Salon du Big Data | 11 mars 2015

Stephan Hadinger, Sr. Mgr Solutions Architecture, AWS

Accélération de l’innovation

2009

Amazon RDS

Amazon VPC

Auto Scaling

Elastic Load Balancing

+48

2010

Amazon SNS

AWS Identity & Access Management

Amazon Route 53

+61

2011

Amazon ElastiCache

Amazon SES

AWS CloudFormation

AWS Direct Connect

AWS Elastic Beanstalk

GovCloud

+82

Amazon CloudTrail

Amazon CloudHSM

Amazon WorkSpaces

Amazon Kinesis

Amazon Elastic Transcoder

Amazon AppStream

AWS OpsWorks

+280

2013

Amazon SWF

Amazon Redshift

Amazon Glacier

Amazon Dynamo DB

Amazon CloudSearch

AWS Storage Gateway

AWS Data Pipeline

+159

2012 2008

+24 Amazon EBS

Amazon CloudFront

+500

2014

Amazon Cognito

Amazon Zocalo

Amazon Mobile Analytics

AWS Directory Service

Amazon RDS for Aurora

AWS CodeDeploy

AWS Lambda

AWS Config

AWS Key Management

Service

AWS Service Catalog

Amazon EC2

Container Service

AWS CodePipeline

AWS CodeCommit

Mobile / Cable Telecom

Oil & Gas Industrial

Manufacturing

Retail/Consumer Entertainment

Hospitality

Life Sciences Scientific

Exploration

Financial Services

Publishing Media Advertising

Online Media Social Network

Gaming

AWS Cloud Big Data

Analyze Ingest

Kinesis

Import Export

Direct Connect

Collect

Glacier

S3

DynamoDB

Store

EMR EC2

Kinesis

S3

Share

Redshift Redshift Data Pipeline

Stockage en mode objet

Capacité sans limite

Elastique et parallèle

Durabilité 99.999999999%

Amazon

S3

Clusters Hadoop opérés

Hive, Pig, Impala, HBase

Facile à utiliser

Elastique : > milliers de nœuds

Amazon

Elastic

MapReduce

Entrepôt de données opéré

Relationnel, compatible avec les

produits du maché

Massivement parallèle

Capacité > Po

$1,000 / To / An

Amazon

Redshift

Traitement temps réel (< 1s.)

Elastique, haute débit

Facile à utiliser

Intégré à : EMR, S3, Redshift,

DynamoDB, Lambda…

Amazon

Kinesis

“THANKS TO AMAZON WEB SERVICES, WE CAN DELIGHT OUR PLAYERS WORLDWIDE.”

Sami Yliharju | Services Lead

Optimisation des coûts avec AWS

Un ADN de business à Gros Volume / Faible Marge

Remplacer des

investissements

CAPEX par des

coûts variables

OPEX

Des économies

d’échelle permettant

de réduire les prix

47 réductions de

prix depuis 2006

Un modèle de prix

qui s’adapte aux

types d’usage

A la demande

Réservé

Spot

Bénéficiez

d’économies

supplémentaires

Tarification dégressive

Réductions au volume

Trusted Advisor

Exemple à titre indicatif – Tous les prix à retrouver sur aws.amazon.com

Instances m3.xlarge Linux – 4 vCPU, 15 Go

Prix On Demand $0.308 / heure

Prix RI 3 ans all upfront lissé $0,134 / heure (–56% par rapport à OD)

Historique SPOT sur 3 mois :

Exemple à titre indicatif – Tous les prix à retrouver sur aws.amazon.com

Instances m3.xlarge Linux – 4 vCPU, 15 Go

Prix On Demand $0.308 / heure

Prix RI 3 ans all upfront lissé $0,134 / heure (–56% par rapport à OD)

Prix Spot sur 3 mois < $0.041 / heure (–86% par rapport à OD)

EMR

EMR Cluster S3

1. Code et

données

3. résultats

2. Démarrez votre

cluster

Choisisez:

•Hadoop distribution

•Le nombre de noeuds

•Le type de noeud (hi-

CPU, hi-memory, etc.)

•Hadoop apps (Hive,

Pig, HBase)

Comment ça marche?

Job Flow

Scénario #1

Comment ça marche?

14 Heures

Durée:

#1: Coût sans Spot 4 instances * 14 h * $0.308 = $17.25

Job Flow

Scénario #1

Job Flow

Scénario #2

Comment ça marche?

14 Heures

Durée: Durée:

7 Heures

#1: Coût sans Spot 4 instances * 14 h * $0.308 = $17.25

Job Flow

Scénario #1

Job Flow

Scénario #2

Comment ça marche?

14 Heures

Durée: Durée:

7 Heures

#2: Coût avec Spot 4 instances * 7 h * $0.308 = $8.62 5 instances * 7 h * $0.041 = $1.44

Total = $10.06

#1: Coût sans Spot 4 instances * 14 h * $0.308 = $17.25

Job Flow

14 Heures

Durée:

Scénario #1

Job Flow

Durée:

7 Heures

Scénario #2

Gains en Temps : 50% Economies : ~41%

Comment ça marche?

Exemple à titre indicatif – Tous les prix à retrouver sur aws.amazon.com

#2: Coût avec Spot 4 instances * 7 h * $0.308 = $8.62 5 instances * 7 h * $0.041 = $1.44

Total = $10.06

#1: Coût sans Spot 4 instances * 14 h * $0.308 = $17.25

EMR Cluster

Virtual Private Cloud

pour sécuriser

l’ensemble

Comment ça marche?

Prenons un calcul massif typique…

…qu’un cluster moyen mettrait

trop de temps à effectuer…

…que des algorithmes optimisés peuvent améliorer…

…et compléter le traitement dans les temps requis.

Acquérir un cluster plus gros…

…est bien souvent exagéré et trop coûteux.

Les clusters à base d’instances AWS

peuvent être ajustés aux besoins ponctuels…

…pas trop gros…

…ni trop petits…

…avec de multiples clusters s’exécutant en parallèle.

Elasticité sur AWS

Temps : +00h

<10 cœurs

Temps : +24h >1500 cœurs

Elasticité sur AWS

Temps : +72h

<10 cœurs

Elasticité sur AWS

Temps : +120h

>600 cœurs

Elasticité sur AWS

Schrodinger & CycleComputing: computational chemistry

Simulation by Mark

Thompson of the University

of Southern California to see

which of 205,000 organic

compounds could be used

for photovoltaic cells for solar

panel material.

Estimated computation time

264 years completed in 18

hours.

• Cluster de 156,314 cœurs

• 1.21 petaFLOPS (Rpeak)

• $33,000 au total ou

$0.16 par molécule

Nouveau record de tri à

grande échelle

● Databricks, créateur de

Apache Spark

● Pourquoi AWS?

● EC2 – rapide, SSD,

réseau 10Gbps

● Agilité

15 mois

50 personnes

€€ millions

Réseaux

Serveurs

Stockage

Virtualisation

Sécurité

Outils de gestion

Etc.

Data Center

Primaire

Data Center

Secondaire

5 minutes

1 personne

0€ zéro

Réseaux

Serveurs

Stockage

Virtualisation

Sécurité

Outils de gestion

Etc.

Architectes

Solutions

Services

Professionnels Support 24x7 Réseau de milliers de

partenaires AWS