Nopeiden 5G-mobiiliverkkojen myötä yritykset sijoittuvat helpommin kuin koskaan ja voivat hyödyntää tietoliikenneverkkojen ja pilven lähentymistä. Yksi näkyvimmistä käyttötapauksista tähän mennessä, koneoppiminen (ML) on antanut yrityksille mahdollisuuden ottaa käyttöön ML-malleja lähempänä loppuasiakkaitaan vähentääkseen latenssia ja lisätäkseen sovellusten reagointikykyä. Esimerkiksi, älykkäitä paikkaratkaisuja voi käyttää lähes reaaliaikaista tietokonenäköä väkijoukon analytiikkaan 5G-verkoissa minimoiden samalla investoinnit paikan päällä oleviin verkkolaitteistoihin. Jälleenmyyjät voivat tarjota kitkattomia kokemuksia tien päällä luonnollisen kielen käsittelyn (NLP), reaaliaikaisten suositusjärjestelmien ja petosten havaitsemisen avulla. Jopa maa- ja ilmarobotiikkaa voi käyttää ML:ää turvallisempien, itsenäisempien toimintojen avaamiseen.
Vähentääksemme ML:n pääsyn esteitä reunassa, halusimme näyttää esimerkin esikoulutetun mallin käyttöönotosta Amazon Sage Maker että AWS-aallonpituus, kaikki alle 100 koodirivillä. Tässä viestissä osoitamme, kuinka SageMaker-malli otetaan käyttöön AWS-aallonpituudella 5G-verkkopohjaisten sovellusten mallin päättelyviiveen vähentämiseksi.
Ratkaisun yleiskatsaus
AWS:n nopeasti kasvavassa globaalissa infrastruktuurissa AWS Wavelength tuo pilvilaskennan ja -tallennusmahdollisuuden 5G-verkkojen reunalle ja avaa tehokkaampia mobiilikokemuksia. AWS Wavelengthillä voit laajentaa virtuaalisen yksityisen pilvesi (VPC) aallonpituusvyöhykkeisiin, jotka vastaavat teleoperaattorin verkon reunaa. 29-kaupungeissa maapallon ympäri. Seuraavassa kaaviossa on esimerkki tästä arkkitehtuurista.
Voit valita tietyn alueen aallonpituusvyöhykkeitä käyttämällä AWS-hallintakonsoli tai AWS-komentoriviliitäntä (AWS CLI). Lisätietoja maantieteellisesti hajautettujen sovellusten käyttöönotosta AWS-aallonpituudella on kohdassa Ota käyttöön maantieteellisesti hajautetut Amazon EKS -klusterit AWS-aallonpituudella.
Tässä viestissä käsiteltyjen perusteiden pohjalta katsomme, että ML on reunalla esimerkkityökuorma, jonka avulla voidaan ottaa käyttöön AWS-aallonpituus. Esimerkkityökuormiksemme otamme käyttöön valmiiksi koulutetun mallin Amazon SageMaker JumpStart.
SageMaker on täysin hallittu ML-palvelu, jonka avulla kehittäjät voivat helposti ottaa käyttöön ML-malleja AWS-ympäristöihinsä. Vaikka AWS tarjoaa useita vaihtoehtoja mallikoulutukseen - alkaen AWS Marketplace mallit ja sisäänrakennetut SageMaker-algoritmit – on olemassa useita tekniikoita avoimen lähdekoodin ML-mallien käyttöönottoon.
JumpStart tarjoaa pääsyn satoihin sisäänrakennetuihin algoritmeihin valmiiksi koulutetuilla malleilla, jotka voidaan ottaa saumattomasti käyttöön SageMaker-päätepisteissä. Ennakoivasta ylläpidosta ja tietokonenäöstä autonomiseen ajoon ja petosten havaitsemiseen, JumpStart tukee useita suosittuja käyttötapauksia yhdellä napsautuksella tapahtuvalla käyttöönotolla konsolissa.
Koska SageMakeria ei tueta alkuperäisesti aallonpituusvyöhykkeissä, näytämme, kuinka mallin artefaktit voidaan poimia alueelta ja ottaa ne uudelleen käyttöön reunalle. Voit tehdä sen käyttämällä Amazonin elastisten kuberneettien palvelu (Amazon EKS) klusterit ja solmuryhmät aallonpituusvyöhykkeissä, minkä jälkeen luodaan käyttöönottoluettelo JumpStartin luomalla säiliökuvalla. Seuraava kaavio havainnollistaa tätä arkkitehtuuria.
Edellytykset
Jotta tämä olisi mahdollisimman helppoa, varmista, että AWS-tililläsi on aallonpituusalueet käytössä. Huomaa, että tämä integrointi on saatavilla vain us-east-1
ja us-west-2
, ja tulet käyttämään us-east-1
demon ajaksi.
Ota AWS Wavelength käyttöön seuraavasti:
- Valitse Amazon VPC -konsolista Zones varten Asetukset Ja valitse US East (Verizon) / us-east-1-wl1.
- Valita hoitaa.
- valita Ollut käyttöön.
- Valita Päivitä vyöhykkeet.
Luo AWS Wavelength -infrastruktuuri
Ennen kuin muunnamme paikallisen SageMaker-mallin päätepisteen Kubernetes-asennukseksi, voit luoda EKS-klusterin aallonpituusalueelle. Voit tehdä tämän ottamalla käyttöön Amazon EKS -klusterin, jossa on AWS Wavelength -solmuryhmä. Saat lisätietoja vierailemalla tämä opas AWS Containers -blogissa or Verizonin 5GEdgeTutorials-arkisto yhdelle tällaiselle esimerkille.
Seuraavaksi käyttämällä an AWS-pilvi9 Valitse haluamasi ympäristö tai interaktiivinen kehitysympäristö (IDE), lataa tarvittavat SageMaker-paketit ja Docker Compose, JumpStartin keskeinen riippuvuus.
Luo malliesineet JumpStartin avulla
Varmista ensin, että sinulla on AWS-henkilöllisyyden ja käyttöoikeuksien hallinta (IAM) suoritusrooli SageMakerille. Lisätietoja on osoitteessa SageMakerin roolit.
- Käyttäminen tämä esimerkki, luo Train_model.py-niminen tiedosto, joka käyttää SageMaker Software Development Kit (SDK) -pakettia valmiiksi rakennetun mallin hakemiseen (korvaa SageMaker-suoritusroolisi Amazon Resource Name (ARN) kanssa). Tässä tiedostossa otat mallin käyttöön paikallisesti käyttämällä
instance_type
attribuutti kohdassamodel.deploy()
-toiminto, joka käynnistää Docker-säilön IDE:ssäsi käyttämällä kaikkia määrittämiäsi tarvittavia malliartefakteja:
- Seuraavaksi aseta
infer_model_id
sen SageMaker-mallin tunnukseen, jota haluat käyttää.
Katso täydellinen luettelo kohdasta Sisäänrakennetut algoritmit esiopetetulla mallitaulukolla. Esimerkissämme käytämme Bidirectional Encoder Representations from Transformers (BERT) -mallia, jota käytetään yleisesti luonnollisen kielen käsittelyssä.
- Suorita
train_model.py
komentosarja JumpStart-mallin artefaktien hakemiseksi ja esiopetetun mallin käyttöönotto paikallisessa koneessa:
Jos tämä vaihe onnistuu, tulos voi olla seuraavanlainen:
Tulosteessa näet kolme artefaktia järjestyksessä: TensorFlow-päätelmän peruskuva, mallia palveleva päättelykomentosarja ja opetetun mallin sisältävät artefaktit. Vaikka voit luoda mukautetun Docker-kuvan näillä esineillä, toinen tapa on antaa SageMakerin paikallisen tilan luoda Docker-kuva puolestasi. Seuraavissa vaiheissa puramme paikallisesti käynnissä olevan säilön kuvan ja otamme sen käyttöön Amazonin elastisten säiliörekisteri (Amazon ECR) sekä työnnä malliartefakti erikseen Amazonin yksinkertainen tallennuspalvelu (Amazon S3).
Muunna paikallisen tilan artefaktit Kubernetes-etäkäyttöön
Nyt kun olet vahvistanut, että SageMaker toimii paikallisesti, puretaan käyttöönottoluettelo käynnissä olevasta säilöstä. Suorita seuraavat vaiheet:
Tunnista SageMakerin paikallisen tilan käyttöönottoluettelon sijainti: Voit tehdä niin etsimällä juurihakemistostamme mitä tahansa tiedostoja nimeltä docker-compose.yaml
.
docker_manifest=$( find /tmp/tmp* -name "docker-compose.yaml" -printf '%T+ %pn' | sort | tail -n 1 | cut -d' ' -f2-)
echo $docker_manifest
Tunnista SageMakerin paikallisen tilan mallin artefaktien sijainti: Etsi seuraavaksi taustalla oleva tilavuus, joka on asennettu paikalliseen SageMaker-johtopäätössäiliöön, jota käytetään jokaisessa EKS-työntekijäsolmussa sen jälkeen, kun artefakti on ladattu Amazon s3:een.
model_local_volume = $(grep -A1 -w "volumes:" $docker_manifest | tail -n 1 | tr -d ' ' | awk -F: '{print $1}' | cut -c 2-) # Returns something like: /tmp/tmpcr4bu_a7</p>
Luo paikallinen kopio käynnissä olevasta SageMaker-johtopäätössäilöstä: Seuraavaksi etsimme parhaillaan käynnissä olevan säilön kuvan, joka käyttää koneoppimispäätelmämalliamme, ja teemme kopion säilöstä paikallisesti. Tämä varmistaa, että meillä on oma kopio konttikuvasta Amazon ECR:stä.
# Find container ID of running SageMaker Local container
mkdir sagemaker-container
container_id=$(docker ps --format "{{.ID}} {{.Image}}" | grep "tensorflow" | awk '{print $1}')
# Retrieve the files of the container locally
docker cp $my_container_id:/ sagemaker-container/
Ennen kuin toimit model_local_volume
, jonka lähetämme Amazon S3:lle, työnnä kopio käynnissä olevasta Docker-kuvasta, nyt sagemaker-container
hakemistosta Amazon Elastic Container Registryyn. Muista vaihtaa region
, aws_account_id
, docker_image_id
ja my-repository:tag
tai seuraa Amazon ECR käyttöopas. Muista myös huomioida lopullinen ECR-kuvan URL-osoite (aws_account_id.dkr.ecr.region.amazonaws.com/my-repository:tag
), jota käytämme EKS:n käyttöönotossamme.
Nyt kun meillä on päättelypäätepistettä vastaava ECR-kuva, luo uusi Amazon S3 -ämpäri ja kopioi SageMakerin paikalliset artefaktit (model_local_volume
) tähän ämpäriin. Luo samanaikaisesti Identity Access Management (IAM), joka tarjoaa Amazon EC2 -esiintymille pääsyn sängyn objekteihin. Muista vaihtaa maailmanlaajuisesti ainutlaatuisella nimellä Amazon S3 -kauhallesi.
Muokkaa EKS-työntekijäsolmujen käyttäjätietoja varmistaaksesi, että jokainen EC2-ilmentymä noutaa kopion malliartefaktista. Varmista käyttäjätietokomentosarjassa, että jokainen solmu hakee mallin artefaktit S3-sovellusliittymän avulla käynnistyksen yhteydessä. Muista vaihtaa maailmanlaajuisesti ainutlaatuisella nimellä Amazon S3 -kauhallesi. Koska solmun käyttäjätiedot sisältävät myös EKS-bootstrap-komentosarjan, täydelliset käyttäjätiedot voivat näyttää suunnilleen tältä.
Nyt voit tarkastaa olemassa olevan Docker-luettelon ja kääntää sen Kubernetes-ystävällisiksi luettelotiedostoiksi käyttämällä Kirjoita, tunnettu muunnostyökalu. Huomautus: jos saat version yhteensopivuusvirheen, muuta version
attribuutti docker-compose.yml:n rivillä 27 kohteeseen “2”
.
Komposeen suorittamisen jälkeen näet neljä uutta tiedostoa: a Deployment
esine, Service
esine, PersistentVolumeClaim
esine ja NetworkPolicy
esine. Sinulla on nyt kaikki mitä tarvitset aloittaaksesi matkasi Kubernetesiin reunalla!
Ota käyttöön SageMaker-mallin artefaktit
Varmista, että kubectl ja aws-iam-authenticator on ladattu AWS Cloud9 IDE:hen. Jos ei, noudata asennusohjeita:
Suorita nyt seuraavat vaiheet:
Muokkaa service/algo-1-ow3nv
objekti, josta palvelutyyppi vaihdetaan ClusterIP
että NodePort
. Esimerkissämme olemme valinneet portiksi 30,007 XNUMX NodePort
:
Seuraavaksi sinun on sallittava NodePort solmusi suojausryhmässä. Voit tehdä tämän hakemalla suojausryhmän tunnuksen ja sallimalla NodePortin:
Muokkaa seuraavaksi algo-1-ow3nv-deployment.yaml
manifesti asentaaksesi /tmp/model hostPath
hakemistosta säilöön. Korvata aiemmin luomallasi ECR-kuvalla:
Käytä kubectl-komentoa Komposesta luomillasi luettelotiedostoilla määrittääksesi klusteriisi:
Yhdistä 5G reunamalliin
Muodosta yhteys malliisi suorittamalla seuraavat vaiheet:
Hae Amazon EC2 -konsolissa EKS-työntekijäsolmun operaattorin IP-osoite tai kysy suoraan operaattorin IP-osoitetta AWS CLI:n avulla:
Nyt, kun operaattorin IP-osoite on purettu, voit muodostaa yhteyden malliin suoraan NodePortin avulla. Luo tiedosto nimeltä invoke.py
kutsua BERT-malli suoraan antamalla tekstipohjainen syöte, joka suoritetaan tunneanalysaattoria vastaan sen määrittämiseksi, oliko sävy positiivinen vai negatiivinen:
Tulostuksesi pitäisi muistuttaa seuraavaa:
Puhdistaa
Voit tuhota kaikki luodut sovellusresurssit poistamalla AWS Wavelength worker -solmut, EKS-ohjaustason ja kaikki VPC:ssä luodut resurssit. Lisäksi poista Säilön kuvan isännöimiseen käytetty ECR-repo, SageMaker-mallin artefaktien isännöimiseen käytetyt S3-ryhmät ja sagemaker-demo-app-s3 IAM
politiikkaa.
Yhteenveto
Tässä viestissä osoitimme uudenlaisen lähestymistavan SageMaker-mallien käyttöönottamiseksi verkon reunalla käyttämällä Amazon EKS:ää ja AWS Wavelengthiä. Lisätietoja Amazon EKS:n parhaista käytännöistä AWS Wavelengthissä on osoitteessa Ota käyttöön maantieteellisesti hajautetut Amazon EKS -klusterit AWS-aallonpituudella. Lisäksi saadaksesi lisätietoja Jumpstartista käy osoitteessa Amazon SageMaker JumpStart -kehittäjäopas tai JumpStart Saatavilla oleva mallitaulukko.
Tietoja Tekijät
Robert Belson on Developer Advocate AWS Worldwide Telecom -liiketoimintayksikössä, joka on erikoistunut AWS Edge Computingiin. Hän keskittyy työskentelemään kehittäjäyhteisön ja suuryritysasiakkaiden kanssa heidän liiketoiminnan haasteiden ratkaisemiseksi automaation, hybridiverkon ja reunapilven avulla.
Mohammed Al-Mehdar on vanhempi ratkaisuarkkitehti AWS:n Worldwide Telecom -liiketoimintayksikössä. Hänen pääpainonsa on auttaa asiakkaita rakentamaan ja ottamaan käyttöön Telco- ja Enterprise IT -työkuormia AWS:ssä. Ennen AWS:ään liittymistään Mohammed on työskennellyt Telco-alalla yli 13 vuotta ja tuo mukanaan runsaasti kokemusta LTE Packet Coren, 5G:n, IMS:n ja WebRTC:n aloilta. Mohammed on suorittanut tietoliikennetekniikan kandidaatin tutkinnon Concordian yliopistosta.
Evan Kravitz on ohjelmistosuunnittelija Amazon Web Servicesissä ja työskentelee SageMaker JumpStartissa. Hän nauttii ruoanlaitosta ja juoksemisesta New Yorkissa.
Justin St. Arnauld on Verizonin julkisen sektorin ratkaisuarkkitehtien apulaisjohtaja, jolla on yli 15 vuoden kokemus IT-alalta. Hän on intohimoinen reunalaskennan ja 5G-verkkojen tehon puolestapuhuja ja asiantuntija kehittämään innovatiivisia teknologiaratkaisuja, jotka hyödyntävät näitä teknologioita. Justin on erityisen innostunut Amazon Web Servicesin (AWS) tarjoamista mahdollisuuksista toimittaa huippuluokan ratkaisuja asiakkailleen. Vapaa-ajallaan Justin pitää ajan tasalla uusimmista teknologiatrendeistä ja jakaa tietämyksensä ja näkemyksensä muiden alan toimijoiden kanssa.
- SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
- Platoblockchain. Web3 Metaverse Intelligence. Tietoa laajennettu. Pääsy tästä.
- Lähde: https://aws.amazon.com/blogs/machine-learning/deploy-pre-trained-models-on-aws-wavelength-with-5g-edge-using-amazon-sagemaker-jumpstart/
- :On
- 1
- 10
- 100
- 11
- 15 vuotta
- 5G
- 7
- 8
- 9
- a
- Meistä
- Hyväksyä
- pääsy
- Tili
- poikki
- Toiminta
- Lisäksi
- osoite
- tulo
- puolestapuhuja
- Jälkeen
- vastaan
- algoritmit
- Kaikki
- mahdollistaa
- Vaikka
- aina
- Amazon
- Amazon EC2
- Amazon Sage Maker
- Amazon SageMaker JumpStart
- Amazon Web Services
- Amazon Web Services (AWS)
- Analytics
- ja
- Toinen
- api
- Hakemus
- sovellukset
- käyttää
- lähestymistapa
- arkkitehtuuri
- OVAT
- alueet
- AS
- Työtoveri
- Yhdistys
- At
- Automaatio
- autonominen
- saatavissa
- AWS
- AWS-pilvi9
- este
- pohja
- BE
- alkaa
- PARAS
- parhaat käytännöt
- Bootstrap
- Tuo
- rakentaa
- sisäänrakennettu
- liiketoiminta
- by
- nimeltään
- CAN
- kyvyt
- tapauksissa
- KISSA
- CD
- haasteet
- muuttaa
- valinta
- Valita
- Kaupunki
- asiakkaat
- lähempänä
- pilvi
- Cloud9
- Cluster
- koodi
- KOM
- yleisesti
- yhteisö
- yhteensopivuus
- täydellinen
- Laskea
- tietokone
- Tietokoneen visio
- tietojenkäsittely
- CONFIRMED
- kytkeä
- Console
- Kontti
- Kontit
- ohjaus
- Lähentyminen
- Muuntaminen
- muuntaa
- Ydin
- vastaava
- voisi
- luoda
- luotu
- Luominen
- väkijoukko
- Tällä hetkellä
- asiakassuhde
- Asiakkaat
- Leikkaus
- leikkaamisreuna
- tiedot
- Päivämäärä
- määritelty
- Aste
- toimittaa
- tuottaa
- osoittaa
- osoittivat
- riippuvuus
- sijoittaa
- käyttöön
- levityspinnalta
- käyttöönotto
- tuhota
- Detection
- Määrittää
- Kehittäjä
- kehittäjille
- kehittämällä
- Kehitys
- suoraan
- Johtaja
- keskusteltiin
- Satamatyöläinen
- download
- ajo
- kukin
- Aikaisemmin
- helposti
- Itään
- kaiku
- reuna
- reunan tietojenkäsittely
- vaikutus
- mahdollistaa
- käytössä
- päätepiste
- insinööri
- Tekniikka
- varmistaa
- yritys
- yrityksille
- innostunut
- merkintä
- ympäristö
- ympäristöissä
- laitteet
- virhe
- Jopa
- EVER
- kaikki
- esimerkki
- teloitus
- olemassa
- laajenee
- experience
- Elämykset
- asiantuntija
- laajentaa
- uute
- filee
- Asiakirjat
- lopullinen
- Löytää
- Keskittää
- keskittyy
- seurata
- seurannut
- jälkeen
- varten
- Kokeilu
- petos
- petosten havaitseminen
- Ilmainen
- kitkaton
- alkaen
- täysin
- toiminto
- Perusteet
- syntyy
- saada
- tietty
- Global
- Maailmanlaajuisesti
- maapallo
- Go
- menee
- Ryhmä
- Ryhmän
- ohjaavat
- Oppaat
- Palvelimet
- valjaat
- Olla
- auttaa
- pitää
- isäntä
- Miten
- Miten
- HTML
- http
- HTTPS
- Sadat
- Hybridi
- ID
- Identiteetti
- kuva
- tuoda
- in
- sisältää
- Kasvaa
- teollisuus
- Infrastruktuuri
- innovatiivinen
- innovatiivista teknologiaa
- panos
- oivalluksia
- asentaa
- esimerkki
- integraatio
- vuorovaikutteinen
- investointi
- IP
- IP-osoite
- IT
- IT-teollisuus
- tuloaan
- jpg
- json
- Justin
- pito
- avain
- laji
- Kit (SDK)
- tuntemus
- tarrat
- Kieli
- suuri
- Viive
- uusin
- käynnistää
- OPPIA
- oppiminen
- Vaikutusvalta
- pitää
- linja
- linjat
- Lista
- paikallinen
- paikallisesti
- sijainti
- katso
- kone
- koneoppiminen
- tärkein
- huolto
- tehdä
- onnistui
- johto
- Metadata
- minimointia
- ML
- Puhelinnumero
- mobiiliverkot
- tila
- malli
- mallit
- muokata
- lisää
- eniten
- ASENNA
- nimi
- nimetty
- Luonnollinen
- Luonnollinen kielen käsittely
- Tarve
- negatiivinen
- verkko
- verkkopohjainen
- verkostoituminen
- verkot
- Uusi
- New York
- new york city
- seuraava
- NLP
- solmu
- solmut
- romaani
- numero
- objekti
- esineet
- of
- tarjotaan
- Tarjoukset
- on
- ONE
- avoimen lähdekoodin
- Operations
- Tilaisuus
- Vaihtoehdot
- tilata
- Muuta
- ulostulo
- oma
- paketit
- Parallel
- erityisesti
- intohimoinen
- polku
- Platon
- Platonin tietotieto
- PlatonData
- politiikka
- Suosittu
- asemoitu
- positiivinen
- mahdollinen
- Kirje
- teho
- käytännöt
- Predictor
- Aikaisempi
- yksityinen
- käsittely
- näkyvä
- tarjoaa
- tarjoamalla
- julkinen
- Vetää
- Työnnä
- nopeasti
- Lue
- reaaliaikainen
- Suositus
- vähentää
- alue
- rekisterin
- kaukosäädin
- korvata
- pyynnöt
- tarvittava
- resurssi
- Esittelymateriaalit
- jälleenmyyjät
- Tuotto
- Rooli
- juuri
- ajaa
- juoksu
- turvallisempaa
- sagemaker
- SageMaker-johtopäätös
- sdk
- saumattomasti
- Haku
- sektori
- turvallisuus
- valittu
- vanhempi
- palvella
- palvelee
- palvelu
- Palvelut
- setti
- jakaminen
- shouldnt
- Näytä
- Yksinkertainen
- yksinkertaisesti
- So
- Tuotteemme
- ohjelmistokehitys
- Software Engineer
- ratkaisu
- Ratkaisumme
- SOLVE
- jotain
- erikoistunut
- alkaa
- Lausunto
- Tila
- Vaihe
- Askeleet
- Levytila
- Strategia
- myöhempi
- menestyä
- niin
- Tuetut
- Tukee
- Vaihtaa
- järjestelmät
- TAG
- ottaa
- tekniikat
- Technologies
- Elektroniikka
- Telco
- Telecom
- tietoliikenne
- Tietoliikennetekniikka
- sapluuna
- tensorflow
- että
- -
- heidän
- Nämä
- kolmella
- aika
- että
- TONE
- työkalu
- koulutettu
- muuntajat
- Kääntää
- Trendit
- totta
- varten
- taustalla oleva
- unique
- yksikkö
- yliopisto
- avata
- lukituksen
- ajanmukainen
- URL
- käyttää
- käyttäjä
- v1
- arvo
- lajike
- tapahtumapaikka
- Verizon
- versio
- kautta
- Virtual
- visio
- Vierailla
- tilavuus
- volyymit
- halusi
- Rikkaus
- verkko
- verkkopalvelut
- HYVIN
- tunnettu
- onko
- joka
- vaikka
- tulee
- with
- sisällä
- työntekijä
- työskentely
- maailmanlaajuisesti
- olisi
- yaml
- vuotta
- Voit
- Sinun
- youtube
- zephyrnet
- alueet