2)Pipeline以及其设置的文件，例如CloudFormation的模板档案，并且把所需要的目标都设置在单一帐户下。
(3)在确认各个服务设定好之後，也会透过SNS服务，寄信到该AWS帐户的通知信箱，告知已经部署成功了。

方案二：多帐号部署

• 图片来源：AWS MLOps Framework

多帐号部署，相对於方案一。会需要提供AWS Organizations的讯息，例如哪一个帐号属於哪一个角色、拥有什麽权限等等。在开发期间，获得授权的开发者角色可以开发模型与训练、注册。模型训练之後，拥有授权的其他帐户，则可以手动批准，以让模型部署到Staging环境。并且开放测试人员到测试环境测试最新的部署。最後若是确定部署，则把模型部署到产品环境中，产品正式上线後，一样也会收到AWS寄来的通知信，告知已经上线完成。

结语

今天介绍了解决方案图书馆页面，希望大家可以在专案规划时期就上去看看其他人都怎麽做专案配置的，另外是两个方案的概略介绍，明天再继续看细节。