พื้นที่ เลนส์สั่งทำพิเศษ IDP Well-Architected มีไว้สำหรับลูกค้า AWS ทุกคนที่ใช้ AWS เพื่อเรียกใช้โซลูชันการประมวลผลเอกสารอัจฉริยะ (IDP) และกำลังค้นหาคำแนะนำเกี่ยวกับวิธีสร้างโซลูชัน IDP ที่ปลอดภัย มีประสิทธิภาพ และเชื่อถือได้บน AWS
การสร้างโซลูชันที่พร้อมสำหรับการผลิตในระบบคลาวด์เกี่ยวข้องกับชุดของการแลกเปลี่ยนระหว่างทรัพยากร เวลา ความคาดหวังของลูกค้า และผลลัพธ์ทางธุรกิจ ที่ กรอบงานที่มีสถาปัตยกรรมอย่างดีของ AWS ช่วยให้คุณเข้าใจถึงประโยชน์และความเสี่ยงของการตัดสินใจของคุณขณะสร้างปริมาณงานบน AWS เมื่อใช้ Framework คุณจะได้เรียนรู้แนวทางปฏิบัติที่ดีที่สุดในการปฏิบัติงานและสถาปัตยกรรมสำหรับการออกแบบและดำเนินการปริมาณงานที่เชื่อถือได้ ปลอดภัย มีประสิทธิภาพ คุ้มค่า และยั่งยืนในระบบคลาวด์
โครงการ IDP มักจะรวมการรู้จำอักขระด้วยแสง (OCR) และการประมวลผลภาษาธรรมชาติ (NLP) เพื่ออ่านและทำความเข้าใจเอกสารและแยกคำศัพท์หรือคำเฉพาะ IDP Well-Architected Custom Lens สรุปขั้นตอนในการดำเนินการตรวจสอบ AWS Well-Architected ที่ช่วยให้คุณสามารถประเมินและระบุความเสี่ยงทางเทคนิคของปริมาณงาน IDP ของคุณ โดยให้คำแนะนำในการจัดการกับความท้าทายทั่วไปที่เราเห็นในภาคสนาม โดยสนับสนุนคุณในการออกแบบปริมาณงาน IDP ของคุณตามแนวทางปฏิบัติที่ดีที่สุด
โพสต์นี้มุ่งเน้นไปที่เสาหลักด้านความน่าเชื่อถือของโซลูชัน IDP เริ่มต้นจากการแนะนำหลักความน่าเชื่อถือและหลักการออกแบบ จากนั้นเราจะเจาะลึกในการออกแบบโซลูชันและการใช้งานโดยเน้น XNUMX ประการ ได้แก่ รากฐาน การจัดการการเปลี่ยนแปลง และการจัดการความล้มเหลว โดยการอ่านโพสต์นี้ คุณจะได้เรียนรู้เกี่ยวกับเสาหลักด้านความน่าเชื่อถือใน Well-Architected Framework พร้อมกรณีศึกษาของ IDP
หลักการออกแบบ
เสาหลักด้านความน่าเชื่อถือครอบคลุมถึงความสามารถของโซลูชัน IDP ในการดำเนินการประมวลผลเอกสารอย่างถูกต้องและสม่ำเสมอเมื่อเป็นไปตามที่คาดหวัง และเป็นไปตามกฎเกณฑ์ทางธุรกิจที่กำหนดไว้ ซึ่งรวมถึงความสามารถในการดำเนินการและทดสอบเวิร์กโฟลว์ IDP เต็มรูปแบบและวงจรการใช้งานทั้งหมด
มีหลักการหลายประการที่สามารถช่วยให้คุณเพิ่มความน่าเชื่อถือได้ โปรดคำนึงถึงสิ่งเหล่านี้ในขณะที่เราหารือเกี่ยวกับแนวทางปฏิบัติที่ดีที่สุด:
- กู้คืนจากความล้มเหลวโดยอัตโนมัติ – ด้วยการตรวจสอบเวิร์กโฟลว์ IDP ของคุณสำหรับตัวบ่งชี้ประสิทธิภาพหลัก (KPI) คุณสามารถเรียกใช้ระบบอัตโนมัติได้เมื่อมีการละเมิดเกณฑ์ สิ่งนี้ช่วยให้คุณสามารถติดตามและรับการแจ้งเตือนโดยอัตโนมัติหากเกิดความล้มเหลวใดๆ และทริกเกอร์กระบวนการกู้คืนอัตโนมัติที่แก้ไขหรือซ่อมแซมความล้มเหลว ตามมาตรการ KPI คุณยังสามารถคาดการณ์ความล้มเหลวและใช้การดำเนินการแก้ไขก่อนที่จะเกิดขึ้นได้
- ทดสอบขั้นตอนการกู้คืน – ทดสอบว่าเวิร์กโฟลว์ IDP ของคุณล้มเหลวอย่างไร และตรวจสอบขั้นตอนการกู้คืน ใช้ระบบอัตโนมัติเพื่อจำลองสถานการณ์ต่างๆ หรือสร้างสถานการณ์ที่นำไปสู่ความล้มเหลวขึ้นมาใหม่
- ปรับขนาดและปรับความสามารถในการให้บริการ – ตรวจสอบความต้องการและการใช้งานเวิร์กโฟลว์ IDP และปรับความจุบริการของ AWS โดยอัตโนมัติ เพื่อรักษาระดับที่เหมาะสมที่สุดเพื่อตอบสนองความต้องการโดยไม่มีการจัดเตรียมมากเกินไปหรือน้อยเกินไป ควบคุมและรับทราบโควต้าบริการ ขีดจำกัด และข้อจำกัดของบริการส่วนประกอบ IDP ของคุณ เช่น Amazon Text และ เข้าใจ Amazon.
- เปลี่ยนแปลงอัตโนมัติ – ใช้ระบบอัตโนมัติเมื่อนำการเปลี่ยนแปลงไปใช้กับโครงสร้างพื้นฐานเวิร์กโฟลว์ IDP ของคุณ จัดการการเปลี่ยนแปลงผ่านระบบอัตโนมัติ ซึ่งสามารถติดตามและตรวจสอบได้
พื้นที่โฟกัส
หลักการออกแบบและแนวปฏิบัติที่ดีที่สุดของเสาหลักความน่าเชื่อถือนั้นอิงจากข้อมูลเชิงลึกที่รวบรวมจากลูกค้าของเราและชุมชนผู้เชี่ยวชาญด้านเทคนิคของ IDP ของเรา ใช้เป็นแนวทางและสนับสนุนการตัดสินใจในการออกแบบของคุณ และปรับให้สอดคล้องกับความต้องการทางธุรกิจของโซลูชัน IDP ของคุณ การใช้ IDP Well-Architected Lens ช่วยให้คุณตรวจสอบความยืดหยุ่นและประสิทธิภาพของการออกแบบโซลูชัน IDP ของคุณ และให้คำแนะนำเพื่อแก้ไขช่องว่างใดๆ ที่คุณอาจระบุได้
ต่อไปนี้เป็นแนวทางปฏิบัติที่ดีที่สุดสำหรับความน่าเชื่อถือของโซลูชัน IDP ในระบบคลาวด์:
- ฐานราก – บริการ AWS AI เช่น Amazon Textract และ Amazon Comprehend มอบชุดขีดจำกัดแบบ soft และ hard สำหรับมิติการใช้งานที่แตกต่างกัน สิ่งสำคัญคือต้องตรวจสอบขีดจำกัดเหล่านี้และให้แน่ใจว่าโซลูชัน IDP ของคุณเป็นไปตามขีดจำกัดแบบซอฟต์ใดๆ โดยต้องไม่เกินขีดจำกัดแบบฮาร์ดใดๆ
- การบริหารการเปลี่ยนแปลง – ปฏิบัติต่อโซลูชัน IDP ของคุณเสมือนเป็นโครงสร้างพื้นฐานเสมือนเป็นโค้ด (IaC) ซึ่งช่วยให้คุณสามารถตรวจสอบและจัดการการเปลี่ยนแปลงได้โดยอัตโนมัติ ใช้การควบคุมเวอร์ชันในส่วนประกอบต่างๆ เช่น โครงสร้างพื้นฐานและโมเดลที่กำหนดเองของ Amazon Comprehend และติดตามการเปลี่ยนแปลงกลับไปยังการเผยแพร่ ณ เวลาใดเวลาหนึ่ง
- การจัดการความล้มเหลว – เนื่องจากเวิร์กโฟลว์ IDP เป็นโซลูชันที่ขับเคลื่อนด้วยเหตุการณ์ แอปพลิเคชันของคุณจึงต้องมีความยืดหยุ่นในการจัดการข้อผิดพลาดที่ทราบและไม่ทราบ โซลูชัน IDP ที่มีสถาปัตยกรรมอย่างดีมีความสามารถในการป้องกันความล้มเหลวและทนต่อความล้มเหลวเมื่อเกิดขึ้นโดยใช้กลไกการบันทึกและลองใหม่ สิ่งสำคัญคือต้องออกแบบความยืดหยุ่นให้กับสถาปัตยกรรมเวิร์กโฟลว์ IDP ของคุณและวางแผนสำหรับการกู้คืนความเสียหาย
ฐานราก
บริการ AWS AI มอบข้อมูลอัจฉริยะที่พร้อมใช้งาน เช่น การแยกและการวิเคราะห์ข้อมูลอัตโนมัติ โดยใช้ Amazon Textract, Amazon Comprehend และ อเมซอน เสริม AI (Amazon A2I) สำหรับเวิร์กโฟลว์ IDP ของคุณ มีขีดจำกัดบริการ (หรือโควต้า) สำหรับบริการเหล่านี้เพื่อหลีกเลี่ยงการจัดสรรมากเกินไปและเพื่อจำกัดอัตราการร้องขอในการดำเนินการ API เพื่อปกป้องบริการจากการละเมิด
เมื่อวางแผนและออกแบบสถาปัตยกรรมโซลูชัน IDP ของคุณ ให้พิจารณาแนวทางปฏิบัติที่ดีที่สุดต่อไปนี้:
- ตระหนักถึงโควต้าบริการ ขีดจำกัด และข้อจำกัดของ Amazon Textract และ Amazon Comprehend ที่ไม่สามารถเปลี่ยนแปลงได้ – รูปแบบไฟล์ ขนาดและจำนวนหน้า ภาษา การหมุนเอกสาร และขนาดรูปภาพที่ยอมรับคือตัวอย่างบางส่วนของข้อจำกัดที่เข้มงวดเหล่านี้สำหรับ Amazon Textract ที่ไม่สามารถเปลี่ยนแปลงได้
- รูปแบบไฟล์ที่ยอมรับ ได้แก่ ไฟล์ JPEG, PNG, PDF และ TIFF (รองรับรูปภาพที่เข้ารหัส JPEG 2000 ภายใน PDF) จำเป็นต้องมีการประมวลผลเอกสารล่วงหน้าก่อนใช้ Amazon Textract หากไม่รองรับรูปแบบไฟล์ (เช่น Microsoft Word หรือ Excel) ในกรณีนี้ คุณต้องแปลงรูปแบบเอกสารที่ไม่รองรับเป็น PDF หรือรูปแบบรูปภาพ
- Amazon Comprehend มีโควต้าที่แตกต่างกันสำหรับโมเดลในตัว โมเดลแบบกำหนดเอง และมู่เล่ ตรวจสอบให้แน่ใจว่ากรณีการใช้งานของคุณสอดคล้องกับโควต้า Amazon Comprehend
- ปรับโควต้าบริการ Amazon Textract และ Amazon Comprehend ให้ตรงกับความต้องการของคุณ – เครื่องคำนวณโควต้าของ Amazon Textract Service สามารถช่วยคุณประมาณค่าโควต้าที่จะครอบคลุมกรณีการใช้งานของคุณได้ คุณควรจัดการโควต้าบริการของคุณข้ามบัญชีหรือภูมิภาค หากคุณกำลังวางแผนการกู้คืนระบบเมื่อเกิดข้อผิดพลาดระหว่างบัญชีหรือภูมิภาคสำหรับโซลูชันของคุณ เมื่อขอเพิ่มโควต้า Amazon Textract โปรดปฏิบัติตามคำแนะนำเหล่านี้:
- ใช้เครื่องคำนวณโควต้าของ Amazon Textract Service เพื่อประเมินค่าโควต้าที่เหมาะสมที่สุดของคุณ
- การเปลี่ยนแปลงคำขออาจทำให้เกิดการรับส่งข้อมูลเครือข่ายที่แหลมคม ซึ่งส่งผลต่อปริมาณงาน ใช้สถาปัตยกรรมแบบไร้เซิร์ฟเวอร์ที่เข้าคิวหรือกลไกอื่น ๆ เพื่อทำให้การรับส่งข้อมูลราบรื่นและใช้ประโยชน์สูงสุดจากธุรกรรมที่จัดสรรต่อวินาที (TPS)
- ใช้ตรรกะการลองใหม่เพื่อจัดการกับการโทรที่ถูกควบคุมและการเชื่อมต่อที่หลุด
- กำหนดค่า Exponential Backoff และ Jitter เพื่อปรับปรุงปริมาณงาน
การบริหารการเปลี่ยนแปลง
การเปลี่ยนแปลงเวิร์กโฟลว์ IDP ของคุณหรือสภาพแวดล้อม เช่น ความต้องการที่เพิ่มขึ้นอย่างรวดเร็วหรือไฟล์เอกสารที่เสียหาย จะต้องได้รับการคาดหวังและปรับตัวเพื่อให้บรรลุความน่าเชื่อถือที่สูงขึ้นของโซลูชัน การเปลี่ยนแปลงบางส่วนครอบคลุมอยู่ในแนวทางปฏิบัติที่ดีที่สุดขั้นพื้นฐานที่อธิบายไว้ในส่วนที่แล้ว แต่การเปลี่ยนแปลงเพียงอย่างเดียวไม่เพียงพอที่จะรองรับการเปลี่ยนแปลง แนวทางปฏิบัติที่ดีที่สุดต่อไปนี้ต้องได้รับการพิจารณาด้วย:
- ใช้ อเมซอน คลาวด์วอตช์ เพื่อตรวจสอบส่วนประกอบเวิร์กโฟลว์ IDP ของคุณ เช่น Amazon Textract และ Amazon Comprehend รวบรวมตัววัดจากเวิร์กโฟลว์ IDP ตอบสนองต่อสัญญาณเตือนโดยอัตโนมัติ และส่งการแจ้งเตือนตามที่จำเป็นสำหรับเวิร์กโฟลว์และวัตถุประสงค์ทางธุรกิจของคุณ
- ปรับใช้โซลูชันเวิร์กโฟลว์ IDP ของคุณและการเปลี่ยนแปลงโครงสร้างพื้นฐานทั้งหมดด้วยระบบอัตโนมัติโดยใช้ IaC เช่น ชุดพัฒนา AWS Cloud (AWS CDK) และโครงสร้าง IDP AWS CDK ที่สร้างไว้ล่วงหน้า วิธีนี้จะขจัดโอกาสที่จะทำให้เกิดข้อผิดพลาดจากมนุษย์ และช่วยให้คุณสามารถทดสอบก่อนที่จะเปลี่ยนเป็นสภาพแวดล้อมการใช้งานจริงของคุณ
- หากกรณีการใช้งานของคุณต้องใช้โมเดลแบบกำหนดเองของ Amazon Comprehend ให้ลองใช้มู่เล่เพื่อลดความซับซ้อนของกระบวนการปรับปรุงโมเดลแบบกำหนดเองเมื่อเวลาผ่านไป มู่เล่จะจัดเตรียมงานที่เกี่ยวข้องกับการฝึกอบรมและการประเมินโมเดลที่กำหนดเองเวอร์ชันใหม่
- หากกรณีการใช้งานของคุณต้องการ ให้ปรับแต่งเอาต์พุตของคุณสมบัติการสืบค้นที่ได้รับการฝึกล่วงหน้าของ Amazon Textract โดยการฝึกและใช้อะแดปเตอร์สำหรับโมเดลพื้นฐานของ Amazon Textract พิจารณาแนวทางปฏิบัติที่ดีที่สุดต่อไปนี้เมื่อสร้างแบบสอบถามสำหรับอะแดปเตอร์ของคุณ:
- โควต้าอะแดปเตอร์จะกำหนดขีดจำกัดก่อนหน้าสำหรับการฝึกอะแดปเตอร์ พิจารณาขีดจำกัดเหล่านี้และเพิ่มคำขอเพิ่มโควต้าบริการ หากจำเป็น:
- จำนวนอะแด็ปเตอร์สูงสุด – จำนวนอะแดปเตอร์ที่อนุญาต (คุณสามารถมีอะแดปเตอร์ได้หลายเวอร์ชันภายใต้อะแดปเตอร์ตัวเดียว)
- เวอร์ชันอะแดปเตอร์สูงสุดที่สร้างขึ้นต่อเดือน – จำนวนเวอร์ชันอะแดปเตอร์ที่ประสบความสำเร็จซึ่งสามารถสร้างได้ต่อบัญชี AWS ต่อเดือน
- เวอร์ชันอะแดปเตอร์ที่กำลังดำเนินการสูงสุด – จำนวนเวอร์ชันของอะแดปเตอร์ที่กำลังดำเนินการ (การฝึกอบรมอะแดปเตอร์) ต่อบัญชี
- ตรวจสอบให้แน่ใจว่าคุณใช้ชุดเอกสารที่เป็นตัวแทนของกรณีการใช้งานของคุณ (เอกสารการฝึกอบรมขั้นต่ำห้าฉบับและเอกสารการทดสอบห้าฉบับ)
- จัดเตรียมเอกสารสำหรับการฝึกอบรมให้ได้มากที่สุด (เอกสารการฝึกอบรมสูงสุด 2,500 หน้า และเอกสารทดสอบ 1,000 หน้า)
- อธิบายคำถามโดยใช้คำตอบที่หลากหลาย ตัวอย่างเช่น หากคำตอบของคำถามคือ "ใช่" หรือ "ไม่" ตัวอย่างที่มีคำอธิบายประกอบควรมีทั้ง "ใช่" และ "ไม่ใช่"
- รักษาความสอดคล้องในรูปแบบคำอธิบายประกอบและขณะใส่คำอธิบายประกอบฟิลด์ด้วยช่องว่าง
- ใช้คำค้นหาที่ใช้ในการฝึกอบรมเพื่อการอนุมาน
- หลังจากการฝึกอบรมอะแดปเตอร์แต่ละรอบ ให้ตรวจสอบตัววัดประสิทธิภาพเพื่อดูว่าคุณจำเป็นต้องปรับปรุงอะแดปเตอร์เพิ่มเติมเพื่อให้บรรลุเป้าหมายหรือไม่ อัปโหลดชุดเอกสารใหม่สำหรับการฝึกอบรมหรือตรวจสอบคำอธิบายประกอบเอกสารที่มีคะแนนความแม่นยำต่ำ ก่อนที่คุณจะเริ่มการฝึกอบรมใหม่เพื่อสร้างอะแดปเตอร์เวอร์ชันที่ได้รับการปรับปรุง
- ใช้
AutoUpdate
คุณสมบัติสำหรับอะแดปเตอร์แบบกำหนดเอง คุณลักษณะนี้จะพยายามฝึกอบรมใหม่โดยอัตโนมัติ หากAutoUpdate
เปิดใช้งานการตั้งค่าสถานะบนอะแดปเตอร์
- โควต้าอะแดปเตอร์จะกำหนดขีดจำกัดก่อนหน้าสำหรับการฝึกอะแดปเตอร์ พิจารณาขีดจำกัดเหล่านี้และเพิ่มคำขอเพิ่มโควต้าบริการ หากจำเป็น:
การจัดการความล้มเหลว
เมื่อออกแบบโซลูชัน IDP สิ่งสำคัญประการหนึ่งที่ต้องพิจารณาคือความยืดหยุ่น วิธีจัดการกับข้อผิดพลาดที่ทราบและไม่ทราบที่อาจเกิดขึ้น โซลูชัน IDP ควรมีความสามารถในการบันทึกข้อผิดพลาดและลองดำเนินการที่ล้มเหลวอีกครั้งในระหว่างขั้นตอนต่างๆ ของเวิร์กโฟลว์ IDP ในส่วนนี้ เราจะพูดถึงรายละเอียดเกี่ยวกับวิธีออกแบบเวิร์กโฟลว์ IDP ของคุณเพื่อจัดการกับความล้มเหลว
เตรียมขั้นตอนการทำงานของ IDP ของคุณเพื่อจัดการและทนต่อความล้มเหลว
“ทุกสิ่งล้มเหลวตลอดเวลา” เป็นคำพูดอันโด่งดังจาก AWS CTO Werner Vogels โซลูชัน IDP ของคุณก็จะล้มเหลวในที่สุดเช่นเดียวกับอย่างอื่น คำถามคือจะทนต่อความล้มเหลวโดยไม่ส่งผลกระทบต่อผู้ใช้โซลูชัน IDP ของคุณได้อย่างไร การออกแบบสถาปัตยกรรม IDP ของคุณจะต้องตระหนักถึงความล้มเหลวที่เกิดขึ้นและดำเนินการเพื่อหลีกเลี่ยงผลกระทบต่อความพร้อมใช้งาน ซึ่งจะต้องทำโดยอัตโนมัติ และไม่มีผลกระทบต่อผู้ใช้ พิจารณาแนวทางปฏิบัติที่ดีที่สุดต่อไปนี้:
- ใช้ บริการจัดเก็บข้อมูลอย่างง่ายของ Amazon (Amazon S3) เป็นที่จัดเก็บข้อมูลที่ปรับขนาดได้สำหรับเอกสารเวิร์กโฟลว์ IDP ที่จะประมวลผล Amazon S3 มอบโครงสร้างพื้นฐานพื้นที่จัดเก็บข้อมูลที่มีความทนทานสูง ซึ่งออกแบบมาสำหรับพื้นที่จัดเก็บข้อมูลหลักและข้อมูลสำคัญต่อภารกิจ
- สำรองข้อมูลเวิร์กโฟลว์ IDP ทั้งหมดของคุณตามความต้องการทางธุรกิจของคุณ ใช้กลยุทธ์ในการกู้คืนหรือทำซ้ำข้อมูลในกรณีที่ข้อมูลสูญหาย จัดกลยุทธ์นี้ให้สอดคล้องกับ Recovery Point Objective (RPO) และ Recovery Time Objective (RTO) ที่กำหนดไว้ซึ่งตรงกับความต้องการทางธุรกิจของคุณ
- หากจำเป็น ให้วางแผนและใช้กลยุทธ์การกู้คืนระบบเมื่อเกิดข้อผิดพลาดของโซลูชัน IDP ของคุณทั่วทั้งบัญชี AWS และภูมิภาค
- ใช้ข้อความอเมซอน
OutputConfig
คุณสมบัติและ Amazon ComprehendOutputDataConfig
คุณสมบัติในการจัดเก็บผลลัพธ์ของการประมวลผลแบบอะซิงโครนัสจาก Amazon Textract หรือ Amazon Comprehend ไปยังบัคเก็ต S3 ที่กำหนด ซึ่งช่วยให้เวิร์กโฟลว์ดำเนินการต่อจากจุดนั้น แทนที่จะเรียกใช้ Amazon Textract หรือ Amazon Comprehend ซ้ำ โค้ดต่อไปนี้แสดงวิธีเริ่มงาน Amazon Textract Asynchronous API เพื่อวิเคราะห์เอกสารและจัดเก็บเอาต์พุตการอนุมานที่เข้ารหัสไว้ในบัคเก็ต S3 ที่กำหนดไว้ สำหรับข้อมูลเพิ่มเติม โปรดดูที่ เอกสารประกอบไคลเอ็นต์ Amazon Textract.
ออกแบบขั้นตอนการทำงานของ IDP ของคุณเพื่อป้องกันความล้มเหลว
ความน่าเชื่อถือของปริมาณงานเริ่มต้นด้วยการตัดสินใจออกแบบล่วงหน้า ตัวเลือกสถาปัตยกรรมจะส่งผลต่อพฤติกรรมปริมาณงานและความยืดหยุ่นของงาน เพื่อปรับปรุงความน่าเชื่อถือของโซลูชัน IDP ของคุณ โปรดปฏิบัติตามแนวทางปฏิบัติที่ดีที่สุดเหล่านี้
ประการแรก ออกแบบสถาปัตยกรรมของคุณตามขั้นตอนการทำงานของ IDP แม้ว่าขั้นตอนในเวิร์กโฟลว์ IDP อาจแตกต่างกันและได้รับอิทธิพลจากกรณีการใช้งานและข้อกำหนดทางธุรกิจ แต่ขั้นตอนของการเก็บข้อมูล การจัดประเภทเอกสาร การแยกข้อความ การเพิ่มเนื้อหา การตรวจสอบและการตรวจสอบ และการใช้งาน โดยทั่วไปจะเป็นส่วนหนึ่งของเวิร์กโฟลว์ IDP ขั้นตอนที่กำหนดไว้อย่างดีเหล่านี้สามารถใช้เพื่อแยกฟังก์ชันการทำงานและแยกฟังก์ชันการทำงานออกในกรณีที่เกิดความล้มเหลว
คุณสามารถใช้ได้ บริการ Amazon Simple Queue (Amazon SQS) เพื่อแยกขั้นตอนเวิร์กโฟลว์ IDP รูปแบบการแยกส่วนช่วยแยกพฤติกรรมของส่วนประกอบทางสถาปัตยกรรมออกจากส่วนประกอบอื่นๆ ที่ขึ้นอยู่กับองค์ประกอบดังกล่าว ช่วยเพิ่มความยืดหยุ่นและความคล่องตัว
ประการที่สอง ควบคุมและจำกัดการโทรซ้ำ บริการของ AWS เช่น Amazon Textract อาจล้มเหลวได้หากเกินจำนวน TPS สูงสุดที่จัดสรร ส่งผลให้บริการจำกัดการใช้งานแอปพลิเคชันของคุณหรือตัดการเชื่อมต่อของคุณ
คุณควรจัดการการควบคุมปริมาณและการเชื่อมต่อที่หลุดโดยลองดำเนินการอีกครั้งโดยอัตโนมัติ (ทั้งการดำเนินการแบบซิงโครนัสและอะซิงโครนัส) อย่างไรก็ตาม คุณควรระบุการลองใหม่เป็นจำนวนจำกัด หลังจากนั้นการดำเนินการล้มเหลวและเกิดข้อยกเว้น หากคุณโทรไปยัง Amazon Textract มากเกินไปในช่วงเวลาสั้นๆ ระบบจะควบคุมการโทรของคุณและส่ง ProvisionedThroughputExceededExceptionerror
ในการตอบสนองต่อการดำเนินงาน
นอกจากนี้การใช้งาน การถอยกลับและการกระวนกระวายใจแบบเอ็กซ์โปเนนเชียล เพื่อลองอีกครั้งเพื่อปรับปรุงปริมาณงาน ตัวอย่างเช่น เมื่อใช้ Amazon Textract ให้ระบุจำนวนการลองใหม่โดยรวม config
พารามิเตอร์เมื่อคุณสร้างไคลเอ็นต์ Amazon Textract เราขอแนะนำให้ลองนับอีกครั้งถึงห้า ในโค้ดตัวอย่างต่อไปนี้ เราใช้ config
พารามิเตอร์เพื่อลองดำเนินการอีกครั้งโดยอัตโนมัติโดยใช้โหมดอะแดปทีฟและลองใหม่สูงสุดห้าครั้ง:
ใช้ประโยชน์จาก AWS SDK เช่น AWS SDK สำหรับ Python (Boto3)เพื่อช่วยในการ กำลังลองโทรหาลูกค้าอีกครั้ง ไปยังบริการของ AWS เช่น Amazon Textract และ Amazon Comprehend มีสาม มีโหมดลองใหม่อีกครั้ง:
- โหมดดั้งเดิม – การลองใหม่จะเรียกร้องให้มีข้อผิดพลาดและข้อยกเว้นในจำนวนที่จำกัด และรวมการถอยกลับแบบเอกซ์โปเนนเชียลด้วยปัจจัยฐานที่ 2
- โหมดมาตรฐาน – สร้างมาตรฐานตรรกะและพฤติกรรมการลองซ้ำให้สอดคล้องกับ AWS SDK อื่นๆ และขยายฟังก์ชันการลองใหม่มากกว่าที่พบในโหมดเดิม ความพยายามในการลองอีกครั้งจะรวมการถอยกลับแบบเอกซ์โปเนนเชียลด้วยปัจจัยฐาน 2 สำหรับเวลาการถอยกลับสูงสุด 20 วินาที
- โหมดปรับตัว – รวมคุณสมบัติทั้งหมดของโหมดมาตรฐานและแนะนำการจำกัดอัตราฝั่งไคลเอ็นต์ผ่านการใช้ที่เก็บข้อมูลโทเค็นและตัวแปรขีดจำกัดอัตราที่ได้รับการอัปเดตแบบไดนามิกทุกครั้งที่ลองอีกครั้ง โดยให้ความยืดหยุ่นในการลองใหม่ฝั่งไคลเอ็นต์ที่ปรับให้เข้ากับข้อผิดพลาดหรือการตอบสนองสถานะข้อยกเว้นจากบริการของ AWS ทุกครั้งที่พยายามลองใหม่ โหมดปรับเปลี่ยนจะแก้ไขตัวแปรขีดจำกัดอัตราตามข้อผิดพลาด ข้อยกเว้น หรือรหัสสถานะ HTTP ที่แสดงในการตอบสนองจากบริการของ AWS ตัวแปรขีดจำกัดอัตราเหล่านี้จะถูกนำมาใช้ในการคำนวณอัตราการโทรใหม่สำหรับลูกค้า ข้อยกเว้น ข้อผิดพลาด หรือการตอบสนอง HTTP ที่ไม่สำเร็จแต่ละรายการจากบริการของ AWS จะอัปเดตตัวแปรขีดจำกัดอัตราเมื่อมีการลองใหม่จนกว่าจะถึงความสำเร็จ ที่เก็บข้อมูลโทเค็นหมด หรือถึงค่าความพยายามสูงสุดที่กำหนดค่าไว้ ตัวอย่างของข้อยกเว้น ข้อผิดพลาด หรือการตอบกลับ HTTP ที่ไม่สำเร็จ:
สรุป
ในโพสต์นี้ เราได้แบ่งปันหลักการออกแบบ พื้นที่มุ่งเน้น รากฐาน และแนวทางปฏิบัติที่ดีที่สุดสำหรับความน่าเชื่อถือในโซลูชัน IDP ของคุณ
AWS มุ่งมั่นที่จะให้ IDP Well-Architected Lens เป็นเครื่องมือที่มีชีวิต เมื่อโซลูชัน IDP และบริการ AWS AI ที่เกี่ยวข้องมีการพัฒนาและบริการของ AWS ใหม่พร้อมใช้งาน เราจะอัปเดต IDP Lens Well-Architected ตามนั้น
หากคุณต้องการเรียนรู้เพิ่มเติมเกี่ยวกับ AWS Well-Architected Framework โปรดดูที่ AWS ออกแบบมาอย่างดี.
หากคุณต้องการคำแนะนำจากผู้เชี่ยวชาญเพิ่มเติม โปรดติดต่อทีมบัญชี AWS ของคุณเพื่อว่าจ้าง IDP Specialist Solutions Architect
เกี่ยวกับผู้เขียน
รุย คาร์โดโซ เป็นสถาปนิกโซลูชันคู่ค้าที่ Amazon Web Services (AWS) เขามุ่งเน้นไปที่ AI/ML และ IoT เขาทำงานร่วมกับคู่ค้า AWS และสนับสนุนพวกเขาในการพัฒนาโซลูชันใน AWS เมื่อไม่ได้ทำงาน เขาสนุกกับการปั่นจักรยาน เดินป่า และเรียนรู้สิ่งใหม่ๆ
บริเจช ปาตี เป็นสถาปนิกโซลูชันระดับองค์กรที่ AWS เป้าหมายหลักของเขาคือการช่วยให้ลูกค้าองค์กรนำเทคโนโลยีคลาวด์มาใช้กับปริมาณงานของพวกเขา เขามีพื้นฐานในการพัฒนาแอปพลิเคชันและสถาปัตยกรรมองค์กร และได้ทำงานร่วมกับลูกค้าจากอุตสาหกรรมต่างๆ เช่น กีฬา การเงิน พลังงาน และบริการระดับมืออาชีพ ความสนใจของเขารวมถึงสถาปัตยกรรมแบบไร้เซิร์ฟเวอร์และ AI/ML
มีอาช้าง เป็นสถาปนิกโซลูชันผู้เชี่ยวชาญ ML สำหรับ Amazon Web Services เธอทำงานร่วมกับลูกค้าใน EMEA และแบ่งปันแนวทางปฏิบัติที่ดีที่สุดในการรันปริมาณงาน AI/ML บนคลาวด์พร้อมพื้นฐานด้านคณิตศาสตร์ประยุกต์ วิทยาการคอมพิวเตอร์ และ AI/ML เธอมุ่งเน้นไปที่ปริมาณงานเฉพาะของ NLP และแบ่งปันประสบการณ์ของเธอในฐานะวิทยากรในการประชุมและผู้แต่งหนังสือ ในเวลาว่าง เธอชอบเดินป่า เล่นบอร์ดเกม และชงกาแฟ
ทิม คอนเดลโล เป็นสถาปนิกโซลูชันผู้เชี่ยวชาญด้านปัญญาประดิษฐ์ (AI) และการเรียนรู้ของเครื่องจักร (ML) อาวุโสที่ Amazon Web Services (AWS) ความสนใจของเขาคือการประมวลผลภาษาธรรมชาติและการมองเห็นคอมพิวเตอร์ Tim สนุกกับการนำแนวคิดของลูกค้ามาเปลี่ยนให้เป็นโซลูชันที่ปรับขนาดได้
เชอรี่ ดิง เป็นสถาปนิกโซลูชันผู้เชี่ยวชาญด้านปัญญาประดิษฐ์ (AI) และการเรียนรู้ของเครื่องจักร (ML) อาวุโสที่ Amazon Web Services (AWS) เธอมีประสบการณ์มากมายในด้านการเรียนรู้ของเครื่องโดยสำเร็จการศึกษาระดับปริญญาเอกสาขาวิทยาการคอมพิวเตอร์ เธอทำงานร่วมกับลูกค้าภาครัฐเป็นหลักเกี่ยวกับความท้าทายทางธุรกิจต่างๆ ที่เกี่ยวข้องกับ AI/ML ช่วยให้พวกเขาเร่งการเดินทางการเรียนรู้ของเครื่องบน AWS Cloud เมื่อไม่ช่วยเหลือลูกค้าเธอก็ชอบกิจกรรมกลางแจ้ง
ซู่หยินหวาง เป็นสถาปนิกโซลูชันผู้เชี่ยวชาญ AI/ML ที่ AWS เธอมีพื้นฐานการศึกษาแบบสหวิทยาการในด้านการเรียนรู้ของเครื่อง การบริการข้อมูลทางการเงิน และเศรษฐศาสตร์ พร้อมด้วยประสบการณ์หลายปีในการสร้างแอปพลิเคชันวิทยาศาสตร์ข้อมูลและการเรียนรู้ของเครื่องที่ช่วยแก้ไขปัญหาทางธุรกิจในโลกแห่งความเป็นจริง เธอสนุกกับการช่วยลูกค้าระบุคำถามทางธุรกิจที่เหมาะสมและสร้างโซลูชัน AI/ML ที่เหมาะสม ในเวลาว่าง เธอชอบร้องเพลงและทำอาหาร
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
- เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
- เพลโตESG. คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
- เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
- ที่มา: https://aws.amazon.com/blogs/machine-learning/build-well-architected-idp-solutions-with-a-custom-lens-part-3-reliability/
- :มี
- :เป็น
- :ไม่
- $ ขึ้น
- 000
- 1
- 100
- 15%
- 17
- 20
- 500
- 7
- a
- ความสามารถ
- เกี่ยวกับเรา
- การล่วงละเมิด
- เร่งความเร็ว
- ได้รับการยอมรับ
- อำนวยความสะดวก
- ตาม
- ตาม
- ลงชื่อเข้าใช้
- บัญชี
- ความถูกต้อง
- บรรลุ
- ข้าม
- การกระทำ
- การปฏิบัติ
- กิจกรรม
- ปรับได้
- ปรับ
- นอกจากนี้
- เพิ่มเติม
- ข้อมูลเพิ่มเติม
- ที่อยู่
- นำมาใช้
- ความได้เปรียบ
- น่าสงสาร
- หลังจาก
- AI
- บริการ AI
- AI / ML
- จัดแนว
- ชิด
- ทั้งหมด
- จัดสรร
- อนุญาตให้
- การอนุญาต
- ช่วยให้
- คนเดียว
- ตาม
- ด้วย
- แม้ว่า
- อเมซอน
- เข้าใจ Amazon
- Amazon Text
- Amazon Web Services
- Amazon Web Services (AWS)
- ในหมู่
- an
- การวิเคราะห์
- วิเคราะห์
- และ
- คำตอบ
- คำตอบ
- คาดหวัง
- ที่คาดว่าจะ
- ใด
- API
- การใช้งาน
- การพัฒนาโปรแกรมประยุกต์
- การใช้งาน
- ประยุกต์
- ใช้
- การประยุกต์ใช้
- ในเชิงสถาปัตยกรรม
- สถาปัตยกรรม
- เป็น
- พื้นที่
- รอบ
- เทียม
- ปัญญาประดิษฐ์
- ปัญญาประดิษฐ์ (AI)
- AS
- แง่มุม
- ประเมินผล
- ช่วยเหลือ
- ที่เกี่ยวข้อง
- At
- ความพยายาม
- ความพยายามในการ
- เติม
- ผู้เขียน
- โดยอัตโนมัติ
- อัตโนมัติ
- อัตโนมัติ
- อัตโนมัติ
- ความพร้อมใช้งาน
- ใช้ได้
- หลีกเลี่ยง
- ทราบ
- AWS
- กลับ
- พื้นหลัง
- ฐาน
- ตาม
- BE
- เพราะ
- กลายเป็น
- ก่อน
- พฤติกรรม
- ประโยชน์ที่ได้รับ
- ที่ดีที่สุด
- ปฏิบัติที่ดีที่สุด
- ระหว่าง
- คณะกรรมการ
- เกมกระดาน
- หนังสือ
- ทั้งสอง
- สร้าง
- การก่อสร้าง
- built-in
- ธุรกิจ
- แต่
- by
- คำนวณ
- โทรศัพท์
- โทร
- CAN
- ความสามารถในการ
- ความจุ
- จับ
- กรณี
- กรณีศึกษา
- ก่อให้เกิด
- การก่อให้เกิด
- ความท้าทาย
- เปลี่ยนแปลง
- การเปลี่ยนแปลง
- การเปลี่ยนแปลง
- เปลี่ยนแปลง
- ตัวอักษร
- การรู้จำอักขระ
- ทางเลือก
- การจัดหมวดหมู่
- ไคลเอนต์
- เมฆ
- รหัส
- รหัส
- กาแฟ
- รวบรวม
- รวม
- มุ่งมั่น
- ร่วมกัน
- ชุมชน
- ส่วนประกอบ
- เข้าใจ
- คอมพิวเตอร์
- วิทยาการคอมพิวเตอร์
- วิสัยทัศน์คอมพิวเตอร์
- การประชุม
- การกำหนดค่า
- การเชื่อมต่อ
- การเชื่อมต่อ
- พิจารณา
- ถือว่า
- คงเส้นคงวา
- เสมอต้นเสมอปลาย
- ข้อ จำกัด
- โครงสร้าง
- การบริโภค
- ติดต่อเรา
- เนื้อหา
- ต่อ
- ควบคุม
- แปลง
- ได้อย่างถูกต้อง
- ความเสียหาย
- ค่าใช้จ่ายที่มีประสิทธิภาพ
- หน้าปก
- ปกคลุม
- สร้าง
- ที่สร้างขึ้น
- การสร้าง
- CTO
- ประเพณี
- ลูกค้า
- ลูกค้า
- ปรับแต่ง
- ข้อมูล
- ข้อมูลสูญหาย
- วิทยาศาสตร์ข้อมูล
- การจัดเก็บข้อมูล
- การตัดสินใจ
- ลึก
- กำหนด
- กำหนด
- องศา
- ความต้องการ
- ขึ้นอยู่กับ
- อธิบาย
- ออกแบบ
- หลักการออกแบบ
- กำหนด
- ได้รับการออกแบบ
- การออกแบบ
- รายละเอียด
- กำหนด
- ที่กำลังพัฒนา
- พัฒนาการ
- ต่าง
- มิติ
- ภัยพิบัติ
- สนทนา
- การดำน้ำ
- เอกสาร
- เอกสาร
- ทำ
- หล่น
- ปรับตัวลดลง
- ในระหว่าง
- แบบไดนามิก
- แต่ละ
- เศรษฐศาสตร์
- การศึกษา
- อย่างมีประสิทธิภาพ
- ที่มีประสิทธิภาพ
- อื่น
- EMEA
- เปิดการใช้งาน
- ช่วยให้
- ครอบคลุม
- ที่มีการเข้ารหัส
- พลังงาน
- ว่าจ้าง
- พอ
- การตกแต่ง
- ทำให้มั่นใจ
- Enterprise
- สิ่งแวดล้อม
- ความผิดพลาด
- ข้อผิดพลาด
- ประมาณการ
- การประเมินการ
- ในที่สุด
- ทุกอย่าง
- คาย
- ตัวอย่าง
- ตัวอย่าง
- เกินกว่าที่กำหนด
- มากกว่า
- Excel
- ข้อยกเว้น
- ความคาดหวัง
- ที่คาดหวัง
- ประสบการณ์
- ชำนาญ
- ที่ชี้แจง
- ขยาย
- กว้างขวาง
- ประสบการณ์ที่กว้างขวาง
- สารสกัด
- การสกัด
- ปัจจัย
- ล้มเหลว
- ล้มเหลว
- ล้มเหลว
- ความล้มเหลว
- ความล้มเหลว
- มีชื่อเสียง
- ลักษณะ
- คุณสมบัติ
- สนาม
- สาขา
- เนื้อไม่มีมัน
- ไฟล์
- เงินทุน
- ทางการเงิน
- ข้อมูลทางการเงิน
- ห้า
- ความยืดหยุ่น
- โฟกัส
- มุ่งเน้นไปที่
- โดยมุ่งเน้น
- ปฏิบัติตาม
- ดังต่อไปนี้
- สำหรับ
- รูป
- รูปแบบ
- พบ
- ฐานราก
- กรอบ
- ฟรี
- ราคาเริ่มต้นที่
- เต็ม
- ฟังก์ชันการทำงาน
- ฟังก์ชั่น
- ต่อไป
- เกม
- ช่องว่าง
- รวมตัวกัน
- ได้รับ
- เป้าหมาย
- คำแนะนำ
- จัดการ
- การจัดการ
- ยาก
- มี
- he
- ช่วย
- การช่วยเหลือ
- จะช่วยให้
- เธอ
- สูงกว่า
- อย่างสูง
- ของเขา
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- อย่างไรก็ตาม
- HTML
- ที่ http
- HTTPS
- เป็นมนุษย์
- ความคิด
- แยกแยะ
- if
- ภาพ
- ภาพ
- ส่งผลกระทบ
- ส่งผลกระทบต่อ
- การดำเนินการ
- การดำเนินงาน
- นำเข้า
- สำคัญ
- ด้านที่สำคัญ
- ปรับปรุง
- การปรับปรุง
- การปรับปรุง
- in
- ประกอบด้วย
- รวมถึง
- รวมทั้ง
- เพิ่ม
- ที่เพิ่มขึ้น
- ตัวชี้วัด
- อุตสาหกรรม
- อิทธิพล
- ข้อมูล
- โครงสร้างพื้นฐาน
- ข้อมูลเชิงลึก
- Intelligence
- ฉลาด
- การประมวลผลเอกสารอัจฉริยะ
- ตั้งใจว่า
- ผลประโยชน์
- เข้าไป
- เปิดตัว
- แนะนำ
- บทนำ
- IOT
- IT
- ITS
- การสัมภาษณ์
- การเดินทาง
- jpg
- เก็บ
- คีย์
- ที่รู้จักกัน
- ภาษา
- ภาษา
- แบบ
- เรียนรู้
- การเรียนรู้
- นำ
- มรดก
- ชั้น
- วงจรชีวิต
- กดไลก์
- LIMIT
- ถูก จำกัด
- การ จำกัด
- ขีด จำกัด
- ที่อาศัยอยู่
- การเข้าสู่ระบบ
- ตรรกะ
- ปิด
- รัก
- ต่ำ
- เครื่อง
- เรียนรู้เครื่อง
- ส่วนใหญ่
- เก็บรักษา
- ทำ
- จัดการ
- การจัดการ
- หลาย
- คณิตศาสตร์
- สูงสุด
- อาจ..
- มาตรการ
- กลไก
- กลไก
- พบ
- ตัวชี้วัด
- ไมโครซอฟท์
- อาจ
- ใจ
- ขั้นต่ำ
- ML
- โหมด
- แบบ
- โมเดล
- โหมด
- การตรวจสอบ
- การตรวจสอบ
- เดือน
- ข้อมูลเพิ่มเติม
- มากที่สุด
- ต้อง
- ชื่อ
- โดยธรรมชาติ
- ประมวลผลภาษาธรรมชาติ
- จำเป็นต้อง
- เครือข่าย
- การรับส่งข้อมูลเครือข่าย
- ใหม่
- NLP
- การแจ้งเตือน
- จำนวน
- วัตถุประสงค์
- วัตถุประสงค์
- OCR
- of
- เสนอ
- on
- ONE
- ทำงาน
- การดำเนินงาน
- การดำเนินการ
- การดำเนินงาน
- การดำเนินการ
- การรู้จำอักขระด้วยแสง
- ดีที่สุด
- or
- อื่นๆ
- ของเรา
- ออก
- ผล
- โครงร่าง
- เอาท์พุต
- เกิน
- หน้า
- หน้า
- พารามิเตอร์
- ส่วนหนึ่ง
- หุ้นส่วน
- พาร์ทเนอร์
- ส่วน
- แบบแผน
- รูปแบบไฟล์ PDF
- ต่อ
- ดำเนินการ
- การปฏิบัติ
- ที่มีประสิทธิภาพ
- ระยะเวลา
- phd
- เสา
- แผนการ
- การวางแผน
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- จุด
- เป็นไปได้
- โพสต์
- ที่มีศักยภาพ
- การปฏิบัติ
- การปฏิบัติ
- นำเสนอ
- ป้องกัน
- ก่อน
- ประถม
- หลักการ
- ปัญหาที่เกิดขึ้น
- ขั้นตอน
- กระบวนการ
- กระบวนการ
- การประมวลผล
- การผลิต
- มืออาชีพ
- โครงการ
- ปกป้อง
- ให้
- ให้
- สาธารณะ
- หลาม
- คำสั่ง
- คำถาม
- คำถาม
- หุ้น
- ยก
- คะแนน
- ราคา
- ค่อนข้าง
- ถึง
- อ่าน
- การอ่าน
- โลกแห่งความจริง
- การรับรู้
- แนะนำ
- แนะนำ
- กู้
- การฟื้นตัว
- อ้างอิง
- ภูมิภาค
- ที่เกี่ยวข้อง
- ปล่อย
- ความเชื่อถือได้
- น่าเชื่อถือ
- ลบ
- ซ่อมแซม
- ทำซ้ำ
- ตัวแทน
- ขอ
- การร้องขอ
- ต้องการ
- จำเป็นต้องใช้
- ความต้องการ
- ต้อง
- ความยืดหยุ่น
- ยืดหยุ่น
- แหล่งข้อมูล
- คำตอบ
- การตอบสนอง
- ผลสอบ
- ทบทวน
- สุดท้าย
- ขวา
- ความเสี่ยง
- ปัดเศษ
- กฎระเบียบ
- วิ่ง
- วิ่ง
- ที่ปรับขนาดได้
- สถานการณ์
- วิทยาศาสตร์
- SDK
- sdks
- ค้นหา
- ที่สอง
- วินาที
- Section
- ภาค
- ปลอดภัย
- เห็น
- ส่ง
- ส่ง
- ระดับอาวุโส
- แยก
- ชุด
- serverless
- บริการ
- บริการ
- ชุด
- หลาย
- ที่ใช้ร่วมกัน
- หุ้น
- เธอ
- สั้น
- น่า
- แสดงให้เห็นว่า
- ลายเซ็น
- ง่าย
- ลดความซับซ้อน
- เดียว
- ขนาด
- ช้าลงหน่อย
- เรียบ
- อ่อน
- ทางออก
- โซลูชัน
- บาง
- ช่องว่าง
- ลำโพง
- ผู้เชี่ยวชาญ
- โดยเฉพาะ
- เฉพาะ
- แหลม
- กีฬา
- ขั้นตอน
- มาตรฐาน
- เริ่มต้น
- ที่เริ่มต้น
- เริ่มต้น
- สถานะ
- Status
- ขั้นตอน
- การเก็บรักษา
- จัดเก็บ
- กลยุทธ์
- เชือก
- ศึกษา
- สไตล์
- ความสำเร็จ
- ที่ประสบความสำเร็จ
- อย่างเช่น
- สนับสนุน
- ที่สนับสนุน
- ที่สนับสนุน
- แน่ใจ
- ที่ยั่งยืน
- ต่อสู้
- เอา
- การ
- งาน
- ทีม
- วิชาการ
- เทคโนโลยี
- เงื่อนไขการใช้บริการ
- ทดสอบ
- การทดสอบ
- ข้อความ
- กว่า
- ที่
- พื้นที่
- ของพวกเขา
- พวกเขา
- แล้วก็
- ที่นั่น
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- พวกเขา
- สิ่ง
- นี้
- เหล่านั้น
- สาม
- ธรณีประตู
- ตลอด
- ปริมาณงาน
- ทิม
- เวลา
- ไปยัง
- โทเค็น
- เกินไป
- เครื่องมือ
- รวม
- TPS
- ลู่
- การจราจร
- การฝึกอบรม
- การทำธุรกรรม
- รักษา
- เรียก
- การหมุน
- เป็นปกติ
- ภายใต้
- เข้าใจ
- ไม่ทราบ
- จนกระทั่ง
- บันทึก
- ให้กับคุณ
- การปรับปรุง
- การใช้
- ใช้
- ใช้กรณี
- มือสอง
- ผู้ใช้งาน
- ผู้ใช้
- การใช้
- มักจะ
- ตรวจสอบความถูกต้อง
- การตรวจสอบ
- ความคุ้มค่า
- ความคุ้มค่า
- ความหลากหลาย
- ต่างๆ
- รุ่น
- รุ่น
- วิสัยทัศน์
- ต้องการ
- we
- เว็บ
- บริการเว็บ
- กำหนดไว้อย่างดี
- เมื่อ
- ที่
- ในขณะที่
- WHO
- จะ
- กับ
- ภายใน
- ไม่มี
- คำ
- คำ
- งาน
- ทำงาน
- เวิร์กโฟลว์
- ขั้นตอนการทำงาน
- การทำงาน
- โรงงาน
- ปี
- คุณ
- ของคุณ
- ลมทะเล